Axelera AI 将 Ultralytics YOLO 模型加入其 Voyager SDK，让客户开箱即用，在 Metis AI 处理单元（AIPUs）上运行实时计算机视觉解决方案变得简单易行。
Axelera AI 是一家欧洲半导体公司，致力于打造功能强大、能效出色的 AI 芯片，以便在边缘端运行计算机视觉。例如，其 Metis AI 处理单元（AIPUs）应用于零售、安防和制造等行业。
为了让客户更轻松地构建和部署 AI 应用，Axelera 将 Ultralytics YOLO 模型集成到 Voyager SDK 中。Voyager SDK 是一个软件平台，可简化 Metis AIPU 上的模型优化、部署和加速，让实时视觉 AI 更快速、更简单，也更具可扩展性。
重新定义视觉 AI 硬件加速#
Axelera AI 于 2021 年创立，总部位于荷兰，旨在解决一个根本问题：传统 AI 硬件是为云端而非边缘端打造的。为弥合这一差距，该公司开发了 Metis AIPU。
这是一款专为边缘工作负载设计的高性能、低功耗芯片：它可以在本地设备上运行 AI 任务，而速度、隐私和能效至关重要。
该芯片采用其专有的数字存内计算（D-IMC）技术，可直接在数据存储位置处理数据，大幅降低延迟和能耗。凭借全面集成的软件栈和普及 AI 的使命，Axelera 正让更多人能够使用高性能 AI。
在边缘 AI 硬件上运行模型面临的挑战#
为了在边缘端提供流畅的 AI 体验，Axelera AI 不仅希望提供高性能硬件。客户还需要一种简单可靠的方式来运行实时计算机视觉解决方案，而无需使用复杂工具或耗时定制。许多现有模型体积过大、速度太慢，或不适用于资源受限的环境。
零售分析、工厂自动化和监控系统通常依靠快速、准确的视觉洞察来支持运营。然而，传统模型和云端解决方案通常无法满足这些边缘 AI 应用对低延迟、高能效和设备端处理的要求。
Axelera 开始寻找一套准确、易于实施且能在其 Metis AI 处理单元上高效运行的模型。合适的解决方案既要充分发挥其硬件能力，也要简化开发，并加快各种边缘 AI 场景的部署。
借助 Ultralytics YOLO 在边缘端加速 AI 推理#
Axelera AI 将 Ultralytics YOLO 模型集成到其 Voyager SDK 中，让构建和部署边缘 AI 应用变得更快速、更轻松，也更具可扩展性。该 SDK 内含模型库，提供可直接使用的 YOLO 模型，并自动完成整个流水线，包括预处理、推理和后处理，且针对 Metis AI 处理单元进行了优化。
图 1：Metis AI 处理单元（AIPU）。
这项集成让客户可以直接使用预训练的 Ultralytics YOLO 模型，也可以使用自有模型，并在边缘硬件上实现无缝加速。Metis AIPU 支持并行执行和级联执行模型，可实现先进的多模型设置，例如先进行姿势估计，再进行分割。这非常适合零售、安全和工业自动化中的复杂任务。
Ultralytics YOLO 模型支持的实时计算机视觉任务，与 Axelera 高效的硬件和软件栈相结合，可实现出色的单位功耗和单位成本性能。对客户而言，这意味着更准确的结果、更快的部署，以及更低的门槛，让视觉 AI 能够在边缘端规模化应用。
为什么选择 Ultralytics YOLO 模型？#
Axelera AI 与 Ultralytics 合作，将 Ultralytics YOLO 模型集成到其平台中，因为这些模型在准确性、速度和易用性之间实现了出色平衡。Axelera AI 客户可以在 Metis AIPU 上评估多种 Ultralytics YOLO 变体，以适应广泛的工作负载和性能需求。
通过 Ultralytics 企业许可证，Axelera 提供完整 YOLO 模型套件，供客户评估和开发。对于商业部署，客户必须通过许可申请表直接向 Ultralytics 申请自己的许可证，以确保合规，并支持视觉 AI 在边缘端实现可扩展创新。
借助 Axelera AI 的 Voyager SDK，大规模应用 Ultralytics YOLO 模型#
借助 Ultralytics YOLO 模型和 Axelera AI 的 Voyager SDK，用户可以直接在 Metis AI 处理单元上部署准确、低延迟的计算机视觉应用。此外，用户可以使用多种 YOLO 变体，让客户根据应用的具体需求调整性能。
例如，Axelera AI 发现客户已在各种领域测试由 YOLO 驱动的解决方案，例如：
- 零售：结合姿态估计、分割和目标检测的多模型流水线可用于支持减少货损和库存跟踪等任务。这些部署可在 Raspberry Pi 5 与 Metis AIPU 等嵌入式平台上高效运行。
- 制造：客户可以利用并行模型执行，在单个芯片上同时执行缺陷检测、产品分类和姿态估计等任务，从而提高吞吐量并降低硬件成本。
- 监控：YOLO 的实时目标检测能力可用于以全分辨率分析 4K 和 8K 视频流，从而在关键环境中实现高精度安全监控和态势感知。这比在高分辨率摄像头上使用传统降采样方案好得多。
- 医疗保健：经过优化的 YOLO 流水线可支持肿瘤识别，在设备端医学影像处理中提供高推理速度和可靠的准确性。
这些应用场景展示了 Axelera AI 的边缘 AI 硬件和 Ultralytics YOLO 模型如何推动各行业实现高性能、高能效的视觉 AI 创新。
借助 Ultralytics YOLO 推动边缘 AI 下一波发展#
Axelera AI 持续致力于让更多人用上高性能边缘 AI，并将强大的硬件与可靠的视觉模型结合起来，帮助客户构建更智能、更快速的应用。
通过 Voyager SDK 提供的 Ultralytics YOLO 模型和 Metis AIPU 硬件，用户可以轻松开发并规模化部署跨行业的实时计算机视觉解决方案。这项合作支持不断壮大的开发者和企业社群，帮助他们将 AI 部署到更接近数据生成位置的地方，从而提升边缘端的效率、响应能力和创新水平。
准备好加速你的边缘 AI 之旅了吗？访问我们的 GitHub 代码仓库，了解 YOLO 模型如何推动 零售领域的 AI 和 物流领域的计算机视觉等创新。亲自体验我们的视觉 AI 工具，了解许可选项，并探索如何在边缘端实现高性能、高能效的计算机视觉。
