通过将 Ultralytics YOLO 模型添加到 Voyager SDK 中，Axelera AI 让客户能够开箱即用地在其 Metis AI 处理单元（AIPUs）上运行实时计算机视觉解决方案。
Axelera AI 是一家欧洲半导体公司，致力于打造功能强大且节能的 AI 芯片，用于在边缘运行计算机视觉。例如，其 Metis AI 处理单元（AIPUs）已应用于零售、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 集成到其 Voyager SDK 中。Voyager SDK 是一个软件平台，可简化 Metis AIPUs 上的模型优化、部署和加速，让实时 Vision AI 更快速、更简单且更具扩展性。
重新定义 Vision AI 硬件加速#
Axelera AI 成立于 2021 年，总部位于荷兰，旨在解决一个根本性问题：传统 AI 硬件是为云端而非边缘构建的。为弥合这一差距，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，适用于在设备本地运行的 AI 任务，而速度、隐私和能效对这些任务至关重要。
它采用自主研发的数字存内计算技术（D-IMC），能够直接在数据存储位置进行处理，大幅降低延迟和能耗。凭借完全集成的软件栈以及让 AI 普惠化的使命，Axelera 正在让更多人能够使用高性能 AI。
在边缘 AI 硬件上运行模型的挑战#
为了在边缘提供无缝的 AI 体验，Axelera AI 不仅着眼于高性能硬件。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，而不必使用复杂工具或进行耗时的定制。许多现有模型过于庞大、运行速度过慢，或不适合资源受限的环境。
零售分析、工厂自动化和监控系统通常依赖快速且准确的视觉洞察来支持运营。然而，传统模型和基于云的解决方案通常无法满足这些边缘 AI 应用对低延迟、能效和设备端处理的要求。
Axelera 开始寻找一套准确、易于实施且能够在其 Metis AI 处理单元上高效运行的模型。理想的解决方案应充分发挥其硬件能力，同时简化开发流程，并加快各种边缘 AI 用例的部署。
借助 Ultralytics YOLO 加速边缘 AI 推理#
Axelera AI 将 Ultralytics YOLO 模型集成到其 Voyager SDK 中，让边缘 AI 应用的构建和部署更快速、更简单且更具扩展性。该 SDK 包含一个 Model Zoo，提供可直接使用的 YOLO 模型，并自动完成针对 Metis AI 处理单元优化的完整流程，涵盖预处理、推理和后处理。
图 1. Metis AI 处理单元（AIPU）。
这一集成让客户能够开箱即用地使用预训练的 Ultralytics YOLO 模型，也可以接入自己的模型，并在边缘硬件上实现无缝加速。借助对并行和级联模型执行的支持，Metis AIPUs 能够实现姿态估计后接分割等高级多模型配置。这非常适合零售、安防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，结合 Axelera 高效的硬件和软件栈，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、更快的部署速度，以及更低的门槛来扩展边缘端 Vision AI。
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，充分利用其在准确率、速度和易用性之间的出色平衡。借助对多种 Ultralytics YOLO 变体的支持，Axelera AI 客户可以在 Metis AIPU 上评估各种工作负载和性能需求。
通过 Ultralytics Enterprise License，Axelera 可提供完整 YOLO 模型套件，用于评估和开发。对于商业部署，客户必须通过许可表格直接从 Ultralytics 获取自己的许可证，以确保合规，并支持 Vision AI 边缘应用的规模化创新。
借助 Axelera AI 的 Voyager SDK 大规模使用 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且低延迟的计算机视觉应用。此外，通过使用多个 YOLO 变体，客户可以根据具体应用需求调整性能。
例如，Axelera AI 发现客户已在多个领域测试基于 YOLO 的解决方案，包括：
- 零售： 结合姿态估计、分割和目标检测的多模型流程可用于支持减少货损和跟踪库存等任务。这些部署可在 Raspberry Pi 5 与 Metis AIPU 组合而成的嵌入式平台上高效运行。
- 制造： 客户可以使用并行模型执行，在单个芯片上同时完成缺陷检测、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，为关键环境中的高精度安全监控和态势感知提供支持。这比在高分辨率摄像头上采用传统的降采样方案更出色。
- 医疗保健： 优化后的 YOLO 流程可支持肿瘤识别，为设备端医学影像提供高速推理和可靠的准确率。
这些用例展示了 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、节能的 Vision AI 创新。
借助 Ultralytics YOLO 推动下一波边缘 AI 发展#
Axelera AI 正持续致力于扩大高性能边缘 AI 的可及性，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。
借助 Voyager SDK 和 Metis AIPU 硬件提供的 Ultralytics YOLO 模型，用户可以跨行业轻松开发和扩展实时计算机视觉解决方案。这一合作为不断壮大的开发者和企业社区提供支持，帮助他们将 AI 推向数据产生的位置，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？浏览我们的 GitHub 代码仓库，了解 YOLO 模型如何推动 零售 AI 和 物流计算机视觉 等创新。亲自使用我们的 Vision AI 工具，了解许可选项，探索如何在边缘解锁高性能、节能的计算机视觉能力。
