将计算机视觉模型部署到全球 42 个区域
只需点击几下，即可将训练好的模型从浏览器测试部署到生产端点，并使用专用端点、部署监控和 22 种导出格式。
在全球范围内实现生产级部署
将训练好的模型投入生产，享受全球可用性、广泛的导出支持，以及经 Ultralytics 生态系统验证的使用规模。
在浏览器中测试模型
每个已训练模型都内置 Predict 选项卡功能。上传图像或打开摄像头，边界框便会立即显示。
部署到全球 42 个区域
将模型部署到美洲、欧洲、亚太地区和中东的专用端点。每个端点都有独立的 URL、可配置的 CPU 和内存，以及请求、延迟、错误和日志监控。
适配工作负载的端点规格
从包含的规格开始，或根据每个端点的需求选择 CPU 和内存。
- 默认缩容至零：包含的规格在空闲时会缩容至零，且不收取运行时间费用。
- Platform API 无速率限制：请求直接发送到你的端点，不会经过 Platform API 速率限制器。
- 资源可配置：选择 CPU（1-8 核）和内存（2-32 GB），以满足工作负载需求。自定义规格会保留一个热实例，并按运行时间计费。
22 种导出格式。你的模型，适用于任何环境。
Ultralytics Platform 支持云端和边缘部署，带来高性能。所有 Ultralytics YOLO 模型都经过原生优化，可在各种环境中高效运行，提供高准确率、可靠性能和广泛兼容性，即使在计算资源有限的边缘设备上也能运行。
全面监控生产环境
在部署仪表盘中跟踪端点请求、延迟、错误和日志。专用端点还会提供实时预测统计信息和临时示例，你可以检查这些示例并将其保存到数据集中。
- 请求、延迟和错误：24 小时 HTTP 请求量、按请求量加权的 P95 延迟，以及错误率超过 5% 时的警报。
- 运行状况检查和日志：实时端点运行状况检查，支持自动重试；日志可按严重级别筛选，帮助你快速诊断问题。
- 临时示例：检查专用端点上的采样预测结果。示例保存在端点内存中；如需保留有用图像，请将其保存到数据集中。
- 预测统计信息：类别计数、置信度、推理时间和空间热力图（视模型任务而定）。替换服务实例后，统计信息会重置。
几分钟即可完成集成
每个已部署端点都会自动生成 Python、JavaScript 和 cURL 代码示例，其中已填入你实际的端点 URL 和 API 密钥。复制、粘贴，即可从任何应用开始发送推理请求。
试用 YOLO26 推理
拖放图像，查看实时目标检测效果
了解如何部署！
观看如何测试已训练模型、将其部署到全球端点，以及监控请求、延迟和实时预测。
客户评价
Ultralytics Platform 对我们来说是一次重大突破。它让我们的数据科学家能够轻松创建数据集，利用云端计算快速训练新模型，比较不同模型设置下的实验，并最终为每个问题找出最佳模型。如今，它已成为我们开展目标检测、实例分割和语义分割实验的首选工具。
Tyler Biesel, 软件工程经理
Ultralytics YOLO 模型帮助我们将 AI 服务的实施速度提升了 25.2%。这些模型易于部署，实际表现出色，在不牺牲运行性能的前提下，带来更高的速度、准确度和可扩展性。
Ultralytics YOLO26 可在 Axelera 平台上无缝运行，以极少的集成工作量加快边缘 AI 部署。这正是能帮助客户更快从开发走向生产的硬件与软件协作。
Alexis Crowell, 全球首席营销官兼美洲区总经理
使用 Ultralytics YOLOv8 nano，我们可以在边缘设备上重新训练，并在几小时而非几周内交付新模型，同时只需传输少量数据。这种准确度与小巧体积的结合，正是我们的环境所需要的。
借助 Ultralytics，与其他模型相比，我们实现了更高的速度和准确度。它兼容 CUDA、TensorRT、ONNX、OpenVINO 等多种框架，这对我们在研发中微调权重并针对现有硬件进行优化特别有帮助。
Ultralytics YOLO 模型在我们的 STM32 微控制器上的表现，为边缘计算机视觉开辟了新的可能。通过简化集成并支持多种模型变体，开发者能够获得构建可扩展、响应迅速的嵌入式视觉解决方案所需的一切。
他们以卓越的准确度和效率，将视觉数据转化为可执行的洞察。此次合作将 Ultralytics YOLOv8 与 SSS（Sony Semiconductor Solutions Corporation）的 IMX500 传感器相结合，提供强大的端侧 AI 能力，帮助依赖高性能视觉数据处理的企业提升实时决策水平。
Wei Tang, 业务拓展经理
Ultralytics 的 YOLO 模型为 AI 行业带来了重大突破。开发者青睐 YOLOv5 和 YOLOv8 模型，因为它们易于使用、性能领先且准确度高。结合 OpenVINO，这些模型有望在现代 CPU 上开箱即用地实现最佳性能。
探索行业解决方案
了解各团队如何在生产环境中应用 Ultralytics 计算机视觉技术。
体育领域的计算机视觉
航空影像计算机视觉
航空航天中的计算机视觉
安防领域的计算机视觉
机器人领域的计算机视觉
物流中的计算机视觉
零售中的计算机视觉
医疗领域的计算机视觉
制造业中的计算机视觉
汽车领域的计算机视觉
农业中的计算机视觉
企业级安全与合规
放心构建和部署。已通过 ISO 27001 认证、获得 SOC 2 鉴证，并支持符合 HIPAA 要求。
SOC 2 Type I
ISO 27001:2022
HIPAA
GDPR 与 CCPA
常见问题
可以。根据你的套餐允许范围，将模型部署到多达42 个区域：Free 套餐有 3 个端点，Pro 套餐有 10 个，Enterprise 套餐则不受限制；数量按整个工作区统计。将模型部署到更接近用户的位置有助于降低延迟。
默认端点规格（1 vCPU、2 GiB）免费，即使在处理请求时也不收费，并会在空闲时缩容至零。自定义规格最高可达 8 vCPU 和 32 GiB，会保持一个实例处于热启动状态；运行时间（包括空闲时间）会按规格和区域对应的费率从额度中扣费。所有套餐均包含共享推理。
新端点通常会在几分钟内就绪，具体取决于模型和区域。默认规格的端点在空闲时会缩容至零，因此静置一段时间后的首次请求可能需要等待端点启动，耗时最长约一分钟。
模型部署是让训练好的模型能够对新数据（例如应用发送的图像或视频帧）进行预测。在 Ultralytics Platform 上，你可以在浏览器中测试模型，将模型部署到 42 个区域中的专用端点，通过应用调用模型并监控运行情况，所有操作都可在同一个工作区完成。
将图像或受支持的视频文件发送到端点的 REST API；深度模型仅接受图像。每个部署页面都提供 Python、JavaScript 和 cURL 示例。工作区所有者还可以在端点的 Predict 选项卡中，通过网络摄像头或可从互联网访问的 RTSP 摄像头运行端点（不支持本地网络地址）；自定义尺寸的端点还可以在后台持续监控一个 IP 摄像头。
可以。导出模型，以便在目标硬件上运行，并在自己的服务器或边缘设备上使用，包括离线使用。支持的格式包括适用于 NVIDIA Jetson 的 TensorRT、OpenVINO、CoreML、LiteRT、NCNN、RKNN、Hailo 和 Qualcomm；具体可用格式取决于模型和任务。若要在专有产品中使用模型且不受 AGPL-3.0 义务约束，需要 Ultralytics 企业许可证。
立即开始部署！
将训练好的模型部署到全球 42 个区域，使用专属端点和部署监控。