隆重推出 Ultralytics 平台：标注、训练和部署视觉AI的最智能方式

我们构建了Ultralytics开源生态系统，旨在让每个人都能接触到计算机视觉。全球数百万开发者现在train Ultralytics YOLO模型，为从工厂检测线到自动配送系统的一切提供支持。 

然而，多年来，我们不断从社区听到相同的反馈：训练一个强大的模型不再是计算机视觉领域最大的障碍，将其投入生产才是。 

如今，我们正在改变这一现状。隆重推出Ultralytics Platform：一个终极的端到端平台，专为将您的视觉AI从原始数据带入真实世界的生产级部署而打造。

优秀模型与优秀产品之间的鸿沟

在过去十年中，计算机视觉和深度学习已从研究领域迅速发展成为驱动现实世界系统的关键基础设施。它为制造车间的质量检测提供动力，实现无人收银零售，指导手术机器人，并确保自动驾驶车辆保持正确路线。模型的能力从未如此强大，但从一个可行的原型到可靠的生产系统，这一过程仍然比应有的难度更大。 

如今，大多数团队将不同的工具拼凑起来进行标注、训练、实验跟踪、部署和监控。每一次集成都会增加复杂性。每一次交接都会减缓进度。数周时间可能在不知不觉中消失，用于管理基础设施而非构建应用程序本身。

在我们与计算机视觉社区的开发者、初创公司和企业团队紧密合作的过程中，有三个挑战不断浮现：

• 标注瓶颈：高性能模型需要高质量的标注数据，但创建和维护这些数据集仍然缓慢且劳动密集。
• 部署鸿沟：一个在训练中表现良好的模型，可能需要数周的额外工程工作才能在边缘设备、云环境和生产系统中可靠运行。
• 工具碎片化成本： 将标注、训练、跟踪和部署分散到多个服务中，会产生复合开销，从而减缓每个迭代周期。

这些反复出现的挑战是现代计算机视觉发展的决定性瓶颈，也是最终促使我们构建Ultralytics平台的原因。简化从数据准备到部署的工作流程，并连接计算机视觉开发的关键阶段，使团队能够更轻松地将有前景的模型转化为实际的视觉AI系统。

完整的视觉AI生命周期，一站式实现。

Ultralytics Platform 将计算机视觉工作流程的各个阶段整合在一起，从数据管理到标注、模型训练、部署和监控。所有这些都在一个单一的互联工作空间中完成，以降低复杂性并加速从构思到实现影响的进程。

上传您的图像或视频。使用内置标注工具进行标记。直接在平台上训练诸如Ultralytics YOLO26之类的模型。全球部署。实时监控性能。每个阶段都无缝衔接，让您能够专注于构建应用程序，而非管理基础设施。

从构想到部署：Ultralytics Platform 的工作原理

将计算机视觉想法转化为工作系统涉及多个阶段，从数据准备到模型生产部署。Ultralytics Platform将此过程组织成清晰、简单的流程，帮助您轻松地从初始概念过渡到部署模型。

标注：显著加速

数据标注传统上是任何计算机视觉项目中耗时最长的部分之一。Ultralytics 平台显著加快了这一过程，旨在满足您数据存储的任何需求。 

您可以上传原始图像、视频或数据集归档文件，导入已采用 YOLO 或 COCO 格式标注的数据集，或克隆 Ultralytics 社区共享的公共数据集。无论您是从零开始还是在现有工作基础上进行构建，您的数据一旦上传到平台即可立即使用。

如果您的图像或视频尚未标注，内置标注编辑器可显著加快标注速度。它支持所有主要的计算机视觉任务，从目标 detect 和实例 segment 到姿势估计、旋转框检测 (OBB) 以及图像分类，其工具兼顾速度和精度。

这里最突出的功能是SAM 3驱动的智能标注。使用Segment Anything Model 3 (SAM 3)，您可以通过点击对象并用几个点进行精修来生成精确的掩码、边界框或定向框。过去需要数小时手动描绘的工作现在只需几分钟，使团队能够以与其开发速度相匹配的速度构建高质量数据集。

姿势骨架模板、键盘快捷键、内联类别管理以及撤销/重做支持，共同完善了旨在让您保持流畅工作状态的标注体验。

训练：轻松强大

数据标注完成后，训练只需一键即可开始。Ultralytics YOLO26、YOLO11 以及 Ultralytics YOLO 模型家族的全部成员均受原生支持，可以直接在平台上使用云图形处理单元 (GPU) 进行训练，或在本地硬件上训练，同时将指标流式传输回平台。 

您可以选择多种云 GPU 选项，包括 RTX 4090、RTX PRO 6000、NVIDIA A100、H100 等，或者在您自己的本地硬件上进行训练，同时将实时指标流式传输回平台。每个实验都会自动组织到项目中，将相关模型归类在一起，从而可以轻松跟踪不同数据集、参数和配置如何影响结果，并识别出最强大的模型。

逐个 epoch 监控损失曲线、精确率、召回率和平均精确率 (mAP) 的演变。深入分析混淆矩阵和精确率-召回率曲线，以准确了解模型在哪些方面表现出色以及哪些方面有待改进。并排比较多次运行，以找到能提供最佳结果的配置。

Ultralytics Platform 还自动管理训练生命周期的关键阶段。训练过程中会保存检查点，以保留性能最佳的模型和最终训练权重。预训练模型可以直接在平台内进行微调，训练好的模型可以上传或下载到其他环境中使用，为团队提供了在何处以及如何工作的完全灵活性。

无需配置基础设施。无需单独设置实验跟踪服务。仅提供一条清晰高效的路径，将标注数据转化为可用于实际场景的训练模型。

全球部署，全面监控

训练有素的模型需要同样强大的生产部署路径。Ultralytics Platform 提供了这样的能力。 

首先直接在浏览器中验证您模型的推理结果。当您对结果有信心后，部署到全球43个区域，这些区域具有专用端点，可根据需求自动扩展，每个端点都具有唯一的API接口，可随时集成到您的应用程序中。

无论您需要在云端部署还是在边缘设备上运行模型，Ultralytics Platform 都提供专为这两种场景设计的灵活选项。所有 Ultralytics YOLO 模型都经过原生优化，可在各种环境中高效运行，即使在计算资源有限的边缘硬件上也能提供可靠性能。对于需要在平台外部运行模型的团队，Ultralytics 支持 导出 为 17 种经过验证的格式，包括 ONNX、TensorRT、CoreML、TFLite 和 OpenVINO，因此您的模型可以在云服务、移动设备、边缘系统等上原生运行。

模型上线后，部署仪表板中的内置监控功能可让您全面了解生产性能：请求量、延迟指标、错误率、端点健康状况和详细日志。您还可以查看日志、检查端点健康状态并随时间 track 性能，以帮助确保您的计算机视觉系统在生产环境中可靠运行，并发现优化性能的机会。

立即开始，或查阅 Ultralytics 文档，深入了解平台的功能。

普及视觉 AI 开发

随着您对 Ultralytics Platform 的深入了解，您会很快发现其目标不仅仅是提供构建计算机视觉系统的工具。其核心在于，该平台旨在帮助更广泛的社区更容易地进行视觉 AI 开发，并使其更具用户友好性。

过去，构建和部署 AI 系统需要专业的インフラストラクチャ、复杂的工具和大量的初期投资。即使强大的模型变得更容易训练，但围绕其的工作流程——管理数据集、运行实验、部署模型和维护基础设施——对于个人和小型团队来说仍然难以实现。

Ultralytics Platform 通过将整个视觉AI工作流程整合到一个单一环境中，同时让用户轻松上手，从而降低了这些障碍。新用户可以通过免费计划开始体验该平台，该计划包括用于云训练的注册积分，并可访问数据集管理、标注工具、模型训练和模型导出等核心功能。

随着项目的增长，用户或企业客户可以通过额外的积分和平台计划进行扩展，从而解锁更多的计算资源、存储、协作功能和部署能力。这种灵活的方法意味着开发人员、研究人员、初创公司和企业可以从小规模开始，自由实验，并随着其计算机视觉系统走向生产而扩展其使用。

通过将端到端计算机视觉工作流程与易于接受的定价模型相结合，Ultralytics Platform 帮助更多人构建、测试和部署实际的视觉 AI 应用。

主要要点

Ultralytics Platform 将整个视觉 AI 生命周期整合到一个强大的工作空间中，从而更快地从原始数据过渡到可投入生产的视觉 AI 系统。凭借内置的标注、训练、部署和监控工具，团队可以构建和部署 Ultralytics YOLO26、Ultralytics YOLO11、Ultralytics YOLOv8 和 Ultralytics YOLOv5 等模型，而无需管理复杂的底层基础设施。 

无论您是试验您的第一个模型，还是大规模部署视觉 AI，该平台都旨在支持您旅程的每个阶段。

加入我们的社区，探索诸如AI 在制造业中的应用以及视觉 AI 在零售业中的应用等创新。访问我们的 GitHub 仓库，立即查看我们的许可选项，开始您的计算机视觉之旅。