Ultralytics Platform 重磅推出：以最智能的方式标注、训练和部署视觉 AI

我们构建了 Ultralytics 开源生态系统，让每个人都能使用计算机视觉。如今，全球数百万开发者都在训练 Ultralytics YOLO 模型，为从工厂检测生产线到自动驾驶配送系统的各种应用提供支持。

但多年来，我们不断听到社区反馈同一个问题：在计算机视觉领域，训练出强大的模型已不再是最大的障碍，真正的难题是将模型投入生产。

今天，我们将改变这一现状。欢迎了解 Ultralytics Platform：这是一款专为端到端工作流程打造的全能平台，能将你的视觉 AI 从原始数据一路带到实际生产环境中的部署。

优秀模型与优秀产品之间的差距#

过去十年间，计算机视觉和深度学习迅速从研究领域发展为关键基础设施，为现实世界的系统提供支持。它能为制造车间执行质量检测、实现零售场景的无人收银、引导手术机器人，并确保自动驾驶汽车行驶在正确轨道上。模型的能力已达到前所未有的水平，但从可运行的原型到可靠的生产系统，这段路程依然比理想中艰难得多。

如今，大多数团队都要拼接使用不同工具来完成标注、训练、实验跟踪、部署和监控。每次集成都增加复杂性，每次交接都会拖慢进度。团队可能在不知不觉中耗费数周管理基础设施，而不是构建应用本身。

在与计算机视觉社区中的开发者、初创公司和企业团队密切合作时，有三个难题反复出现：

• 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耗费大量人力。
• 部署鸿沟：一个在训练中表现出色的模型，可能还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稳定运行。
• 工具碎片化带来的成本：将标注、训练、跟踪和部署分散到多个服务中，会造成不断累积的额外开销，拖慢每一轮迭代。

这些反复出现的难题，正是现代计算机视觉开发的主要瓶颈，也最终促使我们构建 Ultralytics Platform。简化从数据准备到部署的工作流程，并打通计算机视觉开发的关键环节，能让团队更轻松地将有前景的模型转化为现实世界中的视觉 AI 系统。

在一个地方管理视觉 AI 的完整生命周期#

Ultralytics Platform 汇集了计算机视觉工作流程的各个阶段，从数据管理、标注、模型训练到部署和监控。所有环节都集中在一个互联的工作空间中，降低复杂性，加快从构想到实际成果的进程。

上传图像或视频，使用内置标注工具为其添加标签，直接在平台上训练 Ultralytics YOLO26 等模型，在全球范围内进行部署，并实时监控性能。每个阶段都能顺畅衔接，让你专注于构建应用，而不必操心管理基础设施。

图 1. Ultralytics Platform 一览（来源）

从构想到部署：Ultralytics Platform 的工作方式#

将计算机视觉构想转化为可运行的系统，需要经历多个阶段，从准备数据到在生产环境中运行模型。Ultralytics Platform 将这一过程组织成清晰、简单的工作流程，帮助你轻松地从初步构想走向模型部署。

标注：效率大幅提升#

数据标注传统上是任何计算机视觉项目中最耗时的环节之一。Ultralytics Platform 能显著加快这一过程，并可适配数据的存储位置。

你可以上传原始图像、视频或数据集压缩包，导入已采用 YOLO 或 COCO 格式标注的数据集，也可以克隆 Ultralytics 社区分享的公开数据集。无论你是从头开始，还是基于已有成果继续推进，数据一上传到平台就可以立即使用。

如果图像或视频尚未标注，内置标注编辑器能显著加快标注进程。它支持所有主要的计算机视觉任务，包括目标检测、实例分割、姿态估计、有向边界框（OBB）检测和图像分类，并提供兼顾速度与精度的工具。

这里的一大亮点是由 SAM 3 驱动的智能标注。借助分割一切模型 3（SAM 3），你只需点击对象并通过几个点进行细化，即可生成精准的掩码、边界框或有向框。过去需要数小时手动描绘的工作，现在几分钟就能完成，让团队能够以匹配开发速度的节奏构建高质量数据集。

图 3. Ultralytics Platform 上的 SAM 智能标注示例（来源）

姿态骨架模板、键盘快捷键、行内类别管理以及撤销/重做支持，共同打造了让你保持专注、顺畅工作的标注体验。

训练：轻松释放强大性能#

数据标注完成后，只需点击一下即可开始训练。平台原生支持 Ultralytics YOLO26、YOLO11 及完整的 Ultralytics YOLO 模型系列。你可以直接在平台上使用云端图形处理器（GPUs）训练，也可以在本地硬件上训练，同时将指标实时传回平台。

你可以从多种云端 GPU 选项中选择，包括 RTX 4090、RTX PRO 6000、NVIDIA A100、H100 等；也可以使用自己的本地硬件训练，同时将实时指标传回平台。每次实验都会自动整理到项目中，相关模型归入同一个项目，便于追踪不同数据集、参数和配置对结果的影响，并找出表现最好的模型。

逐轮监控损失曲线、精确率、召回率和平均精度均值（mAP）的变化。查看混淆矩阵和精确率-召回率曲线，准确了解模型在哪些方面表现良好、哪些方面仍有提升空间。并排比较多次运行结果，找出效果最佳的配置。

图 2. 使用 Ultralytics Platform 监控训练进度（来源）

Ultralytics Platform 还会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，保留表现最佳的模型和最终训练得到的权重。你可以直接在平台内微调预训练模型，也可以上传或下载训练好的模型，以便在其他环境中使用，让团队可以完全灵活地决定工作方式和工作地点。

无需配置基础设施，也无需单独设置实验跟踪服务。只需一条清晰高效的路径，即可从已标注数据得到可用于现实场景的训练模型。

面向全球部署，全面监控#

训练良好的模型需要同样强大的生产部署路径。Ultralytics Platform 为你提供了这样的路径。

首先，直接在浏览器中验证模型的推理结果。确认结果符合预期后，即可部署到全球 43 个区域。每个区域都提供专用端点，可根据需求自动扩缩容，并配有唯一的 API 端点，方便集成到你的应用中。

图 4. Ultralytics Platform 支持在全球 43 个区域部署模型。（来源）

无论你需要在云端部署，还是在边缘设备上运行模型，Ultralytics Platform 都能提供适用于这两种场景的灵活选项。所有 Ultralytics YOLO 模型都经过原生优化，可在不同环境中高效运行，即使在计算资源有限的边缘硬件上也能提供可靠性能。对于需要在平台之外运行模型的团队，Ultralytics 支持将模型导出为 17 种经过验证的格式，包括 ONNX、TensorRT、CoreML、TFLite 和 OpenVINO，让模型能在云服务、移动设备、边缘系统等环境中原生运行。

模型上线后，部署仪表板中的内置监控功能会全面展示生产环境性能：请求量、延迟指标、错误率、端点健康状况和详细日志。你还可以查看日志、检查端点健康状态并追踪长期性能，确保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。

立即开始使用，或查看 Ultralytics 文档，深入了解平台的功能。

让视觉 AI 开发惠及所有人#

随着你逐步了解 Ultralytics Platform，你很快会发现，它的目标不只是提供构建计算机视觉系统的工具。从根本上说，这个平台旨在让更广泛的社区更容易使用视觉 AI 开发工具。

过去，构建和部署 AI 系统需要专业的基础设施、复杂的工具以及大量前期投入。即使强大的模型变得更容易训练，周边工作流程——管理数据集、运行实验、部署模型和维护基础设施——对个人和小型团队来说仍然难以企及。

Ultralytics Platform 将整个视觉 AI 工作流程整合到一个环境中，降低了这些门槛，同时让你能够轻松开始使用。新用户可以通过免费套餐开始体验平台，其中包含用于云端训练的注册赠送额度，以及数据集管理、标注工具、模型训练和模型导出等核心功能。

随着项目发展，用户或企业客户可以通过增加额度和升级平台套餐来扩展使用规模，从而获得更多计算资源、存储空间、协作功能和部署能力。这种灵活的方式意味着开发者、研究人员、初创公司和企业都可以从小规模起步，自由开展实验，并随着计算机视觉系统逐步投入生产而扩大使用规模。

Ultralytics Platform 将端到端计算机视觉工作流程与易于接受的定价模式相结合，帮助更多人开启大门，构建、测试和部署现实世界中的视觉 AI 应用。

要点#

Ultralytics Platform 将视觉 AI 的整个生命周期整合到一个强大的工作空间中，让你更快地将原始数据转化为可用于生产的视觉 AI 系统。借助内置的标注、训练、部署和监控工具，团队无需管理复杂的基础设施，即可构建和部署 Ultralytics YOLO26、Ultralytics YOLO11、Ultralytics YOLO11 以及旧版 YOLO 模型。

无论你是在试验自己的第一个模型，还是大规模部署视觉 AI，这个平台都旨在支持整个过程的每个阶段。

加入我们的社区，了解制造业中的 AI和零售业中的视觉 AI等创新。访问我们的 GitHub 代码库，并查看我们的许可选项，从今天起开始使用计算机视觉。