Ambarella与Ultralytics携手，将Ultralytics YOLO模型引入CVflow边缘AI设备
2026年9月15日，加州圣克拉拉与伦敦
此次合作旨在为开发者和产品团队提供从视觉模型开发到低功耗边缘AI芯片部署的更高效路径
加州圣克拉拉和伦敦，2026年9月15日——边缘AI半导体公司Ambarella（纳斯达克代码：AMBA）与以开源Ultralytics YOLO模型系列闻名的视觉AI公司Ultralytics今日宣布达成合作，支持在Ambarella CVflow边缘设备上部署Ultralytics YOLO模型。
此次合作将Ultralytics的实时计算机视觉模型与Ambarella的低功耗AI处理技术相结合。双方团队正致力于让开发者在专为边缘产品运行环境中的功耗和散热限制而打造的芯片上获得熟悉的起点。
当检测、分割和跟踪功能在设备本地运行时，系统可以以更低延迟做出响应，降低对网络带宽的需求，并减少对云端处理的依赖。对于在物理世界中运行的产品而言，这些特性决定了机器对所见事物的响应速度，以及在网络连接受限时的响应可靠性。
此次集成旨在帮助开发者和产品团队在智能摄像头、机器人、汽车和工业系统等领域更高效地构建和部署视觉应用。
Ultralytics创始人兼首席执行官Glenn Jocher表示："通过将Ultralytics YOLO引入Ambarella的CVflow平台，我们让开发者和产品团队能够更轻松地在边缘直接构建高效的实时视觉应用。此次合作将Ultralytics易用的计算机视觉模型与Ambarella的低功耗AI处理能力相结合，有助于更高效地将视觉AI从开发推向部署。"
在Ambarella方面，此次工作的重点是Cooper开发者平台和公司在2026年CES上推出的Ambarella开发者专区（"DevZone"）。DevZone将优化模型、智能体蓝图、开发者套件、文档和技术资源整合到一个易于访问的环境中。通用的CVflow架构和共享的软件环境服务于Ambarella整个边缘AI SoC产品线，因此感知软件和开发工作流可以在产品线扩展性能或转向更低成本方案时延续使用。
Ambarella总裁兼首席执行官Fermi Wang表示："我们所服务的边缘AI市场正在快速演变，我们的合作伙伴生态系统需要一个能够满足开发者已在使用的框架和模型系列需求的平台。Ultralytics YOLO是计算机视觉领域应用最广泛的模型系列之一，在我们的CVflow平台上支持该模型，扩大了能够基于Ambarella芯片进行开发的团队范围。"
Ultralytics YOLO模型在单一模型系列内支持目标检测、实例分割、图像分类、姿态估计和定向边界框检测，并提供多种模型尺寸，让团队能够根据特定产品所能承载的算力和内存预算来平衡精度需求。
关于Ambarella
Ambarella的AI SoC装机量已超过5000万台，其产品广泛应用于各类物理边缘AI场景，涵盖边缘终端和边缘基础设施用例，包括物理安防、车辆安全、车联网、自动驾驶、便携视频、航拍无人机及其他新兴机器人应用。基于这一庞大的应用基础，Ambarella提供全栈边缘AI平台，从高度优化的芯片和可编程软件，到协调设备间感知、决策和控制的AI智能体框架，一应俱全。Ambarella的低功耗片上系统（SoC）集成了专有且高效的感知与深度学习神经网络AI加速器，使电子系统能够以部分或完全的机器自主水平实现更高生产力。更多信息请访问www.ambarella.com。
关于Ultralytics
Ultralytics是视觉AI领域的领军力量，以其Ultralytics YOLO（You Only Look Once）模型和Ultralytics Platform而闻名，后者是一个端到端的计算机视觉平台，用户可以在其中完成标注、训练和部署视觉AI解决方案的全流程。凭借超过14万GitHub星标、3.3亿次PiP下载量和36亿次模型调用量，Ultralytics YOLO已成为全球公认度最高的目标检测模型。Ultralytics致力于为用户提供易用、前沿的AI技术，我们的使命是简化并普及AI的应用，使其在制造业、医疗保健等众多行业中都能发挥切实影响力。
媒体联系人
Jonathan Miller
[email protected]
Q&A
Q1：Ambarella和Ultralytics的合作具体是做什么的？
A：双方合作支持在Ambarella CVflow边缘设备上部署Ultralytics YOLO模型，将Ultralytics的实时计算机视觉模型与Ambarella的低功耗AI处理技术相结合，帮助开发者更高效地构建智能摄像头、机器人、汽车和工业系统等领域的视觉应用。
Q2：Ultralytics YOLO模型有什么功能？
A：Ultralytics YOLO模型在单一模型系列内支持目标检测、实例分割、图像分类、姿态估计和定向边界框检测，并提供多种模型尺寸，方便开发团队根据产品的算力和内存预算灵活选择。
Q3：在设备本地运行视觉AI有什么好处？
A：当检测、分割和跟踪功能在设备本地运行时，系统响应延迟更低，对网络带宽的需求更少，也降低了对云端处理的依赖，尤其适合网络连接受限的场景。
