Ultralytics 是一个端到端的计算机视觉平台，覆盖从数据标注、YOLO 模型训练到部署的完整流程，目标是把计算机视觉项目中分散的工具整合到一个统一的工作空间中。据官方介绍，平台被全球领先机构使用，其 YOLO 系列模型被数百万开发者与企业采用。
用途 平台面向计算机视觉应用的全生命周期：标注原始图像与视频数据，在云端 GPU 上训练 YOLO 模型，并将模型部署为可用的推理服务或导出到边缘设备。官方称其可简化从原始视觉数据到生产级 AI 应用的整个过程，替代分散的工具链。
主要能力
- 智能标注：提供基于浏览器的标注工具，支持边界框、多边形、语义掩码、关键点、有向边界框等 6 类标注任务；提供 SAM 驱动的智能标注，官方称可一键生成精确检测掩码；支持 YOLO、COCO 等通用格式；具备团队评审与版本管理能力。
- AI 任务覆盖：检测、实例分割、语义分割、分类、姿态估计、有向边界框（OBB）。
- 云端训练：提供 26 种 GPU 配置（官方举例从 RTX 2000 Ada 到 NVIDIA B300），可一键启动实验并实时查看模型收敛；支持 Ultralytics YOLOv5、YOLOv8、YOLO11、YOLO26；提供实时训练指标、实验对比，以及带 Ask AI 的 AutoTrain；既可用无代码界面，也可通过完整 Python SDK 控制。
- 部署：可部署到 42 个全球区域的专用端点，内置监控，提供请求指标与日志，专用端点还提供实时预测统计；可导出为 22 种优化格式，包括 ONNX、TensorRT、CoreML、LiteRT、QNN、Hailo、Ascend、AMD Xilinx 等，面向边缘、移动与嵌入式设备。官方在部分问答中表述为 43 个全球区域。
- 模型家族：从 YOLOv5 到 YOLO26，覆盖检测、分割、分类、姿态估计与有向边界框任务，模型规模从 nano 到 extra-large。
使用方式 开发者可以从一次 pip install 开始使用 Ultralytics 库，再接入平台的云端训练、托管部署与生产监控；也可以直接使用平台的无代码界面完成标注与训练。平台支持将模型部署在用户自有基础设施或私有云，也支持部署在 Ultralytics 的基础设施上。
适用场景 官方列出计算机视觉在体育、航拍影像、航空航天、安防、机器人、物流、零售、医疗、制造、汽车、农业等行业中的应用。问答中进一步提到制造业、医疗、汽车、农业、零售、物流等团队将其用于视觉检测、医学影像、实时目标检测、人脸识别等真实 AI 用例。
限制与说明 平台是否免费：官方称提供免费计划，包含标注工具、模型训练与部署能力；企业版提供额外功能、优先支持与更高使用限额。企业客户可获得专属支持、定制 SLA、灵活许可，以及基于超过一百万张图像训练的自定义模型；具体价格与更多细节官方指向定价页面与销售团队，本简介未提供具体收费数值。平台支持无开源要求的商业条款（企业版），并支持在自有基础设施或私有云部署。
