一眼的事儿

现在说起 AI，大伙儿想到的都是聊天的大模型，动不动几百亿参数，得拿一屋子显卡供着。

可有一类 AI 不爱说话，就爱盯着看，个头还小得出奇。最小的那个，权重文件才 5.5MB，比你手机里一张照片大不了多少，树莓派、手机、无人机上都能跑。

它叫 YOLO，是开源视觉模型里最有名的一家。

卡通插图：阳台上挂着一个木头喂鸟器，左边站着一只麻雀，被橙色框框住，标着“麻雀 0.92”；右边站着一只喜鹊，被蓝色框框住，标着“喜鹊 0.88”。栏杆上夹着一块绿色小电路板，带着摄像头，贴着“5.5MB”的标签。栏杆后面一只灰猫扒着栏杆往上瞧，被红色框框住，标着“猫 0.97”。右边戴黑色棒球帽的 lzbob 坐在桌后，桌上放着搪瓷缸子，面前立着一块小屏幕，写着“今日到访：麻雀 ×23、喜鹊 ×4、猫 ×1”。 — 麻雀、喜鹊挨个儿点名，一只都跑不了。左下角扒栏杆那位，它也认出来了。

先说是个啥

YOLO 全名 You Only Look Once，翻过来就是“只看一眼”。名字就是它的看家本事：一张图进去，过一遍网络，所有东西在哪儿、是什么、有多大把握，一次全吐出来。不先圈候选框，也不回头看第二遍。

现在最常用的是 Ultralytics 家的版本，代码在 ultralytics/ultralytics，6.2 万多颗星（我看的时候是 62,815），将近 1.2 万个 fork。当家的是 YOLO26，下一代 YOLO27 已经挂了预告，还没放出来。老一辈的 YOLOv5 单独一个仓库，也有 5.8 万颗星。

最小的 YOLO26n，参数 240 万，权重文件 5.5MB。在 COCO 数据集上 80 类东西都认，mAP 40.9。搁大模型那儿，这点参数连塞牙缝都不够；搁视觉这行，够干不少正经活儿了。

小个子能干多少活儿

同一家子模型，能干的活儿不少：

检测：框出来是什么、在哪儿，带个置信度。
分割：不光框，还把轮廓抠出来。
姿态：找出人身上的关节点。
旋转框：航拍图里斜着停的车、斜着放的零件，框也跟着斜。
分类、深度估计，新版本也都有了。

每样活儿有自己的一套权重，比如 yolo26n.pt 管检测，yolo26n-pose.pt 管姿态，文件名一看就明白。

视频也能干。连续每一帧都检测，再用跟踪器把前后帧里的同一个东西串起来，给它一个固定的编号。内置了六种跟踪器，大名鼎鼎的 ByteTrack 就是其中一个。

串成轨迹以后，就能算账了：过线的有多少，在一块区域里待了多久，跑得多快。官方还现成做好了一堆“解决方案”：过线计数、停车位管理、排队管理、测速、健身动作监测，拿来就能用。

它不会开口回答你，但会把答案给你算出来。

文字卡片：只看一眼。一张图进去，过一遍网络，在哪儿、是什么、有多大把握，一次全吐出来。下面是三个步骤：每帧检测、跨帧跟踪、算出答案：过线多少，待了多久。

到底能跑多快

这得说实话。官方在树莓派 5 上测过 YOLO26n，640 的图，纯 CPU：

直接用 PyTorch 跑，一张图将近 300 毫秒。
导出成 NCNN 格式，一张 67 毫秒，一秒十五帧上下。

一秒十五帧，盯个喂鸟器、看个停车场，绰绰有余；想看清球场上飞着的球，就得把图缩小点儿，或者换块带加速芯片的板子。手机、电脑的 CPU 比树莓派快，帧数还能往上走。

部署也省心，一行就能导出成别的格式：ONNX、NCNN、OpenVINO、TensorRT、CoreML，各家的芯片基本都有对应的。

教它认你家的东西

COCO 那 80 类是人、车、猫、狗、杯子这些大路货。想让它认你家的快递箱、你厂里的零件，得自己教。

办法是微调：拍一批照片，把要认的东西框出来，从官方的预训练权重接着训。场景简单的话，几百张图、训一晚上，就能先有个能用的模型；想要稳当，官方的建议是每类 1500 张图、1 万个标注往上。

训完导出，照样塞回树莓派上跑。

能玩的花样就多了：

阳台挂个喂鸟器，每天来了几只麻雀、几只喜鹊，它给你记着账。
一个摄像头，管一整片停车位，哪个空着一目了然。
健身的时候，它盯着你的姿势，深蹲蹲没蹲到位，它比教练还较真儿。
球赛录像里，进球那一帧前后各剪 5 秒，集锦自己就出来了。
猫门只给自家猫开，邻居家的猫、胡同里的黄鼠狼，一律不让进。
工厂里看电路板焊点，有毛病的挑出来，眼神儿比老师傅还好使，还不知道累。

最值钱的一段：许可证

前面说的都是好消息，这一段是得多看两眼的。

Ultralytics 的 YOLO，从 v5、v8、11 到 26，用的都是 AGPL-3.0 协议。这个协议的脾气是：你的东西用了它，整个项目就得按同样的协议开源；通过网络给人提供服务，也算数。

按 Ultralytics 官方的说法，管得还要宽：闭源的商业产品、嵌入式硬件、公司内部工具，连你自己拿它训出来的模型，用在商业场景里，都在这个范围里头。不想开源，就得买他们的企业授权。

最常见的坑是：产品都上线了，才有人想起来看许可证。

想闭源商用，大概三条路：

买 Ultralytics 的企业授权。 最省事，花钱买踏实。
换协议宽松的分支。 比如 YOLOX，Apache-2.0 协议，闭源商用没这么多讲究。代价是精度略逊一筹，代码也一年多没怎么动了，好些地方得自己调。
整个项目开源。 你本来就打算开源，那就什么事儿都没有。

我不是律师，这段只是提个醒。真要商用，先找懂行的确认清楚。

最后说两句

聊天的大模型负责能说会道，YOLO 这种小个子负责眼明手快。一个 5.5MB 的文件，揣在树莓派里，就能替你盯着阳台、盯着车位、盯着流水线。

YOLO 看东西，一眼的事儿。许可证这东西，可不是一眼的事儿，你得多看几眼。

红墙结尾卡片：YOLO 看东西，一眼的事儿。许可证可不是一眼的事儿，你得多看几眼。下面是戴黑色棒球帽的 lzbob 卡通头像。