La necesidad de un reconocimiento de señales de tráfico eficiente y en tiempo real se ha vuelto cada vez más importante a medida que los vehículos autónomos y los Sistemas Avanzados de Asistencia al Conductor (ADAS) continúan evolucionando. Este estudio presenta TSRACE-AI, un sistema que acelera el reconocimiento de señales de tráfico al combinar hardware y software en una arquitectura híbrida desplegada en la plataforma FPGA PYNQ-Z2. El diseño emplea la Unidad de Procesamiento de Aprendizaje Profundo (DPU) para la aceleración de hardware e incorpora cuantización de punto fijo de 8 bits para mejorar el rendimiento del modelo CNN. El sistema propuesto logra una reducción del 98.85% en la latencia y un aumento del 200.28% en el rendimiento en comparación con trabajos similares, con un compromiso de una disminución del 90.35% en la eficiencia energética. A pesar de este compromiso, el sistema sobresale en aplicaciones sensibles a la latencia, demostrando su idoneidad para la toma de decisiones en tiempo real. Al equilibrar la velocidad y la eficiencia energética, TSRACE-AI ofrece una solución convincente para integrar el reconocimiento de señales de tráfico en ADAS, allanando el camino para capacidades de conducción autónoma mejoradas.