发帖
雷达卡
目前，AI 行业的发展已经步入了“计算能力决定胜负”的深层次阶段，计算能力的竞争实质上是技术自主性和生态系统构建的全面对抗。因此，行业的关注点也转向了本土计算能力的适应效率与软硬件协同创新，如何将基础技术的突破转化为实际应用场景中的性能提升？如何使大型模型从“研究室”走向“市场”？这成为了产业面临的中心议题。
然而，深入产业可以发现，本土智能计算的突破仍面临着三个主要障碍：首先是计算架构的全方位适应，从底层本土芯片到上层模型开发，缺乏成熟的合作优化路径；其次是人才的系统能力挑战，高等教育多集中在算法理论的教学，产业迫切需要“了解架构、擅长优化、能实施”的综合性人才；最后是技术的实际应用挑战，先进技术和行业需求之间的脱节，许多创新停留在理论层面，难以转化为实际效益。
在此背景下，由系统能力培养研究小组发起、全国高校计算机教育研究会主办、中科曙光与中国科学技术大学联合举办的第六届“先导杯”智能计算创新设计赛，旨在通过比赛促进学习、以实战代替训练，直接面对本土计算能力生态建设中的真实问题和场景。面向高校学生，专注于系统级别的能力培养以及当前AI 产业的核心议题，为本土AI 人才的培养探索实践路径。
58个团队进入决赛，打造智能计算比赛的标杆。据了解，自2020年3月创办以来，先导杯已经吸引了超过5000名选手、3000支队伍参加，报名人数每年平均增长率高达50%。这一持续增长的趋势反映了比赛在高校中的影响和吸引力日益增强。
2024年，先导杯正式成为全国大学生计算机系统能力大赛的一部分，这一合并显著提升了比赛的权威性和认可度。本届比赛延续了先导杯一贯的高标准设定，旨在克服计算机软件环境与学科应用等难题，推动本土AI 软硬件的普及，培养高水平的技术交叉型人才。
与往届相比，第六届先导杯在多个方面实现了显著的提升。比赛不仅保持了高水平的学术要求，还更加重视与产业实践的紧密联系。在奖励机制上，本届比赛设立了近百万的奖金池，并为获奖者提供内部推荐就业的机会，这些实际的激励措施为高校学生参与本土AI 技术实践提供了强大的动力。
值得注意的是，本届比赛的计算支持完全依赖于中国的首个AI 计算开放架构。该架构通过“广泛的软硬件生态适应”、“多元场景的有效支持”的核心优势，为参赛团队提供了稳定、高效的本土计算支持——从底层芯片调度到上层模型开发，从单一机器优化到分布式部署，开放架构的全面能力使参赛者能够沉浸在“真实的计算世界”中，比赛也成为了架构生态的大规模实战测试。
自今年开赛以来，来自全国1200所知名高校的近万人经历了层层筛选，最终58个团队脱颖而出。“最令人欣慰的是，这次进入决赛的58个团队不仅有我们熟悉的双一流高校，还有一些普通院校甚至技术学院的团队也进入了决赛。这表明本土化的潮流已经吹遍华夏大地的每一个角落，让越来越多的基层、专注研究的学生有机会与顶级队伍同台竞技。”中科曙光智能计算首席科学家吉青博士在接受采访时说道。
对此，中科曙光高级副总裁李斌也表示赞同：“今年中科曙光领导了20多家产业链上下游发布了中国的首个AI 计算开放架构，标志着中国AI 产业进入了开放的新阶段，对于复合型AI 人才的需求将持续上升。先导杯是国赛体系中唯一专注于智能计算的赛道，有能力也有责任与社会各界共同建立AI 人才培训机制，推动AI 计算领域的开放合作与生态构建。”
前沿的比赛题目加上创新的模式，巩固了实践育人的基础。可以说，作为国内聚焦智能计算核心赛道的权威比赛，先导杯依托国赛体系，凭借专业的比赛设置与深厚的产业背景，已经成为评估高校智能计算人才培养水平的重要标准。
本届比赛在往届的基础上实现了三大核心升级：比赛题目设计更贴近前沿技术趋势，全面覆盖AI 大模型等核心场景；场景覆盖面进一步扩大，从通用计算扩展到行业特定需求，直接解决产业落地的难点；产教融合程度不断加深，将企业的实际技术需求转化为竞赛项目，让学生直面产业级别的挑战。
例如，“MoE 语言模型端到端效率优化”比赛题目聚焦于MoE模型工程化落地的关键技术障碍，这是当前大模型降低成本提高效率的核心挑战；“ONNX Runtime 算子性能优化”比赛题目则测试选手对硬件设施多方面的掌握能力；而“GMRES 算法优化”比赛题目重点考察选手在大规模线性方程组求解中的硬件资源分配能力。
比赛题目紧贴AI 前沿技术和产业痛点，不仅测试选手的算法理解能力，更侧重并行计算优化、内存调度、算子开发等系统级技能，要求选手在本土计算能力平台上完成技术落地，真正实现“从理论到实践”的转变。
这种“实战导向”的比赛设计，来源于中科曙光“教学训赛一体化”的产教融合模式。本届比赛构建了“教学+实训+校内赛+国赛”的全周期培养体系：通过与高校合作共建“智能计算联合实验室”，将AI 计算开放架构的技术资源转化为教学材料，加强智能计算课程建设；依靠开放架构提供的原生模型、开发工具与生态软件，为学生创造领先的实训环境；通过校内赛选拔优秀人才，再经过国赛的高强度训练，形成“课程-实训-竞赛-就业”的人才培养闭环。
“AI”
计算开放架构的深入发展，要求人才培养需突破“理论与实践分离”的障碍。”吉青博士在接受采访时说，“我们希望通过‘教学训练竞赛一体化’模式，使高校学生在学习期间就能接触国产AI的基础设施、核心框架与行业需求等重要环节，不论是双一流大学的研究型人才，还是职业学院的应用型人才，都能在比赛中找到适合自己的位置，成长为国产AI生态系统所需的‘系统级人才’。”
这种模式不仅促进了“人工智能+”领域内的应用创新，也支持了国产AI芯片自研生态的构建，使得人才培养与生态发展同步。
建立AI人才与产业协同生态
如果将AI计算开放架构视为国产智能计算的技术基石，那么先导杯则是连接这一基石与人才、产业的重要纽带。本次比赛的主要目标，正是专注于应用型AI人才的培养，弥补人才培养与产业实践分离的问题，创建“产业链-教育链-人才链”的协同教育环境。在产学研合作创新方面，比赛成为了技术转移的“促进剂”。参赛者围绕AI计算开放架构提出的新颖解决方案，有可能借助开放架构迅速投入实际应用。
“高校学生的创新思维和技术探索，为产业发展带来了新的视角。”吉青博士指出，“通过比赛，我们实现了高校科研活力与企业产业需求的精确匹配，使技术革新不再是空谈，加快了国产AI技术的商业化进程。”
同时，比赛也成为了国产AI开发者生态的“聚集地”。基于比赛积累的技术成果和人才资源，中科曙光正联手高校、研究机构、生态伙伴构建光合开发者社区（sourcefind.cn），向开发者开放AI计算开放架构的原始模型、开发工具、生态软件等资源，为年轻开发者提供技术交流、成果展示、项目合作的平台。
吉青博士特别提到，“我们期望以先导杯为开端，吸引更多的开发者关注并参与国产AI计算开放架构的建设，营造‘人人参与、共同建设’的生态氛围，推动中国AI生态的蓬勃发展。”
第六届“先导杯”的成功闭幕，不仅为国产AI产业输送了一大批“理解计算能力、擅长优化、能够实施”的系统级人才，还证实了产学研合作育人的有效性，为国产AI生态建设提供了可复制、可推广的经验教训。
展望未来，中科曙光将继续以AI计算开放架构为核心，深化“教学训练竞赛一体化”模式，使先导杯成为更多年轻开发者的成长平台；同时，不断扩大产学研合作的范围，汇聚高校、企业和研究机构的力量，巩固国产AI生态的人才基础和技术基石。在国家AI战略的指导下，曙光正与众多开发者携手，推动国产智能计算从“跟随”到“领先”的转变，谱写中国AI产业高质量发展的新篇章。
京公网安备 11010802022788号
