“先導杯”上的三張面孔，照亮了國產AI生態的未來

9月初的2025世界智能產業博覽會期間，中科曙光協同AI芯片、AI整機、大模型等20多家產業鏈上下游企業，共同發布了國內首個AI計算開放架構，被外界解讀為國產智算的“安卓模式”。

一個禮拜前的世界互聯網大會烏鎮峰會期間，中科曙光發布了采用AI計算開放架構的全球首個單機柜級640卡超節點scaleX640，標志著國產智算生態從架構層開放走向了工程級落地。

相比封閉生態，開放的產業生態系統更加復雜，需要更多的開發者參與其中，而人才一直是整個產業的短板。能否培養出產業需要的人才生力軍，直接關系到國產AI生態的發展進程。

草蛇灰線，伏脈千里。

時間回到2020年，中科曙光聯合國家先進計算產業創新中心和一眾知名高校、企業、學術機構共同籌辦了第一屆先導杯。和常規賽事最大的不同，“以實踐為導向”始終是先導杯的鮮明標簽，緊跟前沿創新和產業痛點，在高校和產業間搭建了一座橋梁。

剛剛結束的第六屆先導杯上，來自三個參與者的故事，終于讓外界讀懂了中科曙光多年的堅持：并非是一個割裂的賽事，正在用“教學訓賽”的綜合培養模式，為中國AI產業培養后備力量。

01 “我們要解決人才的斷層”

山東科技大學的王威，目前在計算機科學與工程學院參與相關領域的研究工作。在此之前，他擁有國家超算中心多年的工作經歷。

橫跨產業界和學術界的“兩棲”經歷，讓他對中國AI和高性能計算領域的人才現狀，有一種旁人難及的清醒認知。“最大的難點之一，就是人才培養和產業需求之間，存在一個斷層。”

王威在采訪中多次提及“人才斷層”，人工智能和高性能計算日新月異，而多數高校的教學內容還停留在課本上面，與產業界的真實場景嚴重脫節。結果就是，產業界迫切需要能“直接能夠在國產平臺上深度參與項目”的人才，高校畢業生卻需要“一個很長的學習周期”才能真正上手。

作為第六屆“先導杯”ONNX Runtime算子優化賽題的出題人，王威瞄準了“脫節的斷層”。

在賽題設計上，王威坦言：不是一道“練習題”，而是產業界公認的一個“硬骨頭”。要求參賽學生基于海光DCU和ONNX Runtime推理框架，在確保輸出精度滿足誤差標準的前提下，針對Attention、BatchNormalization、Conv、LeakyReLU、GroupNormalization核心算子進行性能優化。

背后有著雙重考量。

第一是考驗學生們的“復合能力”。絕不是簡單的編程任務，直接把負載均衡、顯存壓力、通信瓶頸等技術壁壘拋給了學生。

參賽學生不能再像過去那樣只停留在書本概念上，必須打通一條完整的技術鏈路：首先要把“計算機體系結構中所學的核心知識”真正用上；其次要具備在國產軟硬件生態上調試的“工程能力”；最后還要在高強度的試錯和優化中，磨煉出解決復雜問題的系統思維。

第二是關乎未來的“職業啟蒙”。在“自主可控”的戰略下，發展國產AI生態已是必然，但生態的繁榮，歸根結底靠的是“人”。

作為高性能計算領域的研究者，王威深知底層優化工作的“枯燥”，“可能三年才能入門，五年才剛剛有感覺。”把真實的產業難題交給學生，希望他們從過去“站在教科書外看概念”，變成“直接調試產業難題的人”，認識到國產AI生態的瓶頸和機會，進而“主動去探索”“深入去學習”。

讓王威印象深刻的是，“有時候凌晨一兩點，學生們還在問問題”，“去年參加先導杯的本科生，比賽結束后毅然選擇攻讀高性能計算方向的研究生”，“不少學生參加比賽后，找到了努力的方向”……

在國內的高校中，像王威這樣的“布道者”還有很多，他們用源自內心深處的熱愛，在學生們心中埋下了投身國產AI生態的種子。當越來越多的種子生根、發芽、開花、結果，曾經制約產業繁榮的人才斷層，將被一批批具備工程實操力、系統思維的新生力量“填平”。

02 “打了場從零開始的硬仗”

山西大學的大二學生王嘉宇，是王威老師特別提到的一位選手。在第六屆“先導杯”的決賽入圍名單中，對比諸多名校的碩士乃至博士團隊，剛讀大二的王嘉宇無疑是個特例。

因為底層系統人才缺口較大，且存在人才培養標準不一、教育資源分布不均等問題，先導杯在2024年首次面向本科生開放報名，并創新引入了區域賽模式，面向西北、東北等地區開賽。

來自中西部高校的王嘉宇團隊，沒有被“相對有限的技術資源”束縛，用實打實的成績證明了先導杯推動教育公平、賦能多元人才的價值。

大多數同學跟著學校課程按部就班時，王嘉宇就主動報名參加了學校的“超算隊”。雖然日常訓練使用的是學校所能提供的早期算力資源（例如英偉達V100），正是這份來之不易的機會，為王嘉宇打開了邁向超算世界的第一扇門，鍛造了在比賽中面對全新平臺時的適應力和沖刺力。

王威老師設計的ONNX Runtime算子優化賽題，對王嘉宇團隊來說，不亞于是一場從零開始的“硬仗”。

“盡管中科曙光提供的文檔和接口兼容性很高，遷移過程并沒有想象中艱難，在比賽開始時還是走了一些彎路。由于硬件差異，需要針對海光DCU做更精細的調整，結合算子原理和硬件參數綜合優化，導致早期的性能表現不太理想。”

初期的不順利，并沒有嚇退王嘉宇團隊。

他們花了很長時間學習中科曙光提供的培訓課程，在線上積極和其他同學溝通，在技術社區內找資料，遇到不懂的問題就向出題老師請教，乃至整個國慶假期都在實驗室“刷性能”。最終找到了算子性能優化的正確路徑：“我們發現性能瓶頸更多來自訪存而非計算，重新定義了warp大小，并嘗試使用warp shuffle優化attention中的歸約性能……”

整個采訪過程中，王嘉宇每每提到第一次把attention、卷積跑通的細節，言辭中都難掩心中的興奮勁兒。在他看來，比賽的意義不在名次，在于一次次“啃硬骨頭”的過程，一點點去推敲每個性能指標背后的邏輯，看到性能指標不斷被刷新，有一種“升級打怪”的快感。

也讓我們見證了這支年輕團隊強大的自驅力：沒有因“平臺不熟悉”止步，而是將挑戰視為學習的機會，并在比賽過程中形成了問題建模、性能分析、參數迭代、算子驗證的工程能力。

王嘉宇團隊的故事不會是個例，折射出的是國產AI生態加速成熟的縮影：當先導杯為中西部高校學生搭建起通向前沿技術的舞臺，他們能夠近距離接觸國產智算平臺和產業真實問題，在真實的工程環境中驗證理論、打磨能力，會有更多潛藏的年輕力量被看見。

03 “國產生態需要我們參與”

如果說王嘉宇是憑借興趣和自驅力扎進來的“初生牛犢”，國防科技大學的研二學生朱天賜，則是一個“身在局中”的“準工程師”。國防科大的熏陶、“天河超算”的驕傲，在他心中種下了“使命導向”的擔當。

早在本科階段，朱天賜就做過一款手語識別應用，在比賽中拿到了不錯的名次，限于算力和數據集的瓶頸，最終沒有實現推廣應用。那段經歷讓他意識到：沒有智能算力的土壤，應用將無法真正扎根。

不同于王嘉宇從零開始的啟蒙，朱天賜作為隊長參加了GMRES和ONNX兩道賽題的角逐，想要深入了解國產AI生態的真實痛點。

“之前在學校課程學的是碎片化的知識，知道什么是體系結構、并行計算、內存帶寬等概念，就像是零件盒里的螺絲、齒輪、彈簧，并沒有組裝成能夠運行的機械。通過先導杯的比賽，第一次把碎片化的知識，變成了解決實際問題的系統化能力。”

朱天賜遇到的第一個難題是優化“矩陣向量乘”算子，一個看似基礎但極度考驗體系結構理解的任務。

由于“矩陣向量乘”算子的性能瓶頸在于訪存，海光DCU的Wavefront是64線程，和英偉達的32線程不同，意味著以前的優化習慣、經驗參數不再適用，需要重新思考數據如何分塊、訪存如何對齊、調度如何設計。

為了解決這些問題，朱天賜和隊友們一遍遍跑實驗、畫訪存路徑、調tile size、做規約策略對比。有時候性能曲線不達標，就從硬件特性倒推數學計算、從數學表達式反推訪存行為、從訪存行為再反推并行策略……“純理論不會直接帶來性能提升，真正能提升性能的，是把理論轉換成工程路徑的能力”。

“硬核”的比賽過程，讓朱天賜對國產AI生態有了更深刻的認知：國產算力平臺的性能成熟度超出了預期，而且上手門檻比較低，但體系還不夠完善，仍需更多開發者參與和打磨。

親自上陣填補“缺口”經歷，悄然影響了朱天賜的“自我定位”：以前，他更多站在知識體系的外環，作為旁觀者學習別人怎么做；現在，意識到自己正處在國產AI生態的前線，是需要主動“補位”的那群人。

談到畢業后的職業規劃時，朱天賜堅定表示：將從事算子優化、編譯優化等方面的工作，為國產AI生態的繁榮添一塊磚。

04 寫在最后

過去十年，中國的AI生態解決了“有沒有”的問題。未來十年，問題將變成——“誰來用、誰會用”。算力、架構、模型都可以通過技術迭代逐步補齊，唯有人才，是決定生態上限的“不可替代變量”。

先導杯的價值，在于把產業最真實的需求、最難啃的技術點、最具挑戰性的任務，提前放到了年輕人面前，讓他們在最初的職業啟蒙階段就認識到：國產AI生態不是某一家廠商、某一所高校的戰役，而是一場面向未來的長期工程，需要更多“敢打硬仗”的建設者加入。

有理由相信，最終改變國產AI生態曲線的，不是某一代架構、某一次發布會，而是被點燃的年輕力量。