一场国赛背后：高校与企业如何共同培养AI工程人才？

在第七届“先导杯”答辩现场，参赛团队的同学正在向评委介绍他们的技术方案。经过近三个月的训练、开发与调试，团队给出了一套基于国产加速卡的千问大模型推理服务优化方案。另一支参赛队伍则围绕如何将气象大模型部署到低轨卫星等资源受限的环境展开答辩，尝试在算力、存储和功耗等多重限制下，为气象大模型寻找一条轻量化、可部署的技术路径。

8月15日，2026年全国大学生计算机系统能力大赛智能计算创新设计赛（先导杯）在上海圆满落幕。中科曙光作为赛事承办方之一，为比赛提供赛题设计、技术验证和国产算力等支持。本届赛事历时近三个月，吸引全国160所高校、500余支队伍、近1900名师生参与。

作为中国高等教育学会认证赛事，“先导杯”是全国大学生计算机系统能力大赛唯一专注智能计算赛道的国家级竞技平台，更是培育国产算力复合型人才的重要实践阵地。据了解，赛事设立80万元奖金池，并为优秀选手提供深造及校招直通机会。最终，经专家评审与现场答辩，两大赛题各决出一等奖2名、二等奖5名、三等奖16名，大赛同时颁发优秀指导教师奖。

从真实赛题、国产算力支持到校企专家共同参与的评审机制，“先导杯”所搭建的已经不只是一场比赛，而是一个连接课堂教学与产业实践的人才培养场景。这也为AI时代的人才培养问题提供了一个具体答案：

当AI人才培养进入工程实践阶段，高校和企业各自能够提供什么？课堂知识、产业真实问题、工程算力与人才评价，又该如何真正衔接起来？

高校构建知识框架，企业把“真实世界”带进来

长期以来，技术人才培养通常由高校教育与产业实践两个环节共同完成。

一方面，高校帮助学生建立知识框架。学生需要通过长期学习搭建完整的系统知识，并在课程和科研中形成分析问题的方法。另一方面，企业带来的，则是高校课堂中难以复制的真实场景、不断变化的产业问题，以及工程师在开发实践中积累的经验。

但芥末堆注意到，仅靠“高校提供知识、企业提供案例”的二元模式，已经越来越难以满足AI时代的人才培养需求。

首先，AI时代对学习的基础设施提出了更高的要求，学生们需要更加贴近产业实际的算力以及大模型环境。与此同时，AI时代的产业问题也不能被原样搬入课堂，其通常需要根据具体的技术环境进行调整和转化。正因如此，赛事正在成为连接高校与企业的桥梁，为AI人才培养搭建真实训练场。

全国大学生计算机系统能力大赛组委会主任高小鹏认为，当前大模型领域面临长上下文推理中如何应对高并发，以及专属大模型使用中实际部署的工程问题等现实难题。正因如此，本届赛事也在试题上作出了相应变化。

芥末堆了解到，本届“先导杯”基于国产大模型和产业实际案例，设置了“基于国产加速卡的千问大模型推理服务优化”和“基于国产科学智算生态的气象大模型推理部署优化”两道赛题。在千问大模型推理服务优化赛题中，学生需要处理KV Cache显存占用、推理时延、算子融合和调度效率等问题；在气象大模型赛题中，他们则要面向低轨卫星等资源受限的环境，在模型精度、算力、存储、时延与功耗之间寻找平衡。

“这两个现实需求都是我们今天大模型应用当中的实际面临问题，我觉得从这个角度来说，这是与时俱进。”高小鹏说到。

先导杯构建真实AI人才训练场

通过将产业问题转化为教学任务，把企业算力转化为训练环境，再通过统一评测形成能力反馈，先导杯在做的不仅是连接高校和企业，更是将两端组织成一套适用于AI时代的人才培养方案，并构建真实AI人才训练场。

为把复杂的产业问题转化为学生能够参与的竞赛任务，本届赛事的赛题由企业与高校共同设计。作为一家深耕高端计算领域三十年的科技企业，中科曙光参与赛题设计和技术验证，同时还负责国产算力资源接入、账号管理、技术培训、环境适配与故障处理，为参赛团队提供覆盖训练、调试和决赛评测的全流程支持。

高校教师主要负责赛题章程编写、平台对接、赛事宣讲和评审沟通，参赛高校的指导教师带领学生参加赛前培训并完成方案设计与实现。具体来说，“先导杯”采用“1+1+1”联合出题模式：一名责任专家负责全周期专业监督、学术把关与风险预警，一名高校教师负责赛题设计、教学转化和学生指导，一名中科曙光技术人员负责环境适配、技术验证与算力支撑。

在此基础上，“先导杯”进一步形成“教学、实训、校内赛、国赛”相互衔接的培养路径。学生先在课程中完成知识积累，再通过实训熟悉国产软硬件环境，经由校内赛扩大参与范围，最终在国赛中接受产业真实问题和统一标准的检验。值得注意的是，线下决赛采用断网环境和标准化黑盒评测，这些措施也都让比赛过程更加接近企业开发的实际环节。

此外，贴近产业实际的算力和大模型开发环境也尤为重要。这正是AI时代对教育基础设施提出的新要求：不仅要具备相应的校内硬件设施，还要能够持续为学生提供充足的算力资源和大模型开发环境。

高小鹏表示，本次比赛的一个特色就是引入了大规模的算力平台供学生使用。“学生们从初赛到决赛，从学习、训练到调优等全过程都可以使用。”

芥末堆了解到，本届先导杯向参赛团队提供35个计算节点、280张国产人工智能加速卡，并配套账号管理、技术培训、环境支持、故障处理和统一评测，更大的资源体系则连接国家超算互联网平台，覆盖国内首个十万卡AI超集群。

这意味着，不同高校的参赛同学不必受限于基础设施条件，能够在统一的国产软硬件条件下开发和测试。以长上下文大模型推理为例，学生对KV Cache、算子和调度策略作出的每一次调整，都需要在真实硬件上验证；气象大模型的轻量化方案，也必须接受精度、时延、资源占用和功耗的共同检验。事实上，如果只在简化的模拟环境中运行，许多工程问题不会真正出现，方案也很难证明能否迁移到产业场景。

“我们把这些资源开放给学生，使得这些过去没有办法使用的最先进的国产技术，大家今天都可以使用。我觉得这个对于学生们今后未来的职业发展、专业发展都是影响深远的。”高小鹏说到。

中科曙光高级副总裁李斌表示，算力基础设施不仅要支撑技术创新，也应成为人才培养的重要底座。中科曙光希望通过开放国产算力资源、引入真实产业场景，让青年学生在解决实际问题的过程中理解系统、掌握技术、提升工程能力，并以赛事为纽带，促进高校人才培养与产业需求有效衔接。

一场比赛之后，如何留下长期生态

随着AI技术不断进步，人才培养需求也在持续升级，这对产业与高校的协作方式提出了新的要求。

面对新的AI人才培养需求，人才已经很难由高校或企业单独培养出来。他们更可能成长于一个由高校知识体系、产业真实问题和工程算力环境共同构成的训练场。如今，这个训练场正在被一场国赛具体地搭建出来。 因此，“以赛促教、以赛育才”正在成为衔接教育与产业的重要途径。

高小鹏也提到，如果比赛仅能够让一小部分学生受益，那其价值就大打折扣。他认为“以赛促教”的基本内涵是，通过比赛反向推动学校教师对专业设计和课程进行调整，使得学生能够在本科阶段学到产业界的最新技术，并且提高其工程实践能力。

芥末堆注意到，中科曙光正在把赛事资源延伸到高校日常教学和科研训练中。一方面，通过智能计算联合实验室等载体共建实训环境；另一方面，联合生态伙伴建设国产AI开发者社区，开放模型、开发工具和生态软件资源。赛事中被验证的技术方案、人才和协作机制，也可以继续进入科研合作与产业实践。

高小鹏介绍到，全国大学生计算机系统能力大赛设立的目标之一，是成为我国核心软硬件后备人才的培养和发现平台。经过多年发展，一批参赛学生已经进入产业一线和科研一线。赛事吸引企业参与，赛事培养的人才又进入企业和产业，并进一步推动技术与产业发展，由此形成一套持续运转的人才培养循环。

对走过三十年的中科曙光而言，持续承担大型科技企业的产业责任，正意味着把长期积累的技术、平台和生态能力向人才培养开放。从高端计算到智能计算，从基础设施建设到开发者生态，企业真正能为教育提供的，不应只是一批设备或一次赛事组织，而是一座能够长期连接知识、问题、算力与人才的桥梁。