9月初的2025世界智能產(chǎn)業(yè)博覽會期間，中科曙光協(xié)同AI芯片、AI整機、大模型等20多家產(chǎn)業(yè)鏈上下游企業(yè)，共同發(fā)布了國內(nèi)首個AI計算開放架構(gòu)，被外界解讀為國產(chǎn)智算的“安卓模式”。

一個禮拜前的世界互聯(lián)網(wǎng)大會烏鎮(zhèn)峰會期間，中科曙光發(fā)布了采用AI計算開放架構(gòu)的全球首個單機柜級640卡超節(jié)點scaleX640，標(biāo)志著國產(chǎn)智算生態(tài)從架構(gòu)層開放走向了工程級落地。

相比封閉生態(tài)，開放的產(chǎn)業(yè)生態(tài)系統(tǒng)更加復(fù)雜，需要更多的開發(fā)者參與其中，而人才一直是整個產(chǎn)業(yè)的短板。能否培養(yǎng)出產(chǎn)業(yè)需要的人才生力軍，直接關(guān)系到國產(chǎn)AI生態(tài)的發(fā)展進(jìn)程。

草蛇灰線，伏脈千里。

時間回到2020年，中科曙光聯(lián)合國家先進(jìn)計算產(chǎn)業(yè)創(chuàng)新中心和一眾知名高校、企業(yè)、學(xué)術(shù)機構(gòu)共同籌辦了第一屆先導(dǎo)杯。和常規(guī)賽事最大的不同，“以實踐為導(dǎo)向”始終是先導(dǎo)杯的鮮明標(biāo)簽，緊跟前沿創(chuàng)新和產(chǎn)業(yè)痛點，在高校和產(chǎn)業(yè)間搭建了一座橋梁。

剛剛結(jié)束的第六屆先導(dǎo)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(xué)訓(xùn)賽”的綜合培養(yǎng)模式，為中國AI產(chǎn)業(yè)培養(yǎng)后備力量。

01 “我們要解決人才的斷層”

山東科技大學(xué)的王威，目前在計算機科學(xué)與工程學(xué)院參與相關(guān)領(lǐng)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(jīng)歷。

橫跨產(chǎn)業(yè)界和學(xué)術(shù)界的“兩棲”經(jīng)歷，讓他對中國AI和高性能計算領(lǐng)域的人才現(xiàn)狀，有一種旁人難及的清醒認(rèn)知?！?strong>最大的難點之一，就是人才培養(yǎng)和產(chǎn)業(yè)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(shù)高校的教學(xué)內(nèi)容還停留在課本上面，與產(chǎn)業(yè)界的真實場景嚴(yán)重脫節(jié)。結(jié)果就是，產(chǎn)業(yè)界迫切需要能“直接能夠在國產(chǎn)平臺上深度參與項目”的人才，高校畢業(yè)生卻需要“一個很長的學(xué)習(xí)周期”才能真正上手。

作為第六屆“先導(dǎo)杯”O(jiān)NNX Runtime算子優(yōu)化賽題的出題人，王威瞄準(zhǔn)了“脫節(jié)的斷層”。

在賽題設(shè)計上，王威坦言：不是一道“練習(xí)題”，而是產(chǎn)業(yè)界公認(rèn)的一個“硬骨頭”。要求參賽學(xué)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(biāo)準(zhǔn)的前提下，針對Attention、BatchNormalization、Conv、LeakyReLU、GroupNormalization核心算子進(jìn)行性能優(yōu)化。

背后有著雙重考量。

第一是考驗學(xué)生們的“復(fù)合能力”。絕不是簡單的編程任務(wù)，直接把負(fù)載均衡、顯存壓力、通信瓶頸等技術(shù)壁壘拋給了學(xué)生。

參賽學(xué)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(shù)鏈路：首先要把“計算機體系結(jié)構(gòu)中所學(xué)的核心知識”真正用上；其次要具備在國產(chǎn)軟硬件生態(tài)上調(diào)試的“工程能力”；最后還要在高強度的試錯和優(yōu)化中，磨煉出解決復(fù)雜問題的系統(tǒng)思維。

第二是關(guān)乎未來的“職業(yè)啟蒙”。在“自主可控”的戰(zhàn)略下，發(fā)展國產(chǎn)AI生態(tài)已是必然，但生態(tài)的繁榮，歸根結(jié)底靠的是“人”。

作為高性能計算領(lǐng)域的研究者，王威深知底層優(yōu)化工作的“枯燥”，“可能三年才能入門，五年才剛剛有感覺?！卑颜鎸嵉漠a(chǎn)業(yè)難題交給學(xué)生，希望他們從過去“站在教科書外看概念”，變成“直接調(diào)試產(chǎn)業(yè)難題的人”，認(rèn)識到國產(chǎn)AI生態(tài)的瓶頸和機會，進(jìn)而“主動去探索”“深入去學(xué)習(xí)”。

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

在國內(nèi)的高校中，像王威這樣的“布道者”還有很多，他們用源自內(nèi)心深處的熱愛，在學(xué)生們心中埋下了投身國產(chǎn)AI生態(tài)的種子。當(dāng)越來越多的種子生根、發(fā)芽、開花、結(jié)果，曾經(jīng)制約產(chǎn)業(yè)繁榮的人才斷層，將被一批批具備工程實操力、系統(tǒng)思維的新生力量“填平”。

02 “打了場從零開始的硬仗”

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

因為底層系統(tǒng)人才缺口較大，且存在人才培養(yǎng)標(biāo)準(zhǔn)不一、教育資源分布不均等問題，先導(dǎo)杯在2024年首次面向本科生開放報名，并創(chuàng)新引入了區(qū)域賽模式，面向西北、東北等地區(qū)開賽。

來自中西部高校的王嘉宇團(tuán)隊，沒有被“相對有限的技術(shù)資源”束縛，用實打?qū)嵉某煽冏C明了先導(dǎo)杯推動教育公平、賦能多元人才的價值。

大多數(shù)同學(xué)跟著學(xué)校課程按部就班時，王嘉宇就主動報名參加了學(xué)校的“超算隊”。雖然日常訓(xùn)練使用的是學(xué)校所能提供的早期算力資源（例如英偉達(dá)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(yīng)力和沖刺力。

王威老師設(shè)計的ONNX Runtime算子優(yōu)化賽題，對王嘉宇團(tuán)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(xì)的調(diào)整，結(jié)合算子原理和硬件參數(shù)綜合優(yōu)化，導(dǎo)致早期的性能表現(xiàn)不太理想。”

初期的不順利，并沒有嚇退王嘉宇團(tuán)隊。

他們花了很長時間學(xué)習(xí)中科曙光提供的培訓(xùn)課程，在線上積極和其他同學(xué)溝通，在技術(shù)社區(qū)內(nèi)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(yōu)化的正確路徑：“我們發(fā)現(xiàn)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(yōu)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(xì)節(jié)，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(biāo)背后的邏輯，看到性能指標(biāo)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(tuán)隊強大的自驅(qū)力：沒有因“平臺不熟悉”止步，而是將挑戰(zhàn)視為學(xué)習(xí)的機會，并在比賽過程中形成了問題建模、性能分析、參數(shù)迭代、算子驗證的工程能力。

王嘉宇團(tuán)隊的故事不會是個例，折射出的是國產(chǎn)AI生態(tài)加速成熟的縮影：當(dāng)先導(dǎo)杯為中西部高校學(xué)生搭建起通向前沿技術(shù)的舞臺，他們能夠近距離接觸國產(chǎn)智算平臺和產(chǎn)業(yè)真實問題，在真實的工程環(huán)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(chǎn)生態(tài)需要我們參與”

如果說王嘉宇是憑借興趣和自驅(qū)力扎進(jìn)來的“初生牛犢”，國防科技大學(xué)的研二學(xué)生朱天賜，則是一個“身在局中”的“準(zhǔn)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(dǎo)向”的擔(dān)當(dāng)。

早在本科階段，朱天賜就做過一款手語識別應(yīng)用，在比賽中拿到了不錯的名次，限于算力和數(shù)據(jù)集的瓶頸，最終沒有實現(xiàn)推廣應(yīng)用。那段經(jīng)歷讓他意識到：沒有智能算力的土壤，應(yīng)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(chǎn)AI生態(tài)的真實痛點。

“之前在學(xué)校課程學(xué)的是碎片化的知識，知道什么是體系結(jié)構(gòu)、并行計算、內(nèi)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(dǎo)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(tǒng)化能力。”

朱天賜遇到的第一個難題是優(yōu)化“矩陣向量乘”算子，一個看似基礎(chǔ)但極度考驗體系結(jié)構(gòu)理解的任務(wù)。

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(dá)的32線程不同，意味著以前的優(yōu)化習(xí)慣、經(jīng)驗參數(shù)不再適用，需要重新思考數(shù)據(jù)如何分塊、訪存如何對齊、調(diào)度如何設(shè)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(diào)tile size、做規(guī)約策略對比。有時候性能曲線不達(dá)標(biāo)，就從硬件特性倒推數(shù)學(xué)計算、從數(shù)學(xué)表達(dá)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(zhuǎn)換成工程路徑的能力”。

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

親自上陣填補“缺口”經(jīng)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(huán)，作為旁觀者學(xué)習(xí)別人怎么做；現(xiàn)在，意識到自己正處在國產(chǎn)AI生態(tài)的前線，是需要主動“補位”的那群人。

談到畢業(yè)后的職業(yè)規(guī)劃時，朱天賜堅定表示：將從事算子優(yōu)化、編譯優(yōu)化等方面的工作，為國產(chǎn)AI生態(tài)的繁榮添一塊磚。

04 寫在最后

過去十年，中國的AI生態(tài)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(gòu)、模型都可以通過技術(shù)迭代逐步補齊，唯有人才，是決定生態(tài)上限的“不可替代變量”。

先導(dǎo)杯的價值，在于把產(chǎn)業(yè)最真實的需求、最難啃的技術(shù)點、最具挑戰(zhàn)性的任務(wù)，提前放到了年輕人面前，讓他們在最初的職業(yè)啟蒙階段就認(rèn)識到：國產(chǎn)AI生態(tài)不是某一家廠商、某一所高校的戰(zhàn)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(shè)者加入。

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