走出“模擬器”：在松山湖，看見中國高校開發者的硬核畢業禮

12月底的東莞松山湖，空氣中不僅有南方特有的濕潤，還彌漫著一股焦灼的“硅味”。

這股味道的來源，是鯤鵬昇騰創新大賽全國總決賽2025的現場。與其他同類賽事不同，在昇騰賽道的答辯區，映入評委眼簾的不再是滿屏枯燥的代碼和靜態數據集，而是物理世界的轟鳴：一輛無人駕駛自行車在演示區顫巍巍地尋找平衡，一副AR眼鏡正在實時把手語翻譯成帶有“情緒”的文字，AI正在像造物主一樣生成龐大的三維空間。

這是一場關于“含金量”的壓力測試。入圍決賽的96支昇騰賽隊中，高校隊伍占比高達46%。但這并非一場僅限于象牙塔內的某種“模擬考”。

在這群00后/95后身上，我們觀察到一個顯著的變化：他們不再滿足于在Jupyter Notebook里跑通一個MNIST（手寫數字識別）Demo，也不再沉迷于在排行榜上刷高0.1%的準確率。他們正在試圖用創新的算力平臺，去解決真實的物理世界難題——從讓自行車“成精”，到讓聾啞人“聽見”笑聲。

這或許是昇騰生態最想看到的一幕：算力底座已然趨向成熟，并正成為年輕人重構世界的工具箱。

給創意裝上“端側大腦”：不僅要“能跑”，還要“能扛”

AI從云端下沉到邊緣端，開發者面臨的最大痛點往往不是模型不夠大，而是“算力與功耗的平衡”以及“實時性”。

在金獎項目——清華大學“要啥自行車”隊的答辯現場，我們看到了這種極致的工程挑戰。

彼時剛剛步入大二的他們，有一個大企業聽起來都覺得很科幻的目標：打造一輛具備“零速自平衡”能力的智能自行車。簡單說，就是車子即使停著不動也不會倒，還能自動跟隨主人、避障巡邏。但在工程實現上，這簡直是一場噩夢。

“想法很美好，現實很骨感。”“要啥自行車”隊的李想賽后接受采訪時坦言，最開始的樣車根本站不穩，“剛開始搖搖晃晃，稍微有干擾就倒了。為了維持平衡，飛輪需要持續加速減速，導致放流電阻產生極高的高溫，能量損耗巨大。”

要啥自行車隊李想

真正的挑戰在于“極小空間下的算力博弈”。這不是在無限算力的云端服務器上跑模型，而是在一輛自行車有限的體積和電池負載下，既要跑通高負載的視覺感知算法（YOLOv8），又要處理毫秒級的實時控制回路（PID）。

傳統方案往往需要背一臺笨重的工控機，或者把視覺和控制分開放在兩塊板子上，但這些不符合團隊的目標。

破局的關鍵，在于一塊只有手掌大小的板卡——昇騰開發板。這塊板子讓李想體驗到了什么是“手邊的高性能算力”。但硬件只是基礎，軟件適配才是那只“攔路虎”。

在開發初期，團隊遭遇了嚴重的軟件架構沖突：當他們試圖用Python同時處理視覺大模型和底層電機控制時，Python特有的GIL（全局解釋器鎖）導致多線程阻塞——簡單說，就是車子“看路”的時候，會忘了“保持平衡”，結果就是翻車。

要啥自行車隊李想及組員

昇騰的CANN（異構計算架構）在此時發揮了關鍵作用。在昇騰社區專家的指導下，他們重構了代碼，利用CANN將高算力消耗的視覺推理任務“卸載”到NPU上跑，而將要求極高實時性的500Hz PID控制邏輯留在CPU的高優先級線程中，并遷移到了ROS2 + Ascend框架下。

最終，這輛自行車實現了90ms以內的端到端延遲。它不再是一個玩具，而是一個能真正跑在路上的“具身智能”原型。團隊甚至暢想了它在未來的社會價值——它不僅是取快遞的工具，更可以升級為老年人的防摔倒智能助行器，或是攜帶熱成像儀的工業巡檢車。

同樣的“端側突圍”，也發生在南昌航空大學的“靈語視界”團隊身上。

中國有2780萬聽障人士，但手語翻譯員比例極低。傳統的翻譯軟件冰冷、延遲高，且無法傳遞情緒。有感于學校某工作室同學與聽障人士交流困難的遭遇，靈語視界團隊生出的雄心，是做一副“有溫度”的眼鏡，要實現手勢和面部表情的融合。

他們的挑戰在于極致的輕量化與實時性。如果翻譯一句話要等2秒，對話就死了。

借助免費申請的昇騰開發板，以及昇騰社區分享的參考案例，利用昇騰，團隊將復雜的自然語言處理模型成功“塞”進了算力有限的端側設備，經過三次迭代，實現了0.3秒的極速推理。更重要的是，他們打通了昇騰生態，利用多設備流轉能力，讓眼鏡不僅能識別手勢，還能通過捕捉面部表情來補全語義中的“情緒”。

當屏幕上不僅顯示出“你好”，而是顯示出“（開心地）你好”時，技術才真正擁有了人的溫度。而金獎的結果也讓靈語視界團隊更加自信，他們希望推動應用上架。

在云端重構“專家智慧”：從“小制作”到“大模型”

如果說“要啥自行車”隊和“靈語視界”隊代表了高校開發者在物理邊緣端的靈動，那么北京大學武漢人工智能研究院（簡稱北武院）的“濟大夫”項目，則展示了高校科研力量在“重型裝備”上的突圍。

這里的戰場不在板卡，而在集群；挑戰不在平衡，而在“智慧的深度”。

醫療大模型是目前AI領域最難啃的骨頭之一。數據極其敏感（隱私），模態極其復雜（CT影像+電子病歷+生化指標），且醫生對AI大模型生成的不符合實際的錯誤內容（業內常稱 “幻覺”）的容忍度為零。

北武院團隊帶來的“基于醫療大模型的門診病患智能體”，并不是一個簡單的問診Chatbot。它是一個能夠像真正醫生一樣，閱讀影像、分析病歷、給出預診建議的Agent（智能體）。

在這個項目中，昇騰作為一整套基礎軟硬件平臺的優勢被發揮得淋漓盡致。

面對醫療場景下高并發、高吞吐的推理需求，團隊依托昇騰集群強大的算力，并引入了MindIE（大模型推理引擎）。MindIE極大地優化了模型在自主創新硬件上的吞吐性能，讓“濟大夫”在處理復雜的醫療影像和長文本病歷時，能夠做到快速響應，促使醫生接診效率提升35%，急診初篩等待時間縮短50%。

北武院“濟大夫”項目團隊

“從數據采集、模型訓練到最終的部署上線，昇騰平臺尤其是它的分布式推理能力，起到了非常關鍵的作用，大大提高了我們工程化的效率。”北武院工程中心總工程師張浩深有感觸地表示。

更關鍵的是，這是一套完全自主創新的方案。在醫療數據隱私至關重要的今天，基于昇騰AI基礎軟硬件構建的本地化算力集群，為“AI醫療”的合規落地穿上了一層防彈衣。

深度觀察：誰在為“后浪”鋪路？

在松山湖的賽場上，我們容易被高校學子們臺前的光芒吸引。但如果把視線拉長，看看同臺競技的企業與初創賽道，你會發現一個更有意思的隱喻：高校項目的成功，本質上是因為產業界已經為他們鋪好了路。

為什么清華的學生能把精力集中在算法邏輯，而不是被底層的算子開發難倒？

在金獎項目記憶張量（MemRL）的答辯中，我們找到了答案。算子開發一直是AI生態中最苦、最累、門檻最高的活。通常，這需要極稀缺的專家手寫優化。但記憶張量團隊展示了一種硬核解法：利用強化學習（RL）在昇騰平臺上自動生成和優化CANN算子。

他們就像是生態里的“修路隊”。通過讓AI去寫AI代碼，他們把底層的坑填平了，讓上層的高校開發者調用算子時更順滑、更高效。

而高校學生們做出的Demo，未來真的有商業價值嗎？

深圳生境科技有限公司給出了擲地有聲的回答。這家獲得紅杉等頂級資本加持的初創公司，其核心的空間AI 大模型，正是從高校階段的 Demo 迭代演化而來的。此次賽場上，他們展示的正是基于昇思MindSpore訓練的空間AI大模型——既能精準理解空間幾何與風格美學，生成高精度3D裝修設計方案，并已在游戲開發、地產設計等領域投入商用，甚至開始為具身智能（機器人）提供合成數據服務。更具前瞻性的是，他們基于全球領先的高現實性3D空間生成能力，打造的SimHub具身合成數據平臺，正為機器人訓練提供海量高質量場景數據，破解了當下具身智能發展的核心數據瓶頸。生境科技的實踐，恰恰印證了高校前沿技術從“實驗室”到“市場”的完整轉化路徑。

鮮為人知的是，生境科技的現場答辯選手、聯合創始人莊子揚，是一位典型的“非典型”創業者。這位95后年輕人擁有巴黎高等商學院的碩士學位，具備“計算機+金融”的雙重背景，曾身處高薪的量化交易行業。但他毅然放棄了百萬年薪的舒適區，選擇了空間智能這條極為硬核的賽道。

“傳統內容領域的競爭格局已經固化，巨頭壁壘難以突破，而空間模態能讓我們和行業巨頭站在同一起跑線，這種開創全新領域的機會，比安穩的高薪更有吸引力。”莊子揚曾在深圳大學MBA課堂的分享中這樣解釋自己的創業初心，他還將空間模態的創新邏輯通俗解讀為“GPT組合文字秩序生成文章，我們則組合物體秩序生成空間”，讓更多人理解這一前沿領域的價值。

生境科技聯合創始人莊子揚

“做大模型和創業這兩件事疊加在年輕人身上，已經足夠酷了。”莊子揚在采訪中說道。

從這個角度上來看，生境科技的存在，就像是一個“燈塔”。它向所有參賽的學生證明：中國新一代的科技創業者，可以用自主創新的算力底座，去挑戰“空間模態”這一全球技術的最前沿，并取得成功。更清晰地勾勒出產業界與高校協同創新的生態圖景——產業界既為高校創新鋪路筑基，也為前沿技術提供商業化試錯的土壤，最終讓創新價值真正落地生根。

這不僅是比賽，更是“成人禮”

總決賽落下了帷幕，但在松山湖留下的，遠不止幾座獎杯。

鯤鵬昇騰創新大賽2025讓我們看到了一個明顯的信號：中國AI生態已經跨越了“勉強能用”的初級階段，進入了“好用、易用”的繁榮期。

對于這屆參賽的高校開發者而言，這更像是一場特殊的“成人禮”。他們不再是看著國外教程長大的跟隨者，而是第一批真正生長在國內算力黑土地上的“原住民”。

當李想們騎著那輛能夠自動平衡的自行車沖出賽道，當“靈語視界”隊的學生戴著國產眼鏡走向聽障社區，他們帶走的不僅是金獎，更是對中國基礎軟硬件的一份信心。

星星之火，已在松山湖畔燎原。