«كأس شيانداو» 2026: عندما لم يعد تشغيل النموذج كافيًا

لم يكن السؤال في النسخة السابعة من مسابقة تصميم الابتكار في الحوسبة الذكية، المعروفة باسم «كأس شيانداو»، هو: هل يستطيع الطلاب بناء نموذج ذكاء اصطناعي؟ بل كان أكثر صعوبة وارتباطًا بالواقع: هل يمكن جعل النموذج سريعًا ومستقرًا وفعالًا وقابلًا للاستخدام فوق منظومة حوسبة حقيقية؟

استمرت مسابقة 2026 قرابة ثلاثة أشهر، وشارك فيها أكثر من 500 فريق وما يزيد على 1,900 طالب من 160 جامعة. مرّت المنافسة بتصفيات أولية عبر الإنترنت، ثم اختبارات عملية مغلقة في الموقع، وصولًا إلى عروض دفاعية مباشرة. وقيّم المحكّمون المشاركات وفق الابتكار التقني، وأداء النظام، وقابلية التنفيذ الهندسي، والقيمة التطبيقية. 2714

ما «كأس شيانداو»؟ وكيف تطورت؟

«كأس شيانداو» هو مسار الابتكار في الحوسبة الذكية ضمن مسابقة طلاب الجامعات الوطنية لقدرات أنظمة الحاسوب. وتصفه التغطية المتاحة بأنه المسار الوحيد المتخصص في الحوسبة الذكية داخل هذه المسابقة الوطنية. ويتمثل هدفه المعلن في إعداد مهندسين متعددي التخصصات قادرين على تجاوز الاختناقات الموجودة في بيئات البرمجيات والتطبيقات العلمية والصناعية. 710

تعود جذور المسابقة إلى عام 2020، حين كانت مفتوحة أصلًا لطلاب الجامعات. وفي عام 2024 أُدرجت بوصفها مسارًا جديدًا للحوسبة الذكية داخل مسابقة قدرات الأنظمة الوطنية. ركزت النسخ الأولى بدرجة كبيرة على الحوسبة العلمية وتحسين التطبيقات، قبل أن تتوسع النسختان السادسة والسابعة إلى استدلال النماذج الكبيرة، وأنظمة التعلم الآلي، وتحسين التشغيل على مسرّعات محلية. 1618

وهذا ما يمنحها هويتها المختلفة عن مسابقات الخوارزميات التقليدية. فالفريق لا يسلّم خوارزمية وينتظر درجة نهائية فحسب؛ بل يعمل على ربط ما يتعلمه في الجامعة بقيود البنية التحتية، وأطر البرمجيات، وخدمات تشغيل النماذج، والتطبيقات العلمية.

لماذا جذبت نسخة 2026 هذا العدد من المشاركين؟

استفادت المسابقة من الجمع بين إطار وطني واسع، ومهام عملية، وإتاحة موارد حوسبة يصعب على معظم الفرق الطلابية توفيرها بصورة مستقلة. وقد نظمتها بالاشتراك شركة سوغون وجامعة تونغجي، فيما تحدثت التقارير عن دعم من شبكة الحوسبة الفائقة الوطنية وعناقيد حوسبة للذكاء الاصطناعي محلية. 69

وتشير التغطية إلى أن بيئة التدريب والتقييم غطت المسار الكامل، من تدريب النموذج وتصحيح أخطائه إلى نقله، وضبط أدائه، وتقييمه النهائي. كما ورد فيها ذكر عنقود فائق للذكاء الاصطناعي يضم 100 ألف بطاقة، وعنقود تونغجي الهندسي للحوسبة الذكية الذي يضم ألف بطاقة، ضمن البنية الأوسع للفعالية. 91112

لكن هذه الأوصاف تحتاج إلى قراءة حذرة. فالمواد المتاحة تدعم القول إن موارد حوسبة محلية، ودعمًا تقنيًا، وبيئات تدريب وتقييم قد أُتيحت للمشاركين. أما التفاصيل الأقوى، مثل وصف الوصول بأنه «مجاني»، أو البنية بأنها «محلية بالكامل»، أو العنقود بأنه «الأول من نوعه»، فلا توفر المصادر المتاحة توثيقًا تقنيًا مستقلًا يكفي للتحقق من كل جزء منها. لذلك لا ينبغي التعامل مع هذه العبارات بوصفها حقائق مستقلة محسومة.

تحديان نقلا المنافسة من دقة النموذج إلى أداء النظام

1. تحسين استدلال Qwen على مسرّعات محلية

تمحور التحدي الأول حول تحسين خدمات استدلال نماذج Qwen الكبيرة على بطاقات تسريع محلية. وكان على الفرق التعامل مع نشر النموذج وتسريع الاستدلال، مع مراعاة الكفاءة، واستغلال الموارد، واستقرار النظام، ومدى ملاءمته للبيئة المستهدفة. 6910

عمليًا، يعني ذلك الموازنة بين ثلاثة مؤشرات أساسية: زمن الاستجابة، واستهلاك ذاكرة المسرّع، ومعدل المعالجة. فالنظام الذي ينتج إجابة صحيحة لكنه بطيء، أو يهدر قدرة العتاد، أو ينهار تحت الضغط، ليس جاهزًا للاستخدام الإنتاجي.

وبجمع هذه القيود في اختبار واحد، نقل التحدي التركيز من القدرات المعلنة للنموذج إلى العمل الهندسي اللازم لجعله قابلًا للاستخدام على حزمة عتاد وبرمجيات محلية. وهذا يشمل التعاون بين البرمجيات والعتاد، واختيار أساليب التحسين، وتشخيص عنق الزجاجة بدل الاكتفاء بعرض تجريبي ناجح.

2. نشر نموذج للطقس عبر OneScience

ركز التحدي الثاني على النشر الخفيف وتحسين استدلال نموذج للطقس ضمن منظومة OneScience المحلية للحوسبة العلمية. وتصف تقارير الفعالية المهمة بأنها تطبيق للذكاء الاصطناعي في العلوم، يرتبط بالتنبؤات الجوية وسيناريو مقيّد يتعلق بقمر صناعي في مدار أرضي منخفض. 9

وتقدم OneScience نفسها بوصفها منصة لتطوير الذكاء الاصطناعي العلمي، تغطي تدريب النماذج وتحسينها واستدلالها في مجالات تشمل علوم الأرض، والأحياء، ومحاكاة الموائع، وكيمياء المواد.

هذا النوع من المهام يربط تحسين النموذج باستخدامات محتملة مثل التحذير من الكوارث، وتوزيع الطاقة، والزراعة، والنقل البحري، وإدارة الغلاف الجوي. غير أن التقارير التي تكرر رقم «أكثر من ألف مرة» لتسريع التنبؤات لا تقدم، وفق المواد المتاحة، تعريفًا قابلًا لإعادة الاختبار للمعيار، أو نظامًا مرجعيًا واضحًا، أو مقارنة بدقة التنبؤ، أو شروطًا تفسر هذا المضاعف. لذلك ينبغي فهم الرقم باعتباره ادعاءً متعلقًا بأداء نموذج أو تطبيق محدد، لا ضمانًا عامًا.

نموذج «1+1+1»: كيف التقت الجامعة بالصناعة؟

اعتمدت المسابقة ما وصفته التقارير بنموذج «1+1+1» لإعداد المسائل. فكل تحدٍّ جمع بين خبير مسؤول، وأستاذ جامعي يضع المسألة، وفريق تقني من الشركة. تولى الخبير الإشراف الأكاديمي، بينما تولت الجامعة التصميم التعليمي وتنسيق التقييم، وأسهم الفريق التقني في نقل متطلبات الصناعة، وملاءمة المنصة، والتحقق التقني. 151920

ساعد هذا الترتيب على تحويل مشكلات هندسية واقعية إلى مهام يمكن للطلاب إنجازها وقياس نتائجها. كما جمع بين ثلاثة مطالب قد تتعارض في المسابقات التقليدية:

• الأهمية الأكاديمية: أن تعكس المسألة بحثًا تقنيًا ذا معنى.
• الملاءمة التعليمية: أن تكون قابلة للتعلم والإنجاز من جانب الطلاب.
• الواقعية الصناعية: أن تُختبر النتائج أمام قيود نظامية ملموسة.

وعزز شكل المرحلة النهائية هذا الاتجاه. فقد استخدمت نسخة 2026 عملًا عمليًا مغلقًا وغير متصل بالإنترنت، إلى جانب اختبارات «الصندوق الأسود»، ومراجعة الخبراء، والدفاعات المباشرة. ووفق التقارير، صُمم هذا الإجراء للحد من الاعتماد على الخدمات الخارجية والعروض المبرمجة مسبقًا، وجعل مقارنة النتائج ممكنة داخل بيئة موحدة. 11121519

ماذا تكشف المسابقة عن تعليم هندسة الذكاء الاصطناعي؟

الدرس التعليمي الأوضح هو أن الخبرة في أنظمة الذكاء الاصطناعي لا يمكن قياسها بمعرفة النماذج وحدها. فقد كان مطلوبًا من الطلاب تشخيص الاختناقات، واختيار أساليب التحسين، وتكييف البرمجيات مع العتاد، وقياس الأداء، ثم شرح قراراتهم أمام المحكّمين.

لهذا تبدو المسابقة أقرب إلى مسار عملي بين الجامعة والصناعة. فقد أتاح المشاركون لأنفسهم خبرة في المعالجات والمسرّعات المحلية، وأنظمة تقديم النماذج، ومنصات الحوسبة العلمية، والتحسين المشترك بين البرمجيات والعتاد. وفي المقابل، تمكنت الشركات من رؤية أداء الفرق في اختبارات مضبوطة، لا عبر عروض مصقولة فقط. 61020

وتقدم الفعالية بذلك نموذجًا تدريبيًا يربط التدريس، والتدريب العملي، والمنافسة داخل الحرم الجامعي، والتقييم على المستوى الوطني في سلسلة واحدة. ومن المعقول النظر إلى هذا المسار باعتباره وسيلة لإعداد مهندسين لقطاعات البرمجيات والعتاد وأنظمة الذكاء الاصطناعي في الصين. لكنه لا يثبت وحده نتائج طويلة الأمد في سوق العمل، ولا يثبت اكتمال الاستقلال التكنولوجي.

الاختبار الحقيقي: هل يعمل النموذج جيدًا؟

تكمن أهمية «كأس شيانداو» في طبيعة السؤال الذي تطرحه على المشاركين. فالمطلوب ليس فقط بناء نموذج «ذكي»، بل تشغيله بكفاءة على منصة حقيقية، داخل تطبيق حقيقي، وبنتائج تصمد أمام تقييم موحد وقابل للمقارنة.

وهنا تحديدًا تتحول المنافسة من استعراض لقدرة النموذج إلى اختبار للهندسة: هل يمكن تقليل زمن الاستجابة؟ هل يمكن ضبط استهلاك الذاكرة؟ هل يبقى النظام مستقرًا عند زيادة الحمل؟ وهل يمكن تكرار النتيجة في بيئة مغلقة ومن دون الاستعانة بخدمات خارجية؟

إذا كانت مسابقات الذكاء الاصطناعي التقليدية تختبر ما يستطيع النموذج فعله، فإن «كأس شيانداو» تختبر ما يستطيع الفريق فعله بالنموذج، والمنصة، والقيود الواقعية معًا.