Xiandao Cup 2026 ukázal, že AI nekončí u přesnosti modelu

Sedmý ročník celostátní soutěže vysokoškoláků v počítačových systémech – soutěž inteligentního výpočetního návrhu, známý jako Xiandao Cup (先导杯), testoval něco, co běžné algoritmické soutěže často pomíjejí: zda lze model nejen vytvořit, ale také provozovat rychle, stabilně, úsporně a v reálném výpočetním prostředí.

Do ročníku 2026 se zapojilo více než 500 týmů a přes 1 900 studentů ze 160 univerzit. Soutěž trvala téměř tři měsíce a skládala se z online předkola, uzavřené praktické části na místě a závěrečných obhajob. Hodnotila se technická inovace, výkon systému, kvalita inženýrského provedení i aplikační hodnota. 2714

Co je Xiandao Cup a jak se vyvíjel

Xiandao Cup představuje větev inteligentního výpočetního návrhu v rámci celostátní soutěže zaměřené na schopnosti v oblasti počítačových systémů. V dostupných zprávách je popisován jako její jediná specializovaná trať pro inteligentní výpočty. Cílem je vychovávat mezioborové odborníky, kteří dokážou překonávat omezení softwarového prostředí a řešit problémy ve vědě i průmyslu. 710

Kořeny soutěže sahají do roku 2020, kdy byla otevřena vysokoškolským studentům. V roce 2024 byla začleněna jako nová trať do celostátní soutěže počítačových systémů. Zatímco starší ročníky se výrazněji soustředily na vědecké výpočty a optimalizaci aplikací, šestý a sedmý ročník rozšířily záběr o inferenci velkých modelů, systémy strojového učení a optimalizaci domácích akcelerátorů. 1618

Právě v tom spočívá její odlišnost. Nejde jen o soutěž, v níž tým odevzdá algoritmus a čeká na skóre. Xiandao Cup propojuje znalosti z výuky s omezeními skutečné infrastruktury: procesory a akcelerátory, softwarové frameworky, obsluhu modelů, vědecké platformy a provozní stabilitu.

Proč se přihlásilo tolik týmů

Velký zájem vznikl spojením celostátního soutěžního rámce s praktickými úlohami a přístupem k výpočetním zdrojům, které by studentské týmy jen obtížně sestavovaly samy. Soutěž společně organizovaly společnost Sugon a univerzita Tongji. Zprávy zároveň uvádějí podporu Národní superpočítačové sítě a domácích AI clusterů. 69

Podle dostupných materiálů prostředí pokrývalo celý postup od trénování a ladění modelu přes migraci a optimalizaci výkonu až po závěrečné vyhodnocení. Zmiňován je také AI supercluster se 100 000 akcelerátory a domácí inženýrský AI cluster Tongji s řádově tisícem akcelerátorů. 91112

Tyto údaje je ale třeba číst s určitou rezervou. Zdroje potvrzují, že studentům byly zpřístupněny domácí výpočetní zdroje, technická podpora a tréninková prostředí. Většinou však jde o materiály organizátorů, oborové články nebo mediální zprávy. Neobsahují dostatek nezávislé technické dokumentace k ověření každého tvrzení o „bezplatném“ přístupu, „plně domácí“ konstrukci nebo prvenství dané infrastruktury.

Dvě úlohy, které posunuly soutěž za hranici přesnosti modelu

1. Optimalizace inference modelu Qwen na domácích akcelerátorech

První úloha se zaměřila na optimalizaci inferenčních služeb velkého modelu Qwen na domácích akceleračních kartách. Týmy musely řešit nasazení a urychlení inference a současně sledovat efektivitu, využití zdrojů, stabilitu systému a přizpůsobení cílovému prostředí. 6910

V praxi to znamená hledat rovnováhu mezi odezvou, spotřebou paměti akcelerátoru a propustností. Systém, který sice poskytuje správné odpovědi, ale reaguje příliš pomalu, plýtvá kapacitou nebo se při zatížení stává nestabilním, není připravený pro produkční provoz.

Úloha tak přesunula pozornost od působivých parametrů modelu k práci, která rozhoduje o jeho použitelnosti: k optimalizaci softwaru pro konkrétní hardware, řízení paměti a stabilnímu provozu služby.

2. Nasazení meteorologického modelu v platformě OneScience

Druhá úloha se věnovala odlehčenému nasazení a optimalizaci inference meteorologického modelu v domácím ekosystému vědeckých výpočtů OneScience. Zprávy ji popisují jako aplikaci AI pro vědu zaměřenou na předpověď počasí a scénář s omezenými možnostmi nízké oběžné dráhy. 9

OneScience je v dostupných materiálech představován jako platforma pro vývoj vědecké AI, která pokrývá trénování, optimalizaci i inferenci v oborech, jako jsou vědy o Zemi, biologie, simulace proudění nebo materiálová chemie.

Takové zadání spojuje optimalizaci modelu s možnými provozními využitími předpovědí, například při varování před katastrofami, řízení energetiky, v zemědělství, lodní dopravě nebo při správě atmosférických procesů.

V některých zprávách se opakuje tvrzení, že předpovědi mohou být více než tisíckrát rychlejší. Tento údaj je vhodnější chápat jako konkrétní výkonové tvrzení o určitém modelu či aplikaci, nikoli jako obecnou garanci. Dostupné zdroje neuvádějí reprodukovatelnou definici benchmarku, výchozí systém, srovnání přesnosti ani podmínky, za nichž bylo uvedeného násobku dosaženo.

Model „1+1+1“ spojil univerzity s průmyslem

Výrazným prvkem soutěže byl údajný model společného zadávání úloh „1+1+1“. Na každé úloze se podílel odpovědný odborník, univerzitní zadavatel a technický tým z průmyslu. Odborník zajišťoval akademický dohled, univerzita vzdělávací koncepci a koordinaci hodnocení, zatímco firemní tým přinášel požadavky z praxe, přizpůsobení platformě a technické ověření. 151920

Tato struktura měla převést skutečné technické překážky do úloh, které mohou studenti zvládnout a jejichž výsledky lze porovnat. Zároveň se snažila vyvážit tři požadavky, které se v běžných soutěžích často rozcházejí:

• Akademický význam: úloha má odpovídat smysluplnému technickému výzkumu.
• Vzdělávací přiměřenost: studenti se z ní musí být schopni učit a dokončit ji v dostupném čase.
• Průmyslová realističnost: řešení musí obstát proti konkrétním systémovým omezením.

Závěrečný formát tento přístup dále posílil. Finále probíhalo uzavřeně, bez připojení k externím službám, a využívalo praktické testování, standardizované black-box hodnocení, odborný posudek a živé obhajoby. Podle zpráv měl tento postup omezit závislost na předpřipravených demonstracích a umožnit férovější srovnání ve společném prostředí. 11121519

Co Xiandao Cup vypovídá o výuce AI

Nejvýraznější vzdělávací lekce je jednoduchá: znalost modelů sama o sobě nestačí. Studenti museli hledat úzká hrdla, volit optimalizační metody, přizpůsobovat software hardwaru, měřit výkon a své rozhodnutí obhájit pod odborným dohledem.

Soutěž tak funguje jako určitý most mezi univerzitou a průmyslem. Účastníci získali zkušenost s domácími procesory a akcelerátory, systémy pro obsluhu modelů, platformami vědeckých výpočtů a společnou optimalizací softwaru a hardwaru. Zaměstnavatelé naopak mohou sledovat, jak týmy pracují v kontrolovaných testech, nikoli jen v uhlazených prezentacích. 61020

Xiandao Cup tím nabízí model, v němž se propojují výuka, praktický výcvik, univerzitní soutěže a celostátní hodnocení. Je rozumné vnímat jej jako jednu z cest k přípravě inženýrů pro čínský sektor AI softwaru, hardwaru a systémů. Samotná soutěž však ještě nedokazuje dlouhodobé výsledky na trhu práce ani úplnou technologickou soběstačnost.

Nejdůležitější není, zda model běží, ale jak

Širší význam Xiandao Cup spočívá ve volbě testu. Organizátoři se neptají pouze, zda studenti dokážou vytvořit inteligentní model. Zjišťují, zda ho umějí zprovoznit na skutečné platformě, v konkrétní aplikaci a s výsledky, které obstojí ve standardizovaném hodnocení.

Právě tento posun – od otázky „funguje model?“ k otázce „funguje rychle, stabilně a efektivně v daném systému?“ – přibližuje studentskou soutěž každodenní realitě AI inženýrství.