XianDao Cup testasi, saadaanko tekoäly toimimaan myös käytännössä

Vuoden 2026 XianDao Cup -kilpailu ei kysynyt opiskelijoilta vain sitä, osaavatko he rakentaa toimivan tekoälymallin. Keskeinen kysymys oli käytännöllisempi: saadaanko malli toimimaan nopeasti, vakaasti ja resurssitehokkaasti todellisessa laitteisto- ja ohjelmistoympäristössä?

Kiinan kansallisen yliopisto-opiskelijoiden tietokonejärjestelmien kyvykkyyskilpailun älylaskennan innovaatio- ja suunnittelusarjaan osallistui yli 500 joukkuetta ja yli 1 900 opiskelijaa 160 yliopistosta. Lähes kolme kuukautta kestänyt kilpailu eteni verkossa järjestetyistä alkutehtävistä suljettuun käytännön loppukilpailuun ja paikan päällä pidettyihin puolustuksiin eli ratkaisuja koskeviin esityksiin. Arvioinnissa painotettiin teknistä innovatiivisuutta, järjestelmän suorituskykyä, teknistä toteutusta ja sovellusarvoa. 2714

Mikä XianDao Cup on?

XianDao Cup on National College Student Computer Systems Capability Competition -kilpailun älylaskennan innovaatio- ja suunnittelusarja. Tapahtumakuvauksissa sitä kutsutaan kilpailun ainoaksi erityisesti älylaskentaan keskittyväksi sarjaksi. Sen tavoitteena on kouluttaa monitieteisiä osaajia, jotka pystyvät ratkaisemaan ohjelmistoympäristöjen sekä tieteellisten ja teollisten sovellusten pullonkauloja. 710

Kilpailun juuret ulottuvat vuoteen 2020, jolloin se oli jo avoin yliopisto-opiskelijoille. Vuonna 2024 XianDao Cup liitettiin uutena älylaskennan sarjana kansalliseen järjestelmäkyvykkyyskilpailuun. Aiemmissa painoksissa korostuivat tieteellinen laskenta ja sovellusten optimointi. Kuudennessa ja seitsemännessä painoksessa mukaan nousivat suurten mallien päättely, koneoppimisjärjestelmät ja kotimaisten kiihdyttimien optimointi. 1618

Tämä kehityskaari erottaa kilpailun tavanomaisesta algoritmikilpailusta. Joukkue ei ainoastaan toimita algoritmia ja odota pistemäärää, vaan joutuu sovittamaan mallin laskentaympäristöön, ohjelmistokehyksiin, mallipalveluun ja tietyn alan käyttötapaukseen.

Miksi kilpailuun osallistui näin paljon joukkueita?

Laajuus syntyi kansallisen kilpailurakenteen, käytännönläheisten tehtävien ja laskentaresurssien yhdistelmästä. Monilla opiskelijajoukkueilla ei olisi muuten helppoa pääsyä vastaavaan infrastruktuuriin. Kilpailun järjestivät yhdessä Sugon ja Tongji-yliopisto, ja tapahtumaraporttien mukaan sen tukena olivat kansallinen superlaskennan internet sekä kotimaiset tekoälylaskentaklusterit. 69

Raporttien mukaan ympäristö kattoi koko ketjun mallien koulutuksesta ja virheenkorjauksesta mallien siirtämiseen, suorituskyvyn virittämiseen ja loppuarviointiin. Tapahtuman yhteydessä mainittiin myös 100 000 laskentakortin tekoälysuperklusteri sekä Tongji-yliopiston kotimainen, noin tuhannen kortin insinööritieteisiin suunnattu tekoälyklusteri. 91112

Näihin kuvauksiin liittyy kuitenkin tärkeä varaus. Saatavilla olevat lähteet ovat pääosin kilpailun järjestäjien yhteydessä julkaistuja tai toimialaraportteja. Ne tukevat sitä, että opiskelijoille tarjottiin laskentaresursseja, teknistä tukea ja koulutusympäristöjä, mutta aineisto ei riitä vahvistamaan riippumattomasti jokaista väitettä esimerkiksi maksuttomasta käytöstä, infrastruktuurin täydellisestä kotimaisuudesta tai siitä, että kyseessä olisi alansa ensimmäinen ratkaisu.

Kaksi tehtävää, joissa mallin tarkkuus ei yksin riittänyt

1. Qwen-mallin päättely kotimaisilla kiihdyttimillä

Ensimmäinen tehtävä koski Qwen-suurten kielimallien päättelypalvelujen optimointia kotimaisilla kiihdytinkorteilla. Joukkueiden piti ratkaista käyttöönottoon ja päättelyn nopeuttamiseen liittyviä ongelmia sekä huomioida resurssien käyttö, järjestelmän vakaus ja kohdeympäristöön sovittaminen. 6910

Käytännössä tämä tarkoittaa kompromissien hallintaa vasteajan, kiihdyttimen muistin kulutuksen ja läpimenon välillä. Malli voi tuottaa oikean vastauksen, mutta jos se reagoi liian hitaasti, kuluttaa laitteistoa tehottomasti tai kaatuu kuormituksessa, se ei vielä sovellu tuotantoon.

Tehtävä siirsi huomion mallin näyttävästä suorituskyvystä siihen näkymättömämpään työhön, jota tarvitaan, jotta malli saadaan oikeasti käyttökelpoiseksi. Samalla opiskelijat joutuivat optimoimaan ohjelmistoa ja laitteistoa yhdessä – taitoa, jota pelkkä mallin rakentaminen ei opeta.

2. Sääennustemallin käyttöönotto OneScience-ympäristössä

Toinen tehtävä keskittyi sääennustemallin kevyeen käyttöönottoon ja päättelyn optimointiin kotimaisessa OneScience-tieteellisen laskennan ekosysteemissä. Tapahtumaa koskevissa raporteissa tehtävä kuvataan AI for Science -sovellukseksi, jossa mukana oli myös rajattu matalan kiertoradan satelliittiskenaario. 9

OneScience esitellään tieteellisen tekoälyn kehitysalustana, joka kattaa mallien koulutuksen, optimoinnin ja päättelyn esimerkiksi maantieteiden, biologian, virtaussimulaatioiden ja materiaalikemian tarpeisiin.

Tällainen tehtävä yhdistää mallien optimoinnin mahdollisiin käytännön käyttötarkoituksiin, kuten katastrofivaroituksiin, energiantuotannon ja -jakelun suunnitteluun, maatalouteen, merenkulkuun ja ilmakehän hallintaan.

Raporteissa toistuu myös väite, että sääennusteet voisivat nopeutua yli tuhatkertaisiksi. Tätä lukua on syytä käsitellä tietyn mallin tai sovelluksen suorituskykyväitteenä, ei yleisenä lupauksena. Saatavilla olevissa lähteissä ei ilmoiteta toistettavaa vertailuasetelmaa, lähtöjärjestelmää, ennustetarkkuuden vertailua tai niitä olosuhteita, joiden perusteella kerroin on laskettu.

Miten ”1+1+1”-malli yhdisti yliopistot ja yritykset?

Kilpailun keskeinen rakenne oli raportoitu ”1+1+1”-yhteisellä tehtävänasettelumallilla. Jokaisessa tehtävässä työskentelivät yksi vastuullinen asiantuntija, yksi yliopiston tehtävänlaatija ja yksi yrityksen tekninen tiimi. Asiantuntija vastasi akateemisesta valvonnasta, yliopisto opetuksellisesta suunnittelusta ja arvioinnin koordinoinnista, ja tekninen tiimi toi mukaan teollisuuden vaatimukset, alustan sovittamisen ja teknisen validoinnin. 151920

Mallin tarkoitus oli muuttaa todellisia järjestelmäongelmia tehtäviksi, jotka opiskelijat pystyivät ratkaisemaan ja joiden tuloksia voitiin arvioida. Samalla se pyrki sovittamaan yhteen kolme usein ristiriitaista vaatimusta:

• Akateeminen merkitys: tehtävän on liityttävä oikeaan tekniseen tutkimukseen.
• Opetuksellinen sopivuus: opiskelijoilla on oltava mahdollisuus oppia ja saada tehtävä päätökseen.
• Teollinen realismi: ratkaisun on kestettävä konkreettiset järjestelmärajoitteet.

Loppukilpailun formaatti tuki samaa tavoitetta. Vuoden 2026 kilpailussa käytettiin suljettua, verkotonta käytännön työskentelyä, mustan laatikon testejä, asiantuntija-arviointia ja ratkaisuista tehtyjä esityksiä. Raporttien mukaan tarkoituksena oli vähentää ulkoisten palvelujen ja ennalta käsikirjoitettujen demonstraatioiden merkitystä sekä verrata joukkueita yhteisessä ympäristössä. 11121519

Mitä kilpailu kertoo tekoälyn insinöörikoulutuksesta?

Selkein oppi on, ettei tekoälyjärjestelmien osaamista voi mitata pelkällä mallien tuntemuksella. Opiskelijoiden piti paikantaa pullonkauloja, valita sopivia optimointimenetelmiä, sovittaa ohjelmisto laitteistolle, mitata suorituskykyä ja perustella ratkaisunsa arvioijille.

Tässä mielessä XianDao Cup toimii koulutuksen ja teollisuuden välisenä rajapintana. Osallistujat saivat kokemusta kotimaisista prosessoreista ja kiihdyttimistä, mallipalveluista, tieteellisen laskennan alustoista sekä ohjelmiston ja laitteiston yhteisoptimoinnista. Työnantajille kilpailu puolestaan tarjosi mahdollisuuden tarkastella joukkueiden toimintaa kontrolloiduissa testeissä pelkkien viimeisteltyjen esitysten sijaan. 61020

Kilpailu havainnollistaa siten koulutusmallia, jossa opetus, käytännön harjoittelu, kampuskilpailut ja kansallinen arviointi muodostavat yhden jatkumon. On perusteltua nähdä tämä yhtenä keinona kouluttaa Kiinan ohjelmisto-, laitteisto- ja tekoälysektoreille järjestelmäinsinöörejä.

Kilpailu ei kuitenkaan yksin osoita, millaisia pitkän aikavälin vaikutuksia sillä on työmarkkinoihin tai teknologiseen omavaraisuuteen. Se osoittaa ennen kaikkea sen, millaista osaamista halutaan kehittää: kykyä ottaa malli käyttöön, mitata sen käyttäytymistä, optimoida se todellisella alustalla ja osoittaa tulokset yhdenmukaisessa testissä.

XianDao Cupin laajempi merkitys piilee juuri tässä testissä. Opiskelijoilta ei kysytty vain, osaavatko he rakentaa älykkään mallin. Heiltä kysyttiin, saavatko he mallin toimimaan nopeasti ja vakaasti oikeassa järjestelmässä, oikean sovelluksen rajoissa ja tavalla, joka kestää standardoidun arvioinnin.