כשהבינה המלאכותית פוגשת את הברזלים: כך הפך גביע שיאנדאו למבחן הנדסי

לא עוד תחרות אלגוריתמים

המהדורה השביעית של התחרות הלאומית לחדשנות ולעיצוב במחשוב חכם, המוכרת בשם גביע שיאנדאו, ניסתה לענות על שאלה שתחרויות אלגוריתמים רגילות נוטות להשאיר בצד: לא רק האם מודל יודע לתת תשובה נכונה, אלא האם אפשר לגרום לו לעבוד מהר, ביציבות, ביעילות ובתנאים של מערכת מחשוב אמיתית.

התחרות, שנערכה ב־2026 ונמשכה כמעט שלושה חודשים, כללה יותר מ־500 קבוצות ויותר מ־1,900 סטודנטים מ־160 אוניברסיטאות. המשתתפים עברו שלבי מיון מקוונים, מבחן מעשי סגור באתר הגמר והגנות מול שופטים. הציונים התבססו על חדשנות טכנולוגית, ביצועי מערכת, יישום הנדסי וערך יישומי. 2714

מהו גביע שיאנדאו, ואיך הוא התפתח?

גביע שיאנדאו הוא מסלול החדשנות במחשוב חכם של התחרות הלאומית ליכולת במערכות מחשב לסטודנטים. בדיווחי האירוע הוא מתואר כמסלול היחיד בתחרות הלאומית שמוקדש כולו למחשוב חכם. מטרתו המוצהרת היא לטפח מהנדסים בעלי הכשרה בין־תחומית, שיוכלו להתמודד עם צווארי בקבוק בסביבות תוכנה וביישומים מדעיים ותעשייתיים. 710

שורשי התחרות מגיעים ל־2020, אז היא כבר הייתה פתוחה לסטודנטים באוניברסיטאות. ב־2024 היא שולבה כמסלול חדש בתוך התחרות הלאומית ליכולת במערכות מחשב. בעוד שבמהדורות המוקדמות הדגש היה על מחשוב מדעי ואופטימיזציה של יישומים, המהדורה השישית והשביעית הרחיבו את העיסוק להסקת מודלים גדולים, מערכות למידת מכונה ואופטימיזציה על מאיצים מקומיים. 1618

ההיסטוריה הזאת מסבירה את הזהות הייחודית של התחרות. זו אינה תחרות שבה מגישים אלגוריתם וממתינים לציון. היא מנסה לחבר בין הידע מהכיתה לבין המגבלות של תשתיות מחשוב, מסגרות תוכנה, הגשת מודלים ויישומים מדעיים.

מדוע השתתפו כל כך הרבה קבוצות?

היקף ההשתתפות נבע משילוב בין מסגרת תחרות ארצית לבין משימות מעשיות וגישה למשאבי מחשוב שרוב קבוצות הסטודנטים לא היו יכולות להרכיב בעצמן בקלות. התחרות אורגנה במשותף על ידי חברת סוגון (Sugon) ואוניברסיטת טונגג'י, והדיווחים מתארים תמיכה מצד רשת מחשבי־העל הלאומית ואשכולות מחשוב מקומיים לבינה מלאכותית. 69

לפי הסיקור, סביבת ההכשרה וההערכה תמכה בכל שרשרת העבודה: מאימון ואיתור תקלות במודל, דרך העברה לסביבת היעד וכיוונון ביצועים, ועד למדידה הסופית. בדיווחים מוזכרים גם אשכול AI בעל 100 אלף כרטיסים ואשכול הנדסי־חכם של טונגג'י, בהיקף של אלף כרטיסים, כחלק מתשתית האירוע. 91112

עם זאת, חשוב להבחין בין מה שהמקורות מבססים לבין ניסוחים שיווקיים. החומר הזמין תומך בכך שסופקו משאבי מחשוב מקומיים, תמיכה טכנית וסביבות אימון והערכה. אך רוב המקורות הם דיווחים הקשורים לאירוע או לתעשייה, ואינם מספקים תיעוד טכני עצמאי שמאפשר לאמת כל טענה בדבר גישה "חינמית", בנייה "כולה מקומית" או היותו של אשכול מסוים "הראשון מסוגו". לכן יש להתייחס לטענות הללו בזהירות.

שני אתגרים שהעבירו את הדגש מדיוק להנדסה

1. אופטימיזציה של הסקת Qwen על מאיצים מקומיים

האתגר הראשון התמקד באופטימיזציה של שירותי הסקת מודל השפה הגדול Qwen על גבי כרטיסי האצה מקומיים. הקבוצות נדרשו להתמודד עם פריסה והאצת הסקה, תוך התחשבות ביעילות, בניצול משאבים, ביציבות המערכת ובהתאמה לסביבת החומרה והתוכנה. 6910

במונחים מעשיים, מדובר באיזון בין כמה מדדים: זמן התגובה, צריכת זיכרון המאיץ והתפוקה — כלומר, כמה בקשות המערכת מסוגלת לעבד בפרק זמן נתון. מערכת שמפיקה תשובות נכונות אך מגיבה באיטיות, מבזבזת משאבי חומרה או קורסת תחת עומס עדיין אינה מוכנה לשימוש תעשייתי.

כך הוסט הדגש מהיכולת המרשימה של המודל על הנייר אל העבודה ההנדסית שנדרשת כדי להפוך אותו לשירות שימושי על גבי stack מקומי: התאמת תוכנה לחומרה, איתור צווארי בקבוק ומדידה שיטתית של התוצאה.

2. פריסת מודל מזג אוויר על OneScience

האתגר השני עסק בפריסה קלה ובאופטימיזציה של הסקת מודל מזג אוויר בתוך סביבת המחשוב המדעי המקומית OneScience. בדיווחי האירוע המשימה מוצגת כיישום של בינה מלאכותית למדע, הכולל חיזוי מזג אוויר ותרחיש מוגבל של לוויין במסלול נמוך סביב כדור הארץ. 9

משימה כזאת מחברת בין אופטימיזציה של מודלים לבין שימושים אפשריים כמו התרעות על אסונות, ניהול חלוקת אנרגיה, חקלאות, שילוח וניהול אטמוספרי. OneScience מוצגת כפלטפורמה לפיתוח בינה מלאכותית מדעית, המכסה אימון, אופטימיזציה והסקה בתחומים כגון מדעי כדור הארץ, ביולוגיה, סימולציות זרימה וכימיית חומרים.

בדיווחים חוזרת גם טענה שלפיה החיזוי עשוי להיות מהיר יותר מפי 1,000. יש להתייחס לכך כאל טענה נקודתית על ביצועי מודל או יישום מסוים, ולא כהבטחה כללית. המקורות הזמינים אינם מציגים הגדרה ניתנת לשחזור של benchmark, מערכת בסיס להשוואה, השוואה לדיוק התחזית או את התנאים שהובילו למכפיל הזה.

מה עומד מאחורי מודל ה־1+1+1?

אחד המאפיינים המרכזיים של התחרות היה מודל פתרון המשימות המשותף, המכונה "1+1+1". בכל אחד מהאתגרים השתתפו מומחה אחראי, מרצה מהאוניברסיטה וצוות טכני של חברה. המומחה סיפק פיקוח אקדמי; האוניברסיטה הייתה אחראית לעיצוב המשימה ולתיאום ההערכה; והצוות הטכני תרם דרישות תעשייתיות, התאמה לפלטפורמה ואימות טכנולוגי. 151920

המבנה הזה נועד להפוך בעיות הנדסיות אמיתיות למשימות שסטודנטים יכולים ללמוד, לבצע ולמדוד. הוא גם מנסה לאזן בין שלוש דרישות שעלולות להתנגש בתחרות רגילה:

• רלוונטיות אקדמית: המשימה צריכה לשקף מחקר וטכנולוגיה משמעותיים.
• התאמה חינוכית: הסטודנטים צריכים להיות מסוגלים להבין את הבעיה ולהשלים אותה.
• ריאליזם תעשייתי: הפתרון צריך להיבחן מול מגבלות מערכתיות קונקרטיות.

גם שלב הגמר חיזק את הגישה הזאת. התחרות כללה עבודה מעשית סגורה, ללא חיבור לרשת, לצד בדיקות קופסה שחורה, בחינת מומחים והגנות מול הקהל. לפי הדיווחים, המטרה הייתה לצמצם את התלות בשירותים חיצוניים ובהדגמות שהוכנו מראש, ולאפשר השוואה הוגנת יותר של תוצאות בסביבה אחידה. 11121519

מה אפשר ללמוד מכאן על הכשרת מהנדסי AI?

הלקח החינוכי הבולט הוא שמומחיות במערכות AI אינה נמדדת רק בהיכרות עם מודלים. הסטודנטים נדרשו לאתר צווארי בקבוק, לבחור שיטות אופטימיזציה, להתאים תוכנה לחומרה, לכמת ביצועים ולהסביר את החלטותיהם תחת בדיקה.

במובן הזה, התחרות מתפקדת כצינור בין התעשייה לאקדמיה. המשתתפים קיבלו חשיפה למעבדים ולמאיצים מקומיים, למערכות הגשת מודלים, לפלטפורמות מחשוב מדעי ולאופטימיזציה משותפת של תוכנה וחומרה. מעסיקים, מצדם, יכלו לראות כיצד קבוצות מתפקדות תחת מבחנים מבוקרים — ולא להסתמך רק על הדגמה מלוטשת. 61020

האירוע מצביע על מודל הכשרה חדש יחסית: לימודים, התנסות מעשית, תחרות בקמפוס והערכה ברמה ארצית — כולם מחוברים למסלול אחד. סביר לראות בכך דרך לטפח מהנדסים לתחומי התוכנה, החומרה והמערכות של תעשיית ה־AI בסין. אך התחרות לבדה אינה מוכיחה תוצאות ארוכות טווח בשוק העבודה או עצמאות טכנולוגית מלאה.

המשמעות הרחבה של גביע שיאנדאו טמונה בסוג המבחן שהוא בוחר להציב. במקום לשאול רק אם הסטודנטים יכולים לבנות מודל חכם, הוא שואל אם הם מסוגלים לגרום למודל לעבוד היטב על פלטפורמה אמיתית, ביישום אמיתי, ובתוצאות שעומדות בהערכה סטנדרטית וניתנת לשחזור.