2026 XianDao Cup, yapay zekâ yarışmasını sistem mühendisliği testine çevirdi

Bir algoritma yarışmasından daha fazlası

Yapay zekâ yarışmalarında sonuç çoğu zaman doğruluk puanı veya kıyaslama tablosundaki sıralamayla ölçülür. Çin’de düzenlenen Ulusal Üniversite Öğrencileri Bilgisayar Sistemleri Yetkinliği Yarışması Akıllı Hesaplama İnovasyon Tasarımı Yarışması olarak adlandırılan XianDao Cup ise daha zor bir soru soruyor: Bir model, gerçek bir hesaplama altyapısı üzerinde hızlı, kararlı, verimli ve kullanılabilir hâle getirilebilir mi?

2026’daki yedinci organizasyon, yaklaşık üç ay sürdü. 160 üniversiteden 500’den fazla ekip ve 1.900’ü aşkın öğrenci yarışmaya katıldı. Süreç; çevrim içi ön eleme, kapalı ve çevrim dışı uygulama, kara kutu testleri ile canlı savunmalardan oluştu. Değerlendirmede teknik yenilik, sistem performansı, mühendislik uygulaması ve kullanım değeri birlikte dikkate alındı. 2714

XianDao Cup nedir, nasıl gelişti?

XianDao Cup, Ulusal Üniversite Öğrencileri Bilgisayar Sistemleri Yetkinliği Yarışması’nın akıllı hesaplamaya odaklanan parkurudur. Etkinlik haberlerinde, söz konusu ulusal yarışmanın özel olarak akıllı hesaplamaya ayrılmış tek parkuru olduğu belirtiliyor. Temel hedefi ise yazılım ortamlarındaki ve bilimsel ya da endüstriyel uygulamalardaki darboğazları aşabilecek, farklı disiplinleri bir araya getiren mühendisler yetiştirmek. 710

Yarışmanın geçmişi 2020’ye uzanıyor. 2024’te, ulusal sistem yetkinliği yarışması bünyesinde yeni bir akıllı hesaplama parkuru olarak konumlandırıldı. Önceki dönemlerde bilimsel hesaplama ve uygulama optimizasyonu daha belirginken, altıncı ve yedinci organizasyonlarda büyük model çıkarımı, makine öğrenimi sistemleri ve yerli hızlandırıcıların optimizasyonu daha fazla öne çıktı. 1618

Bu gelişim, XianDao Cup’ın neden klasik algoritma yarışmalarından ayrıldığını açıklıyor. Katılımcılardan yalnızca bir algoritma teslim etmeleri beklenmiyor. Modelin donanımla, yazılım çerçevesiyle, servis altyapısıyla ve gerçek bir bilimsel ya da endüstriyel kullanım senaryosuyla nasıl çalışacağını göstermeleri gerekiyor.

Yarışmanın ölçeğini ne büyüttü?

2026 organizasyonunun geniş katılımlı olmasının arkasında ulusal yarışma yapısının yanı sıra pratik görevler ve öğrencilerin tek başlarına kurmakta zorlanabileceği hesaplama kaynaklarına erişim bulunuyor. Yarışma, Sugon ile Tongji Üniversitesi tarafından ortaklaşa düzenlendi. Haberlerde Ulusal Süper Bilgisayar Ağı’nın ve yerli yapay zekâ hesaplama kümelerinin altyapı desteği sağladığı aktarılıyor. 69

Bu ortamın model eğitimi ve hata ayıklamadan taşıma, performans ayarı ve final değerlendirmesine kadar uzanan bir iş akışını desteklediği bildirildi. Kaynaklarda ayrıca 100.000 kartlık bir yapay zekâ süper kümesinden ve Tongji Üniversitesi’nin yerli, bin kartlık mühendislik yapay zekâ kümesinden söz ediliyor. 91112

Burada bir kanıt notu düşmek gerekiyor. Mevcut bilgiler, öğrencilere yerli hesaplama kaynakları, teknik destek ve eğitim-değerlendirme ortamları sunulduğunu destekliyor. Ancak “ücretsiz tam yaşam döngüsü eğitimi”, “tamamen yerli” altyapı veya “ilk” olma gibi daha güçlü ifadeleri bağımsız biçimde doğrulayacak yeterli teknik dokümantasyon bulunmuyor. Bu nedenle söz konusu ifadeler, ağırlıklı olarak etkinlik haberleri ve sektör kaynaklarında yer alan iddialar olarak okunmalı.

İki görev, yarışmayı model doğruluğunun ötesine taşıdı

1. Yerli hızlandırıcılarda Qwen çıkarımını optimize etmek

İlk görev, Qwen büyük dil modeli servislerinin yerli yapay zekâ hızlandırıcı kartları üzerinde optimize edilmesine odaklandı. Ekiplerin yalnızca modeli çalıştırması değil; çıkarım hızını, kaynak kullanımını, sistem kararlılığını ve hedef ortama uyumu birlikte iyileştirmesi istendi. 6910

Pratikte bu, üç temel değişken arasında denge kurmak anlamına geliyor:

• yanıt gecikmesi,
• hızlandırıcı belleği kullanımı,
• toplam işlem hacmi.

Doğru yanıt üreten fakat geç cevap veren, donanım kapasitesini verimsiz kullanan veya yoğun yük altında kararsızlaşan bir sistem üretime hazır sayılmaz. Bu nedenle görev, büyük bir modelin kâğıt üzerindeki yeteneğinden çok, onu belirli bir yazılım-donanım yığını üzerinde kullanılabilir hâle getirmek için gereken mühendislik emeğini sınadı.

2. OneScience üzerinde hava durumu modeli dağıtımı

İkinci görev, yerli bilimsel hesaplama ekosistemi OneScience içinde bir hava durumu modelinin hafifletilmesi, dağıtılması ve çıkarım performansının iyileştirilmesini ele aldı. Etkinlik haberlerinde bu görev, hava tahmini ve kısıtlı bir alçak Dünya yörüngesi uydu senaryosunu içeren bir AI for Science uygulaması olarak tanımlanıyor. 9

OneScience; yer bilimleri, biyoloji, akışkan simülasyonu ve malzeme kimyası gibi alanlarda model eğitimi, optimizasyonu ve çıkarımını destekleyen bir bilimsel yapay zekâ geliştirme platformu olarak sunuluyor.

Bu tür bir görev, model optimizasyonunu afet uyarıları, enerji dağıtımı, tarım, deniz taşımacılığı ve atmosfer yönetimi gibi potansiyel kullanım alanlarıyla ilişkilendiriyor. Bununla birlikte, haberlerde tekrarlanan “1.000 kattan fazla hızlanma” ifadesi genel bir garanti olarak değil, belirli bir model veya uygulamaya ilişkin performans iddiası olarak değerlendirilmelidir. Mevcut kaynaklarda bu çarpanı yeniden üretmeye yetecek kıyaslama tanımı, temel sistem, tahmin doğruluğu karşılaştırması ve test koşulları yer almıyor.

“1+1+1” modeli eğitimle endüstriyi nasıl buluşturdu?

Yarışmanın dikkat çeken tasarım unsurlarından biri, bildirilen “1+1+1” ortak görev oluşturma modeli oldu. Her görevde bir sorumlu uzman, bir üniversite problem tasarımcısı ve bir şirket teknik ekibi yer aldı. Uzman akademik denetim ve bilimsel kontrolü üstlenirken üniversite görev metnini, eğitim tasarımını ve değerlendirme koordinasyonunu yürüttü. Teknik ekip ise endüstriyel gereksinimleri, platform uyarlamasını ve teknik doğrulamayı sağladı. 151920

Bu yapı, gerçek mühendislik sorunlarını öğrencilerin tamamlayabileceği ve ölçülebilir biçimde değerlendirilebileceği görevlere dönüştürmeyi amaçladı. Aynı zamanda üç farklı beklentiyi bir arada tutmaya çalıştı:

• Akademik anlamlılık: Görev güncel ve kayda değer bir teknik probleme dayanmalı.
• Eğitim açısından uygulanabilirlik: Öğrenciler görevi öğrenerek ve belirli bir süre içinde tamamlayabilmeli.
• Endüstriyel gerçekçilik: Çözüm, somut sistem kısıtları altında test edilmeli.

Final aşamasındaki format bu yaklaşımı güçlendirdi. Yarışmada kapalı ve çevrim dışı uygulama, kara kutu değerlendirmesi, uzman incelemesi ve canlı savunma birlikte kullanıldı. Haberlerde bu düzenin dış servislerden ve önceden hazırlanmış gösterimlerden bağımlılığı azaltmayı, ekip sonuçlarını ortak bir ortamda daha karşılaştırılabilir hâle getirmeyi amaçladığı belirtiliyor. 11121519

Yapay zekâ mühendisliği eğitimi açısından ne söylüyor?

XianDao Cup’ın en açık mesajı şu: Yapay zekâ sistemleri uzmanlığı, yalnızca model bilgisiyle ölçülemiyor. Öğrencilerin darboğazları teşhis etmesi, doğru optimizasyon yöntemini seçmesi, yazılımı donanıma uyarlaması, performansı ölçmesi ve kararlarını teknik bir jüri önünde savunması gerekiyor.

Bu açıdan yarışma, eğitim ile istihdam arasında bir geçiş hattı oluşturuyor. Katılımcılar yerli işlemciler ve hızlandırıcılar, model servis sistemleri, bilimsel hesaplama platformları ve yazılım-donanım ortak optimizasyonu hakkında uygulamalı deneyim kazanıyor. İşverenler de yalnızca cilalanmış demoları değil, ekiplerin kontrollü testler altındaki performansını gözlemleyebiliyor. 61020

Ortaya çıkan model, “öğretim + uygulamalı eğitim + kampüs içi yarışma + ulusal değerlendirme” aşamalarını tek bir ilerleme zincirinde birleştiriyor. Bu yaklaşımın Çin’in yapay zekâ yazılımı, donanımı ve sistemleri için mühendis yetiştirmeye katkı sunabileceğini söylemek mümkün. Ancak tek başına bu yarışma, uzun vadeli istihdam sonuçlarını veya teknolojik bağımsızlığın tamamlandığını kanıtlamıyor.

XianDao Cup’ın daha geniş anlamı, sorduğu soruda yatıyor. Yarışma yalnızca “Öğrenciler akıllı bir model kurabiliyor mu?” demiyor. Asıl soru şu: “Bu modeli gerçek bir platformda, gerçek bir kullanım alanında ve standartlaştırılmış bir değerlendirme karşısında hızlı, kararlı ve verimli biçimde çalıştırabiliyorlar mı?”