“算能杯”集創(chuàng)賽是基于TPU處理器的云邊端協(xié)同智能應(yīng)用創(chuàng)新設(shè)計(jì)，算能為參賽選手提供了超強(qiáng)算力的開發(fā)板、微服務(wù)器等硬件資源，歡迎各大高校的開發(fā)者報(bào)名參與！

AI應(yīng)用正從“模型能力驅(qū)動”逐步轉(zhuǎn)向“系統(tǒng)能力驅(qū)動”。在實(shí)際場景中，僅依賴云端大模型已難以滿足低延遲、低成本和高可靠性的需求，尤其是在機(jī)器人、智能終端與物聯(lián)網(wǎng)等領(lǐng)域，實(shí)時性與功耗約束更加突出。因此，云邊端協(xié)同計(jì)算成為當(dāng)前AI系統(tǒng)的重要發(fā)展方向，通過在端側(cè)與邊緣側(cè)完成感知與預(yù)處理，在云端完成復(fù)雜推理，實(shí)現(xiàn)性能與成本的平衡。

與此同時，Agent技術(shù)的興起進(jìn)一步推動AI從被動響應(yīng)走向主動執(zhí)行，使系統(tǒng)具備任務(wù)理解、工具調(diào)用與自動化執(zhí)行能力。結(jié)合算能TPU在端側(cè)與邊緣側(cè)的算力優(yōu)勢，以及Sophnet提供的云端大模型能力，可以構(gòu)建高效、低延遲且具備實(shí)際落地價(jià)值的智能系統(tǒng)。

本賽題旨在引導(dǎo)參賽者探索軟硬件協(xié)同優(yōu)化與系統(tǒng)級設(shè)計(jì)方法，推動AI應(yīng)用從實(shí)驗(yàn)走向真實(shí)場景落地。

算能杯賽題解析

一、賽事要求

本賽題要求基于算能TPU硬件平臺設(shè)計(jì)完整智能系統(tǒng)，重點(diǎn)體現(xiàn)從模型優(yōu)化、硬件適配到系統(tǒng)集成的全流程能力。系統(tǒng)需圍繞實(shí)際應(yīng)用場景，結(jié)合視覺或語音模型，在端側(cè)或邊緣側(cè)完成感知與計(jì)算，并根據(jù)需求選擇是否接入云端大模型，實(shí)現(xiàn)多層級協(xié)同計(jì)算。

在架構(gòu)設(shè)計(jì)上，端側(cè)與邊緣側(cè)至少選擇其一作為核心計(jì)算節(jié)點(diǎn)，云端為可選增強(qiáng)能力。端側(cè)（CV1800B/SG200X）強(qiáng)調(diào)低功耗與實(shí)時響應(yīng)，適合部署輕量模型完成數(shù)據(jù)采集與初步理解；邊緣側(cè)（BM1684X）具備更高算力，可承擔(dān)多模態(tài)融合與復(fù)雜推理任務(wù)；云端Sophnet提供大模型能力，用于復(fù)雜語義理解與決策。

系統(tǒng)需通過“數(shù)據(jù)前處理 + 智能路由”機(jī)制減少無效數(shù)據(jù)上傳。例如端側(cè)完成目標(biāo)檢測或語音解析，邊緣側(cè)進(jìn)行結(jié)構(gòu)化處理，僅上傳關(guān)鍵語義信息至云端，從而降低token消耗并提升響應(yīng)效率。同時需基于TPU-MLIR工具鏈完成模型轉(zhuǎn)換與優(yōu)化，實(shí)現(xiàn)算能TPU上的高效部署。

二、任務(wù)解析

端側(cè)基于CV1800B或SG200X開發(fā)板（RISC-V架構(gòu)），負(fù)責(zé)傳感器接入與輕量推理任務(wù)，例如圖像識別、語音喚醒等，強(qiáng)調(diào)實(shí)時性與低功耗，同時具備良好的嵌入式擴(kuò)展能力。

邊緣側(cè)基于BM1684/BM1684X設(shè)備，作為系統(tǒng)核心計(jì)算節(jié)點(diǎn)，負(fù)責(zé)多模態(tài)數(shù)據(jù)處理、復(fù)雜模型推理及功能模塊整合，同時可以承載Sophclaw、PicoClaw類框架中的Skill能力模塊，對外提供統(tǒng)一服務(wù)接口，實(shí)現(xiàn)“能力服務(wù)化”。

云端通過Sophnet提供大模型API，主要用于復(fù)雜語義理解、任務(wù)規(guī)劃與內(nèi)容生成。云端為可選模塊，通過端邊側(cè)的數(shù)據(jù)篩選與壓縮，可顯著降低調(diào)用成本，并提升系統(tǒng)整體響應(yīng)效率。

三、應(yīng)用場景推薦

1、RISC-V邊緣智能計(jì)算系統(tǒng)

基于SG200X等RISC-V架構(gòu)處理器構(gòu)建開放式智能計(jì)算節(jié)點(diǎn)，端側(cè)實(shí)現(xiàn)低功耗AI推理與設(shè)備控制，邊緣側(cè)負(fù)責(zé)模型部署與計(jì)算加速；系統(tǒng)可結(jié)合開源生態(tài)實(shí)現(xiàn)靈活擴(kuò)展，適用于嵌入式AI設(shè)備、邊緣服務(wù)器或分布式智能節(jié)點(diǎn)，體現(xiàn)軟硬件協(xié)同優(yōu)化能力，鼓勵X86、ARM軟件生態(tài)到RISC-V平臺的AI自動化移植。

2、AI智能終端與個人助手系統(tǒng)（Sophclaw / PicoClaw）

端側(cè)實(shí)現(xiàn)語音交互與任務(wù)觸發(fā)，邊緣側(cè)作為能力中心提供computer-use、mobile-use、browser-use等技能，實(shí)現(xiàn)自動操作設(shè)備、調(diào)用應(yīng)用與信息獲取；系統(tǒng)通過任務(wù)拆解與執(zhí)行形成閉環(huán)；云端用于復(fù)雜推理與多輪任務(wù)規(guī)劃，構(gòu)建具備執(zhí)行能力的智能助手。

3、具身智能

端側(cè)完成視覺感知與基礎(chǔ)識別，實(shí)現(xiàn)環(huán)境理解與目標(biāo)檢測；邊緣側(cè)進(jìn)行多傳感器融合與路徑規(guī)劃，支持運(yùn)動控制與任務(wù)執(zhí)行；云端可選用于復(fù)雜語義解析與任務(wù)決策，使機(jī)器人具備更自然交互與復(fù)雜行為能力。

4、AI教育與智能學(xué)習(xí)系統(tǒng)

端側(cè)用于學(xué)生行為識別與語音交互，例如專注度檢測與課堂反饋；邊緣側(cè)進(jìn)行學(xué)習(xí)數(shù)據(jù)分析與內(nèi)容匹配，實(shí)現(xiàn)個性化推薦與實(shí)時評估；云端可用于生成教學(xué)內(nèi)容與學(xué)習(xí)路徑規(guī)劃，提升教育系統(tǒng)的智能化水平。

5、Agent化智能物聯(lián)網(wǎng)系統(tǒng)（IoT升級方向）

傳統(tǒng)IoT以規(guī)則驅(qū)動為主，本系統(tǒng)通過引入Agent機(jī)制實(shí)現(xiàn)升級。端側(cè)設(shè)備負(fù)責(zé)環(huán)境感知與設(shè)備控制，邊緣側(cè)作為統(tǒng)一決策節(jié)點(diǎn)，通過技能模塊實(shí)現(xiàn)設(shè)備協(xié)同與自動化調(diào)度；系統(tǒng)可根據(jù)環(huán)境變化動態(tài)決策，而非依賴固定規(guī)則；云端用于全局策略優(yōu)化，實(shí)現(xiàn)從“規(guī)則控制”向“智能決策”的轉(zhuǎn)變。

注：參賽作品不拘泥于上述方向，可進(jìn)行自主創(chuàng)新。

四、評分標(biāo)準(zhǔn)

五、關(guān)于算能

算能專注于RISC-V、TPU處理器等算力產(chǎn)品的研發(fā)和推廣應(yīng)用。公司秉持全面開源開放的生態(tài)理念，引領(lǐng)智算技術(shù)創(chuàng)新，打造覆蓋“云、邊、端” 全場景產(chǎn)品矩陣，在智算中心、大模型應(yīng)用、城市管理、智慧安防、智慧教育、智能終端等多元場景得到了廣泛應(yīng)用和用戶認(rèn)可。自2016年以來，旗下品牌算豐SOPHON系列產(chǎn)品已完成多次迭代，每代產(chǎn)品相較于前代產(chǎn)品均實(shí)現(xiàn)了能耗比倍數(shù)級提升。在RISC-V領(lǐng)域，穩(wěn)居行業(yè)領(lǐng)先地位。

公司在北京、上海、深圳、青島等國內(nèi)10多個城市及新加坡等國家設(shè)有研發(fā)中心，研發(fā)人員占比超過 70%，其中碩博士占比超過80%。