ASC26超算競賽：北大清華獲冠亞軍，世界模型成賽題重點，AI Agent幫選手提效

智東西
作者 楊京麗
編輯 李水青

智東西5月20日報道，今日，2026 ASC世界大學生超級計算機競賽（ASC26）總決賽在無錫學院落幕。

經過5天角逐，北京大學代表隊獲得本屆ASC競賽總冠軍，清華大學代表隊獲得亞軍。浙江大學、上海交通大學、北京航空航天大學、國防科技大學、復旦大學等高校代表隊獲得一等獎。

▲北京大學代表隊獲總冠軍（圖源：ASC超算）

單項獎方面，北京大學代表隊獲得e Prize計算挑戰獎，上海交通大學代表隊獲得最佳呈現獎，浙江大學、北京郵電大學、復旦大學代表隊獲得應用創新獎，齊魯工業大學（山東省科學院）代表隊獲得最高計算性能獎。

▲上海交通大學代表隊獲得最佳呈現獎

本屆ASC競賽共吸引全球300余支高校隊伍報名參賽，25支隊伍晉級總決賽。決賽期間，參賽隊伍需要在5000W總功耗限制下，現場設計、安裝并調試小型超算集群，完成HPL、HPCG兩項國際通用基準測試，以及世界模型UnifoLM-WMA-0推理加速等高難度賽題，并參加全英文海報呈現與答辯。

此外，25支隊伍還通過抽簽分為5組開展超級團隊賽，跨校協作攻克全球氣候數值模擬ICON賽題。青海大學、北京航空航天大學、上海交通大學、哥倫比亞EAFIT大學、北京師范大學組成的團隊獲得超級團隊獎。

▲超級團隊獎獲獎隊伍

比賽期間及頒獎典禮結束后，智東西與大賽組委會、無錫學院代表和獲獎團隊代表進行交流，了解今年賽題設計、團隊協作和參賽經驗。

智東西在采訪中注意到，AI Agent已經成為多支隊伍備賽和正式比賽中的重要工具，幫助選手完成代碼理解、性能優化、文檔整理和系統監控等任務，但參賽隊伍也普遍提到，AI工具能否真正發揮作用，仍取決于選手對代碼、系統和賽題本身的理解。

一、從世界模型到引力波模擬，超算賽題走向科研及產業一線

世界模型推理優化是ASC26的一大重點。UnifoLM-WMA-0賽題要求參賽隊伍在保證視頻質量的前提下，提升推理速度；LeWorldModel神秘應用賽題則聚焦基于JEPA架構的新一代世界模型，考察學生對AI模型、硬件平臺和工程優化的綜合理解。

大賽組委會在接受智東西提問時稱，今年賽題與科研和工業一線的貼合程度更高。以引力波數值模擬賽題為例，其背后對應的是黑洞演化等基礎科學問題，也與各國正在布局的下一代引力波探測計劃相關。組委會希望通過這類賽題，讓學生理解相關科學原理，為未來科技發展儲備人才。

▲ASC26超算大賽總決賽現場

在AI賽題上，組委會認為，機器人、具身智能等方向正在快速發展，未來機器需要理解真實世界，而世界模型正是其中的重要方向。大語言模型已經被廣泛使用，但并非萬能，世界模型可能成為AI進一步理解物理世界的重要路徑之一。

同時，全球氣候模擬、量子線路仿真等賽題也分別對應氣候變化、未來算力等長期問題，ASC希望讓學生在技術尚處于發展早期時，就接觸這些前沿方向，并建立能力儲備。

二、AI Agent成為參賽助手，選手仍需掌握代碼細節

在今年ASC26賽場上，AI不僅是賽題本身的重要方向，也成為多支參賽隊伍備賽、調試和協作的工具：從代碼理解、性能優化到文檔整理、系統監控，AI Agent正在進入學生超算競賽的實際工作流。

閉幕式后，冠軍隊北京大學代表隊談道，AI工具在備賽中已被大量用于代碼修改和優化，但在正式比賽的高壓場景下，AI并不能替代人的判斷。一名隊員舉例說，比賽首日賽題臨時出現調整時，他曾嘗試把題目描述和代碼交給AI Agent分析，但發現Agent容易在同一方向反復打轉，難以找到正確思路。最終，隊員還是結合此前優化經驗，定位到底層修改方向。他認為，AI要發揮最好效果，仍需要人給出明確指示和判斷。

北京大學代表隊中還有一名隊員本科專業是印地語。談及為何從語言專業背景參與超算競賽，他說，自己主要是出于對計算機的興趣，先加入學校里研究現代操作系統和開源軟件的社團，并在社團工作中接觸到集群管理等內容，之后才逐步加入超算隊、通過觀摩和實踐進入ASC賽場。對他來說，ASC提供了專業之外接觸大模型、數學和計算機知識的機會，也讓跨學科興趣有了具體落點。

▲北京大學代表隊兩名學生代表

智東西在采訪交流中了解到，清華大學代表隊的備賽過程中，AI Agent也起到了關鍵作用。清華隊員稱，他們今年與百川智能合作，從2月至3月開始將其用于備賽，搭建了飛書智能體，提升解題效率。在世界模型相關賽題中，如果按往年節奏，可能需要兩三名同學花兩三個月優化；今年他們主要由一名同學配合智能體，用一個月左右就完成優化，并在該題上取得第二名的成績。

▲清華大學代表隊的海報展示

清華隊員介紹，團隊成員主要負責重寫計算部分的GPU kernel，而一些“雜活”則更多交給Agent完成，團隊主要通過提示詞指導Agent優化。不過，實際使用中他們也發現，模型存在記憶窗口較短、工具調用不順、上下文理解不足等問題，賽場上還曾花費數小時排查故障。所以說，AI助手確實能提升效率，但選手仍要理解并掌握代碼細節，才能在突發情況中快速應對。

結語：AI與超算結合，從賽題走向真實工作流

從世界模型推理優化到量子線路仿真、全球氣候模擬，ASC26的賽題緊貼當前AI和前沿科研熱點。對參賽學生來說，比賽考察的不只是單項編程能力，選手還需要在有限功耗和現場環境下，把AI模型、并行計算、系統調優和團隊協作串起來解決問題。

這種能力也更貼近產業需求。總決賽期間，現場還設置了企業招聘對接環節，企業關注的正是學生在復雜任務中拆解問題、使用工具和快速協作的能力。AI Agent進入參賽隊伍的備賽和解題過程，也讓“AI+超算”的結合從賽題設計延伸到真實工作流中。未來，能理解問題、駕馭工具并完成系統優化的復合型人才，將成為產業一線重要力量。