ASC26超算竞赛：北大清华获冠亚军，世界模型成赛题重点，AI Agent帮选手提效

智东西
作者 杨京丽
编辑 李水青

智东西5月20日报道，今日，2026 ASC世界大学生超级计算机竞赛（ASC26）总决赛在无锡学院落幕。

经过5天角逐，北京大学代表队获得本届ASC竞赛总冠军，清华大学代表队获得亚军。浙江大学、上海交通大学、北京航空航天大学、国防科技大学、复旦大学等高校代表队获得一等奖。

▲北京大学代表队获总冠军（图源：ASC超算）

单项奖方面，北京大学代表队获得e Prize计算挑战奖，上海交通大学代表队获得最佳呈现奖，浙江大学、北京邮电大学、复旦大学代表队获得应用创新奖，齐鲁工业大学（山东省科学院）代表队获得最高计算性能奖。

▲上海交通大学代表队获得最佳呈现奖

本届ASC竞赛共吸引全球300余支高校队伍报名参赛，25支队伍晋级总决赛。决赛期间，参赛队伍需要在5000W总功耗限制下，现场设计、安装并调试小型超算集群，完成HPL、HPCG两项国际通用基准测试，以及世界模型UnifoLM-WMA-0推理加速等高难度赛题，并参加全英文海报呈现与答辩。

此外，25支队伍还通过抽签分为5组开展超级团队赛，跨校协作攻克全球气候数值模拟ICON赛题。青海大学、北京航空航天大学、上海交通大学、哥伦比亚EAFIT大学、北京师范大学组成的团队获得超级团队奖。

▲超级团队奖获奖队伍

比赛期间及颁奖典礼结束后，智东西与大赛组委会、无锡学院代表和获奖团队代表进行交流，了解今年赛题设计、团队协作和参赛经验。

智东西在采访中注意到，AI Agent已经成为多支队伍备赛和正式比赛中的重要工具，帮助选手完成代码理解、性能优化、文档整理和系统监控等任务，但参赛队伍也普遍提到，AI工具能否真正发挥作用，仍取决于选手对代码、系统和赛题本身的理解。

一、从世界模型到引力波模拟，超算赛题走向科研及产业一线

世界模型推理优化是ASC26的一大重点。UnifoLM-WMA-0赛题要求参赛队伍在保证视频质量的前提下，提升推理速度；LeWorldModel神秘应用赛题则聚焦基于JEPA架构的新一代世界模型，考察学生对AI模型、硬件平台和工程优化的综合理解。

大赛组委会在接受智东西提问时称，今年赛题与科研和工业一线的贴合程度更高。以引力波数值模拟赛题为例，其背后对应的是黑洞演化等基础科学问题，也与各国正在布局的下一代引力波探测计划相关。组委会希望通过这类赛题，让学生理解相关科学原理，为未来科技发展储备人才。

▲ASC26超算大赛总决赛现场

在AI赛题上，组委会认为，机器人、具身智能等方向正在快速发展，未来机器需要理解真实世界，而世界模型正是其中的重要方向。大语言模型已经被广泛使用，但并非万能，世界模型可能成为AI进一步理解物理世界的重要路径之一。

同时，全球气候模拟、量子线路仿真等赛题也分别对应气候变化、未来算力等长期问题，ASC希望让学生在技术尚处于发展早期时，就接触这些前沿方向，并建立能力储备。

二、AI Agent成为参赛助手，选手仍需掌握代码细节

在今年ASC26赛场上，AI不仅是赛题本身的重要方向，也成为多支参赛队伍备赛、调试和协作的工具：从代码理解、性能优化到文档整理、系统监控，AI Agent正在进入学生超算竞赛的实际工作流。

闭幕式后，冠军队北京大学代表队谈道，AI工具在备赛中已被大量用于代码修改和优化，但在正式比赛的高压场景下，AI并不能替代人的判断。一名队员举例说，比赛首日赛题临时出现调整时，他曾尝试把题目描述和代码交给AI Agent分析，但发现Agent容易在同一方向反复打转，难以找到正确思路。最终，队员还是结合此前优化经验，定位到底层修改方向。他认为，AI要发挥最好效果，仍需要人给出明确指示和判断。

北京大学代表队中还有一名队员本科专业是印地语。谈及为何从语言专业背景参与超算竞赛，他说，自己主要是出于对计算机的兴趣，先加入学校里研究现代操作系统和开源软件的社团，并在社团工作中接触到集群管理等内容，之后才逐步加入超算队、通过观摩和实践进入ASC赛场。对他来说，ASC提供了专业之外接触大模型、数学和计算机知识的机会，也让跨学科兴趣有了具体落点。

▲北京大学代表队两名学生代表

智东西在采访交流中了解到，清华大学代表队的备赛过程中，AI Agent也起到了关键作用。清华队员称，他们今年与百川智能合作，从2月至3月开始将其用于备赛，搭建了飞书智能体，提升解题效率。在世界模型相关赛题中，如果按往年节奏，可能需要两三名同学花两三个月优化；今年他们主要由一名同学配合智能体，用一个月左右就完成优化，并在该题上取得第二名的成绩。

▲清华大学代表队的海报展示

清华队员介绍，团队成员主要负责重写计算部分的GPU kernel，而一些“杂活”则更多交给Agent完成，团队主要通过提示词指导Agent优化。不过，实际使用中他们也发现，模型存在记忆窗口较短、工具调用不顺、上下文理解不足等问题，赛场上还曾花费数小时排查故障。所以说，AI助手确实能提升效率，但选手仍要理解并掌握代码细节，才能在突发情况中快速应对。

结语：AI与超算结合，从赛题走向真实工作流

从世界模型推理优化到量子线路仿真、全球气候模拟，ASC26的赛题紧贴当前AI和前沿科研热点。对参赛学生来说，比赛考察的不只是单项编程能力，选手还需要在有限功耗和现场环境下，把AI模型、并行计算、系统调优和团队协作串起来解决问题。

这种能力也更贴近产业需求。总决赛期间，现场还设置了企业招聘对接环节，企业关注的正是学生在复杂任务中拆解问题、使用工具和快速协作的能力。AI Agent进入参赛队伍的备赛和解题过程，也让“AI+超算”的结合从赛题设计延伸到真实工作流中。未来，能理解问题、驾驭工具并完成系统优化的复合型人才，将成为产业一线重要力量。