4月13日, 历时5天的2024 ASC世界大学生超级计算机竞赛(ASC24)总决赛在上海落下帷幕。经过激烈的角逐,北京大学、中山大学分获冠亚军。

ASC24总冠军 北京大学
ASC24超算大赛历时近六个月,全球共有300余支高校代表队报名参加,经过预赛选拔出的25支队伍晋级本周在上海大学举行的总决赛,现场决赛队伍数量也创下历年之最。决赛要求各参赛队伍在3000瓦功耗约束下设计安装小型超算集群,运行优化国际通行基准测试HPL&HPCG、大模型推理优化、渗流数值模拟、火星大气模拟、新型材料结构计算等前沿科学与工程应用,并参加英文答辩。总决赛期间,25支队伍还通过抽签分为五组完成超级团队赛,通过跨团队合作,共同挑战地震波模拟赛题。

ASC24总决赛竞赛现场
总决赛争夺异常激烈,最终北京大学代表队发挥出色,在火星大气模拟、大模型推理优化、神秘应用新型材料电子结构计算等多个赛题表现突出,反映出全面、深刻的超算系统与应用理解能力以及出色的性能优化能力,夺得总冠军。中山大学代表队在渗流数值模拟、火星大气模拟、HPL&HPCG等多个赛题中都取得优异成绩,获得亚军。

ASC24亚军 中山大学
台湾新竹清华大学代表队在极具挑战性的渗流数值模拟赛题中,充分利用集群计算资源,在功耗约束下成功完成应用的大规模并行优化,以最短运行时间出色完成所有测试算例,取得全场最佳成绩,获得e Prize计算挑战奖。

ASC24 e Prize计算挑战奖 台湾新竹清华大学
由上海大学、南方科技大学、齐鲁工业大学、西南石油大学、香港理工大学等队组成的超级团队对地震波模拟赛题实现了高效优化,获得了超级团队奖。

ASC24 超级团队奖
上海大学、南方科技大学、齐鲁工业大学、西南石油大学、香港理工大学
此外,浙江大学代表队获得了最高计算性能奖。而山西大学、上海交通大学、北京航空航天大学等队伍凭借在单项赛题上的优异表现获得了应用创新奖。

ASC24最高计算性能奖 浙江大学

ASC24应用创新奖
山西大学、上海交通大学、北京航空航天大学
ASC专家委员会主席、图灵奖获得者、田纳西大学杰出教授杰克?唐加拉(Jack Dongarra)表示:“ASC激励下一代的高性能计算科学家和工程师们,使用最尖端的技术提供创新的解决方案。ASC竞赛是世界上最大的超算竞赛,致力于培养下一代青年人才,在超算和人工智能领域探索、创新和合作。”

Jack Dongarra ASC24闭幕式致辞
上海大学党委书记成旦红表示:“上海大学高度重视超算技术的研发和应用,积极培养相关领域的优秀人才。未来上海大学将聚焦超算领域建设和发展,不断强化学科交叉、平台建设和成果转化,持续优化专业设置和人才培养体系。”

上海大学党委书记成旦红致辞
中国科学院院士、上海大学校长刘昌胜表示:“通过承办此次ASC大赛,希望能够搭建更加广阔的超算技术交流舞台,不断推动超级计算技术发展,赋能AI for Education新范式,为科研创新、社会进步和人才培养做出更大贡献。”

中国科学院院士、上海大学校长刘昌胜致辞
ASC世界大学生超级计算机竞赛(ASC Student Supercomputer Challenge)由中国发起组织,并得到亚洲及欧美相关专家和机构支持,旨在通过大赛平台推动各国及地区间超算青年人才交流和培养,提升超算应用水平和研发能力,发挥超算的科技驱动力,促进科技与产业创新。ASC超算大赛迄今已举行至第十一届,吸引来自全球六大洲上万名大学生报名参赛,是全球最大规模的大学生超算竞赛。

ASC24全体成员赛场合影
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。