为深入贯彻党中央、国务院关于加快人工智能产业创新发展的一系列决策部署，加速人工智能核心技术攻关和行业应用，着力解决人工智能重大产业化问题，推动通用人工智能与未来产业、实体经济高质量发展，加快形成新质生产力，中国人工智能学会主办的“‘场景驱动·数智强国’——2025第三届全国人工智能应用场景创新挑战赛智能算力(杭州)专项赛”目前已启动。
该专项赛采用“开放场景”竞赛模式，立足杭州，面向全国各地公开征集不少于120个智能算力场景的应用创新项目参赛。赛事通过网络选拔、重点推荐、行业晋级、路演比拼、赛奖嘉年华等重点环节角逐，推荐专项或产业获奖项目进入全国总决赛。
大赛主题：场景驱动·数智强国
大赛名称：2025第三届全国人工智能应用场景创新挑战赛智能算力(杭州)专项赛
2025CICAS智能算力(杭州)专项赛聚焦以下场景：
面向智能体快速构建、AI应用高效开发、行业内容创作、模型部署与优化、数据处理与分析、智能决策支持、自动化流程优化等应用需求，利用智能算力及算力网应用生态提供的异构算力整合、国产芯片适配与优化、大模型部署与推理优化、开源模型应用开发工具链、算网协同、算电协同等技术，在科学研究、金融科技、文化创意、教育培训、公共服务、工业制造、能源环境等场景，推动自主芯片、平台、模型等技术体系的落地与应用，拓展算力网智能算力生态协作，助力算力网与各行业的深度融合。
参赛团队可提供某一具体方向的应用解决方案，重点鼓励方法创新、跨界融合，避免纯技术堆砌。
赛题解读
专题赛道一：打造高端高效智能经济的智能算力应用场景
赛题一: 面向国产算力生态的知识发掘与应用
聚焦人工智能、复杂知识、算子优化、创新应用四大核心方向，探索新型的AI优化方法，提升国产算力平台的计算效率，并挖掘复杂系统中的知识结构，推动智能认知与决策。
参赛者可以从以下几个方面展开研究与实践：
算子优化——针对国产AI芯片（如天数智芯等），优化深度学习算子，提高模型计算效率，降低能耗，实现更高效的算力利用；
复杂知识挖掘——结合知识图谱、自然语言处理等技术，分析和挖掘国产GPU生态中的多源异构数据，构建面向开发者的知识体系；
创新应用探索——基于国产算力生态，开发适配于智慧城市、智能制造、医疗健康等领域的AI应用，提升国产AI技术的落地能力。
赛题二:混合异构算力环境智能运维解决方案
针对现代智算中心混合异构计算环境（如CPU、GPU、NPU等）的运维挑战，通过设计智能运维框架，利用大数据分析和机器学习技术进行故障模式识别、系统性能优化，提高智能运维系统的准确性和可靠性。解决方案需整合多源异构数据，实现对计算资源的统一监控、分析与管理，包括系统监控可视化、故障预测预警、资源动态调度等核心功能。
参赛团队需构建能适应不同规模和配置环境的解决方案，达成对混合算力环境的全面运维管理、故障自动诊断和资源利用率优化，有效降低运维成本，提升系统整体可靠性。
赛题三:面向Text2SQL场景能力进行微调挑战
针对在线算力应用场景，使用组委会提供的基础数据集，基于九章云极Alaya NeW在线算力平台提供的VSCode工具和算力包（GPU算力资源）完成对Llama3-8B模型的代码开发和模型微调，提升其Text2SQL能力。参赛选手需在25 DCU（1 DCU =312 TFLOPS * 1小时）算力消耗完之前，完成最佳效果的模型微调及提交。允许自行调研更多的数据集、微调算法和代码，以提升微调效果。
赛题四: 检索增强生成（RAG）召回命中率提升挑战
通过多种策略，如优化检索算法、文档格式自动转换，以及融合多种检索策略等方式，提高RAG系统在各类应用场景中的性能表现。
参赛团队需提出一套提升RAG命中召回率的解决方案。开发一个基于上述解决方案的RAG系统平台，并在多个标准数据集、复杂文档类型情况下（如扫描的PDF文件等），在实际应用场景中进行测试，提供测试方案和测试数据，与主流开源的RAG系统进行对比验证，证明方案的可行性和先进性。实际应用场景应包含知识图谱问答、故障分析系统等。
赛题五: 创新代码生成与辅助技术AI编程工具
针对AI代码生成与编程辅助需求，利用开源DeepSeek模型的代码理解与生成能力，结合平台API扩展功能（如代码分析、调试接口），开发插件或独立应用，解决以下任⼀技术难题：
Code RAG——针对大量外部信息，实现基于代码检索信息并增强生成效果（如根据代码反查数据库匹配信息以提升代码生成效果）；
文档辅助编程——将技术文档自动转化为可执⾏代码（如API接口生成、代码方法效果提升等）；
超大规模代码仓库的代码生成——支持千万级代码仓库的理解与生成；
Coding Agent拓展——基于MCP协议或其他Agent框架实现动态的Agent。
赛题六: 基于多模态AI Agent的教育科研智能助手平台
针对教育科研领域数据检索、整理、分析和内容生成等环节的工作效率与研究质量提升需求，基于多模态开源大模型，结合AI Agents技术，设计适合科研人员的智能助手平台或工具链，实现智能文献检索与摘要生成能力；多模态科研数据的智能分析（文本、图表、视频、语音）；具备多Agent协作，完成科研任务的自动分解与执行；提供科研内容自动生成（如研究报告、PPT、数据可视化等）。
赛题七: 智能数字教师培训内容生成与交互优化方案
针对数字化和智能化教学中培训教师需快速、高质量地生成教学内容并高效地与学员互动等需求，利用大模型（如Llama3、DeepSeek、Qwen等）和异构算力环境（CPU/GPU/NPU），设计智能化的教师培训内容生成与互动系统，具备智能课件生成、互动问答助理、多模态内容融合、反馈优化机制等能力，帮助数字培训教师实现智能化自动生成教学课件（PPT）、讲义、微课视频、测验题目；实时分析和响应课堂互动数据，提供即时问答和个性化教学建议；可视化教学内容生成流程与互动效果评估分析。
赛题八: 基于多模态大模型的通⽤AI Agent平台
针对开源多模态大模型的通用AI Agent构建需求，实现基于多模态大模型的通用AI Agent平台或工具链。支持可视化将复杂需求拆解为可执行的子任务链；集成多种扩展能力（如多Agent协作、浏览器自动化操作、MCP协议跨平台通信等）；实现与虚拟/物理环境的动态交互（如网页操作、数据库读写）；具备对特定场景的定制支持能力。
参赛团队需提交完整的平台架构设计文档，包括：通信协议支持（如MCP协议扩展），任务调度机制（如多Agent协作策略），容错处理方案（如任务失败回滚机制），开放接口支持。
赛题九: 基于全国产大模型的情知兼具虚拟数字人
基于国产大模型，构建情知兼具虚拟数字人相关软件、系统、平台或工具。
参赛者可以从以下几个方面展开研究与实践：
数字人知识库——结合知识图谱与大语言模型（LLM），构建虚拟数字人的动态知识库，使其在垂直领域（如医疗咨询、金融客服）中实现精准、可解释的问答与决策支持。
数字人情感化行为——开发具有情感表达能力的虚拟数字人行为生成系统，精准识别喜、怒、哀、乐、惊、惧及中性七种基础情感，并覆盖微表情、肢体语言与语调的智能适配，提升人机交互自然度。
国产化生态适配——基于国产算力硬件，开发可快速部署的虚拟数字人解决方案，重点突破智慧政务、在线教育等场景中的技术卡点。
赛题十: 工业大模型多模态训练数据集构建与质量优化方案
针对工业场景下大模型应用的特殊需求，设计高效的多模态数据处理与数据集构建方案。
参赛团队需重点解决以下难点：
一是工业文本数据的专业术语识别、关键信息提取和指令数据生成；
二是工业图像和视频的场景分类、目标检测与描述生成；
三是多模态数据的关联与对齐，建立文本-图像-视频的语义连接；
四是构建符合工业场景特点的偏好数据集，设计合理的评分标准与收集机制；
五是评估数据集的构建与验证方法，确保模型在工业专业能力方面的可靠评估。
报名方式
登录全国人工智能应用场景创新挑战赛官网（www.cicas.cn）了解赛事详情，参赛报名截止时间6月30日24:00。