芯耀
与非AI
224
过去几年，国产大模型在全球开源赛道的增长势头持续提速。全球最大AI开源社区 Hugging Face今年3月发布的行业报告显示，中国大模型的月度下载量与累计总下载量双双超越美国；仅过去一年，中国模型在全球下载总量中的占比达41%，成长速度领跑全球。
这组数据让很多人直呼中国AI迎来了“斯普特尼克时刻”，开源模型正在实现对海外的弯道超车；也有不少人认为：上层应用的繁荣之下，国产AI的底层根基到底扎得有多稳？
7月18日，中国电信人工智能生态论坛召开。论坛上，中电信人工智能科技有限公司联合华为正式成立智算创新中心，并启动“星辰杯・高校AI算子开发挑战赛”全球招募。
一边是获评“央企十大国之重器”的星辰大模型交出全栈国产落地答卷，一边是面向高校启动招募的星辰杯算子挑战赛深耕底层算力生态人才储备，中国电信以“模型+赛事”的组合拳，给出国产 AI 全栈自主的清晰落地路径。
面对行业热议的“国芯训国模”，星辰大模型实现了怎样的落地进展？面向高校发起的算子挑战赛，会为国产算力生态带来哪些实际价值？
01百模竞逐的繁荣之下，两大底层痛点待解
历经数年高速发展，国内大模型产业步入规模化落地的深水区。据中国信通院统计，截至2025年12月，国产开源大模型全球累计下载量已突破100亿次。只是在应用层繁荣的表象之下，产业底层仍有两个核心痛点需要补齐。
第一，大模型产业的底层算力生态仍存在对外依赖。国内绝大多数大模型的训练与推理，仍基于海外芯片和软件生态。不少人认为，国产AI的瓶颈仅在硬件芯片，但真正拉开差距的也包括软件栈和算子生态。
算子作为连接芯片硬件指令与上层模型算法的计算桥梁，其覆盖度、优化精度、执行效率，直接决定芯片峰值算力的实际利用率。而国产算力平台的算子生态起步较晚，通用场景虽已基本覆盖，但在细分场景的算子丰富度、极致性能优化层面仍有明显差距。
第二，底层技术人才断层，产学研对接存在明显落差。算子开发是AI领域综合门槛最高的方向之一，要求开发者同时掌握芯片架构、模型算法等多重能力。国内高校的AI人才培养多集中于上层算法与应用开发，企业端自研算子投入大、周期长，难以支撑生态完善。
一边是国产算力硬件快速迭代，一边是上层大模型与应用爆发式增长，中间的算子层逐渐成为国产AI自主化进程的关键衔接带——硬件算力规模持续扩容，模型需求不断升级，但中间的适配、优化能力跟不上，最终会制约国产AI落地的成本效率与自主可控程度。
正如行业共识，随着大模型训练、推理及行业应用持续深化，单一环节的技术突破已难以满足产业需求，亟须构建贯通芯片、算力、模型和应用场景的协同创新生态。而算子生态与底层人才，正是打通全链路的关键衔接点。
02 星辰大模型：验证“国芯训国模”全栈路径
理解了上述行业背景，再看星辰大模型的产业价值，就远不止一款国产大模型这么简单。它的核心意义是为行业跑通“全国产算力训练千亿级大模型”的完整路径，用实战结果验证了：依托国产芯片与国产框架，同样能训练出达到主流水平的通用大模型。
其一，技术底座：打破国产算力的训练效能瓶颈。就在两年前，行业还普遍认为国产集群无法支撑千亿参数大模型的长稳训练，集群稳定性、并行调度、算子适配都是公认的难关。
而星辰大模型基于国产万卡算力集群，将集群有效训练利用率提升至 98% 以上，训练效能达到同级别海外GPU的93%以上。这份成绩的背后，是算子优化、框架适配、集群调度等多层级的底层技术攻坚，直接打破国产算力训不动大模型的行业偏见。
其二，开源生态：全尺寸开放的产业带动效应。基于全栈国产的技术底座，星辰大模型形成语义、语音、图像、视频的全模态能力布局，参数覆盖十亿至千亿全尺寸，并实现全面开源。
截至目前，星辰系列模型在全球最大开源社区Hugging Face总下载量超65万，位列全国产大模型TOP1，为全行业提供可复用、可二次开发的全国产模型底座。
其三，场景落地：经真实业务验证的产业级能力。更关键的是，星辰语义大模型已在政务服务、智慧物流、航天科研、能源巡检等数十个核心行业场景实现规模化落地，成为支撑产业数字化的通用AI底座。这意味着，“国芯训国模”已经变成可以支撑产业落地的成熟方案。
虽然星辰大模型解决了国产算力能不能训好模型的从0到1问题，但底层算子生态的完善程度，才是决定国产AI规模化落地天花板的核心因素。这也正是在本届WAIC上，中国电信在展示星辰大模型成果的同时，同步启动算子挑战赛全球招募的原因——上层实现突破之后，必然要向下深耕生态，补齐产业短板。
03算子挑战赛：为国产算力生态注入源头活水
在本届WAIC期间，中电信人工智能科技有限公司与华为启动“中国电信星辰杯・高校AI算子开发挑战赛”全球招募，面向全国高校开发者开放Ascend C赛道，撬动产学研力量共同完善国产算子生态。
本次大赛以“算子筑基，智惠未来“为主题，覆盖全国逾百所高校，聚焦算子开发和国产大模型训练场景，围绕行业前沿算效问题开展实战比拼，是中国电信“以赛代选、以赛代招”人才体系的核心组成部分。
从赛事配置来看，这是一次精准对接产业需求的生态布局。具体来说，赛事周期约10周，目前正处于报名招募阶段，预计招募100支以上985/211高校核心队伍参赛，总奖金池超30万元，同时为获奖选手提供电信面试直通车、系列纪录片录制等成长通道。
而且，赛题设置也很贴合产业真实需求，涵盖Manifold Hyper Connection系列算子、DSA索引/稀疏/稠密/注意力算子、SwiGLU激活等大模型训练推理中的核心计算单元，覆盖简单、中等、困难多个难度层级，所有题目均来自国产算力落地中的真实优化场景。
在笔者看来，对国产算力生态而言，这场赛事的价值体现在三个层面。
首先，补充国产算子库的技术储备。赛事沉淀的高质量算子优化成果，将持续充实国产算力的算子库，提升细分场景的计算效率，降低全行业基于国产算力开发模型与应用的门槛。
其次，打通产学研综合人才培养链路。赛事定向覆盖 985/ 211 院校的AI实验室，一方面将产业真实的技术需求传递到高校，推动学术研究与产业需求对齐；另一方面为在校学生提供国产算力开发环境与专家指导，参赛学生可深度接触产业级算子优化工作，叠加奖金激励与面试直通车通道，既能为行业储备底层技术人才，也为高校开发者打通职业成长路径。
最后，推动产业链协同共建生态。本次赛事由中电信人工智能科技有限公司、华为与AtomGit联合发起，中国电信拥有大模型落地场景与全国产算力底座，华为具备芯片与底层算力栈技术能力，高校提供人才与科研力量，三方联动形成技术共建、成果共享的正向循环。
与赛事同步开启的还有AI青年人才招募计划，面向全球吸纳顶尖技术团队与青年人才，将赛事选拔、校园招聘、前沿研究联动打通，为星辰大模型等技术研发持续输送人才动能。
笔者观察：AI下半场的竞争，拼的是地基厚度
逛完WAIC大会，笔者最直观的感受是：国产AI产业正在从追热点、拼概念的上半场，步入拼底层、拼生态的下半场。上半场的竞争是显性的：比参数规模、比榜单排名、比落地案例数量。但下半场的竞争是隐性的：比拼算力底座的扎实程度、算子生态的完善程度、人才储备的厚度，这些因素直接决定产业最终天花板。
笔者认为，AI领域国家队的核心价值，在于牵头做难而正确的事。市场化企业做大模型，优先考虑商业落地与用户增长，自然会更聚焦应用层；而作为人工智能领域的国家队，中国电信承担的是产业筑基的责任。算子生态建设这类投入大、周期长、见效慢，但对行业至关重要的基础工作，恰恰需要国家队牵头推动，拉通产学研各方力量共同完成。
回到文章开头的话题：中国AI是否真正迎来了自己的关键节点？在笔者看来，答案不在于单周调用量是否超越对手，而在于当我们从底层算子到上层模型，每一层都有足够多的从业者深耕、有足够完善的生态支撑时，国产AI才算真正站稳了全球第一梯队。
根深叶茂行方远，本固枝荣路自宽。从星辰大模型的向上突破，到算子挑战赛的向下筑基，笔者看到了清晰的产业路径：算子为基，模型为用，生态为翼，这条路一定会走得很稳。
