AI既可以存在于高大上的实验室里，也可以是矿山农田里的新生产资料。如果只将目光聚焦于前者，忽略具体行业和真实需求对产业AI的呼唤，必然无法最大化释放出AI的价值。

随着AI一步步深入产业，技术与应用场景的结合，也开始变得迫切。其中，一个重要的前提条件就是人才。

但人才与产业之间，往往隔着行业经验、知识、实践等一座座山峰，有什么办法可以让代表创造力的人才，看到那些隐藏需求呢？

第七届中国国际“互联网+”大学生创新创业大赛，作为我国覆盖面最大、影响最广的大学生创新创业盛会，今年就首次增设了产业命题赛道，吸引了来自国内外121个国家和地区4347所院校的956万人报名参赛。

中国AI产业化的山峦，迎来了一群年轻的攀登者。

10月15日，本次大赛在江西南昌顺利落下帷幕。而吸引我们注意的，是产业命题赛道的50支决赛队伍中，有13支华为命题队伍，应用到了腾AI、鲲鹏、华为云、CT、OpenHarmony技术等，覆盖到了人工智能计算生态、云计算、操作系统等前沿创新领域。

这也使我们开始思考，作为大学生创新创业赛事，想要激活参赛者的创意、解决产业问题的激情，平台和企业应该为他们提供哪些能力？作为大学生，借助一场比赛如何获得更长远的成长？产教如何联动，才能缓解中国智能化浪潮中的人才焦渴？

不妨以这场比赛为契机，看看这群朝气蓬勃的创新人才，如何征服产业高峰，解锁隐藏的AI藏宝图。

关山难越从头越，产业AI的风景与困境

AI产业化和产业AI化，让智能技术展现出了规模化应用、帮助社会经济提质增效的真实价值。然而如今在AI的应用场景中，我们还能看到一幅幅这样的画面：

由于意想不到的行业特殊问题，实验室里效果出色的AI，一进工厂、农田、养殖场等就变得没那么惊艳了；传统行业、中小企业需要有人来优化模型、迭代算法、解决问题，却无力支付动辄博士起步的专家费用；即使请来了专家，如果不能在应用场景里深入考察，也未必能长久解决问题……

要解决创新人才和产业需求的困境，最根本的办法是培养不同领域的人，建设AI创新生态，满足产业智能化的三个基本诉求：

1.产业感知，有既懂产业又懂技术的创新人才，知道如何将行业痛点转化为AI可解的问题，让技术真正投入使用；

2.人机协作，充足的高质量人才，可以投身产业侧，将AI软硬件的效用最大化，充分发挥技术价值；

3.持续迭代，具备创新眼光与思维，跟随日新月异的技术变化不断更新迭代，让产业AI不断进化、提质增效。

同时，产业AI也是一个创新创业的机遇宝库。作为我国深化创新创业教育改革的重要载体和平台，也是全世界大学生实现创新创业梦想的舞台，第七届中国国际“互联网+”大学生创新创业大赛，首次增设了产业命题赛道，原因也在于此。

攀登进行时：产业AI的宝库，释放出了哪些赛题？

既然是针对产业真实困境的赛题，自然离不开深耕AI产业的科技企业参与共创。据了解，本届赛事中，华为就深度参与到产业命题赛道中，给出了包含腾AI、鲲鹏、华为云、CT、消费者云、OpenHarmony等系列前沿领域在内的32道创新命题项目，总共吸引了337所高校的1205支队伍，近万名院校学生参与其中。

熟悉华为的读者可能知道，腾AI正是华为助力中国人工智能计算产业突围的重要布局，搭建了全栈的AI基础软硬件平台，其技术能力在此次大赛中就有所体现。

当代中国大学生是如何以腾AI为支撑，攀爬产业高峰呢？我们可以用几个具体的参赛项目来感受一下。

就拿此次获得产业命题赛道金奖的华南理工大学城联智图团队来说，他们的参赛项目是，使用思MindSpore设计和训练图像风格迁移模型。参赛队员们创新性地提出了一种高性能的图像风格迁移算法，并给出了有现实意义的落地应用场景。

浙江工业大学基于腾全栈AI基础软硬件平台，探索出了可落地的技术创意作品，打造了无人机摄影系统。四川大学的参赛团队，也通过腾全栈AI基础软硬件平台，开发出了智能无人拾捡项目。湖南大学则基于腾MindX SDK AI应用开发套件，开发出了空天地一体的灾情智能感知与无人机基站控制管理系统，让AI可以用于灾情分析与救援决策支持。

腾AI在各参赛作品中的应用，也让我们看到了产业AI创新的另一面。

企业平台对高校赛事的支持，能够让大学生参赛者们看到产业土壤上真实生长出的需求，贡献出自己的一份创新力量。同时，也能让参赛项目不止于赛场，诞生的赛事成果可以解决产业中存在的痛点与问题，有几率转化成AI商业生态的一部分，获得更深刻的成就感与回报。

通过本次参与产业命题赛道，腾AI描绘出了一张通向产业AI宝库的路线图，激励众多学子勇于攀爬产业AI的高峰。

领航者腾AI：产业AI的三把利器

作为选手们探索AI世界的神助攻，腾AI背后到底有哪些技术在支撑？

简单来说，腾AI锻造了三把“产业AI”的神兵利器，助力选手们的创新攀爬之路。

第一把：思MindSpore。

全场景AI框架思MindSpore构建了最佳腾匹配、支持多处理器架构的开放 Al架构，能给开发者带来开发友好、运行高效、部署灵活的体验；原生支持AI大模型，并进行了全自动并行、可视化智能调优等关键创新，大大提升了AI模型的开发效率与效果；支持云边端全场景硬件和操作系统，让模型可以平滑跨平台应用，真正做到模型一次开发，全场景部署。

思MindSpore自2020年3月开源以来始终坚持“开发者第一，技术优先”的理念，深受广大高校、科研院所及企业开发者的喜爱，积极为思MindSpore贡献代码，这让思MindSpore很快成为国内第一热度的AI开源社区。

第二把：MindX SDK。

对于高校大学生来说，垂直行业的特殊知识是很难获取的，这时候通过把行业知识固化成类AI软件开发套件（SDK），并开放少数必要接口和配置，开发就变得简单多了。所以，腾AI结合AI技术和行业知识，打造了MindX SDK，比如视觉分析SDK，能够支持视频结构化、动作行为识别等智能视频分析；智能制造SDK，服务于制造业的AI落地，目前已经在30多家工厂部署上线；检索SDK，可以实现准确率99.99%以上的搜索能力，让开发者能够开发出与顶级算法厂家相当的检索AI应用……此外，模型优选库ModelZoo提供超过400个高性能预训练模型，开发者也可以在上面找到腾亲和的高性能模型，加速AI应用开发。

未来腾AI还将针对生物医药、教育等行业推出相关开发者套件，帮助AI落地。这些开发套件，能够帮助开发者避免AI模型在产业中水土不服的问题，有效推动产业智能化升级。

第三把，CANN。

算力是腾AI的源动力，作为算力加速器，腾AI异构计算架构CANN（Compute Architecture for Neural Networks），通过硬软件结合优化，大大提升了AI模型的训练性能和推理效率。CANN支持业界多种主流的AI框架，其中包括思MindSpore、TensorFlow、Pytorch、Caffe等，并提供1300多个基础算子。同时，CANN具有开放易用的ACL（Ascend Computing Language）编程接口、实现对网络模型进行图级和算子级的编译优化、自动调优等功能。

CANN对上支持多种AI框架，对下服务AI芯片与编程，是提升腾AI计算效率的关键平台，且对开发者而言友好易用，这也让CANN成为支撑人工智能计算生态发展的关键。

基于腾全栈AI基础软硬件平台，大学生创新人才可以更轻松地上手AI开发、落地实践创意。这也引出了一个新的话题，产业AI的创新人才孵化，哪些是必要条件？

必要条件，指的是那些根技术、根资源。除了前面提到的AI框架、AI计算架构等根技术之外，高校学子们还需要的两大根资源。

一是教学资源。如果师资力量不够强，老师都不具备AI科技能力，怎么能教出具备创新意识和能力的学生？对教师的培养，是科技企业在人才生态中容易忽略的，我们看到，华为通过和教育部共建的智能基座项目，通过建立虚拟教研室，推出高校教师课程培训、慕课等多种手段，希望在未来5年赋能超过两万名优秀教师，计划累计培养超过五百万名理工科学生。通过对AI师资力量的投入，满足产业AI长期发展的创新需求。

二是学习资源。人工智能作为数字经济的技术动力引擎，需要底层创新、基础突破，这就需要根技术的传递与研发。所以华为与教育部合作，扩展AI教材教辅的优质内容，推出《腾AI处理器CANN应用与实战》《深度学习技术原理与应用》《MindSpore深度学习高阶技术》等19本教材、教辅，并开设《人工智能芯片与系统》《深度学习基捶等十门精品慕课，让腾生态全面融入高校课程。只有将创新人才的知识基础打牢，智能产业的根基才能更加稳固。更进一步，知识还需要经过实践为学生们更扎实地掌握并创新，通过互联网+大赛、众智计划、优才计划等，华为也为创新人才们提供了实践的舞台和所需的资源支持。

如果说，三把利器是源自产业的技术支持，那么两大“根资源”则来自腾AI对AI基础教育的坚守。

站在智能时代的变局中，年轻学子们只有基础扎得够深，才能在攀越高峰时无惧外界变幻的风风雨雨，向着智能中国的理想坚定前行。

通过这场比赛，或许有人已经发现，腾AI的产教融合模式，正在产业AI与创新人才之间，建构一层层台阶。当更多人能够解锁AI这张藏宝图，也就不断触动着创新创造的无限可能。