HC2025丨高校创新力量“花开”开发者日，鲲鹏腾使能科研创新

　　2025年9月18日至9月20日，华为全联接大会在上海成功举办。在第三天的开发者日上集中展示了一批基于鲲鹏、腾基础软硬件平台实现的具有前瞻性和领先竞争力的科研创新成果。在鲲鹏腾科教创新孵化中心的算力支持下，国内重点高校及孵化的初创企业创新成果纷至沓来，覆盖AI编程语言、大模型训推加速、多模态大模型及科学计算仿真等多个前沿领域，展现出繁荣生态下产学研协同创新的强大活力。

　　在高校方面，科研团队聚焦于计算架构和交叉学科创新，展现了其深厚的学术功底与前沿的技术洞察，其成果展示了对领先计算范式与核心技术问题的深度探索。

　　科学计算仿真领域，北京大学力学与工程科学学院、北京科学智能研究院研究员陈帜团队研发的DeepFlame燃烧流体仿真工具基于鲲鹏实现重大突破。该软件针对火箭发动机研发中的燃烧模拟计算精度和效率的矛盾，创新融合AI推理与高性能计算，实现火箭发动机超临界燃烧模拟的千倍加速。通过物理嵌入刚性神经算子(PE-SNO)和众核PDE求解器优化，该工具完成近万亿网格规模模拟，浮点峰值超过1EFlops，将传统需6个月的计算任务压缩至1小时完成，研究成果有望大幅缩短我国航天发动机研发周期、降低试验成本，为提升商业航天运力提供了关键的数字化支撑。

　　(北京大学力学与工程科学学院、北京科学智能研究院研究员 陈帜)

　　由北京大学计算机学院副研究员杨智团队主导开发的开源 AI 算子编程语言 TileLang是算子开发的典型成果之一。该团队核心成员董宇骐分享到其核心价值在于能够将高级别的数据流描述，自动转换并优化为高效的底层代码(如Ascend C)。通过其独特的Tile级抽象和自动调度能力，开发者可以用更简洁的代码表达复杂计算，同时获得接近手写算子的高性能，显著提升了AI算子的开发效率。TileLang实现了FlashAttention算子开发，代码量从500+行减少至80行，并保持了与官方版本持平的性能。

　　(北京大学计算机学院研究生、杨智团队核心成员 董宇骐)

　　东南大学计算机科学与工程学院副教授杨旭主导团队分享了围绕多模态大模型的类比、抽象与推理能力展开系统性研究。在腾算力支持下，团队提出启发式上下文策略、可学习上下文向量LIVE等方法，显著提升视觉问答任务中的学习效率与推理速度。进一步地，团队基于规则奖励的强化学习框架LMM-R1，通过两阶段训练增强多模态模型的推理能力，并在动态微调DFT方法中统一监督学习与强化学习的优化视角，为轻量化模型实现高效知识迁移与泛化能力提升提供了新路径。

　　(东南大学计算机科学与工程学院副教授 杨旭)

　　在鲲鹏腾种子计划的助力下，众多来自高校的创新开始成功走向市场，科研团队纷纷成立初创企业。它们致力于将先进的学术理念转化为可实际部署的解决方案，展示了他们对市场的敏锐嗅觉及强大的技术转化和产业落地能力。

　　多模态大模型重新定义了AI的边界与可能。魔芯科技CEO、浙江大学计算机科学与技术学院博士研究生陈天润带领团队，构建了首个基于腾的3D空间智能大模型，基于数亿真实物理世界数据训练，忠实反映了物理世界。该模型采用MindSpeed训练框架，在256卡腾集群上完成10万场景训练，仅通过Decoder-Only Transformer即实现三维空间关系的自发学习。模型支持多视角输入、新视点合成、语义编辑等功能，在虚拟漫游、数字孪生、机器人仿真等领域具备广泛应用潜力，推动三维内容生成走向普惠化。

　　(魔芯科技CEO、浙江大学计算机科学与技术学院博士研究生 陈天润)

　　清华系初创代表趋境科技的KTransformers引擎另辟蹊径，专注于利用鲲鹏CPU与腾NPU的异构协同技术，打造出极致的推理加速技术。该引擎基于计算强度实施精准负载分配策略，将混合专家模型中计算强度较低的路由专家层参数卸载至容量更大的鲲鹏CPU内存，而将计算密度最高的多层潜在注意力层保留在腾NPU上执行。通过针对鲲鹏多NUMA架构的本地内存分配与线程调度优化、结合鲲鹏数学库对大模型矩阵乘法实现的专项加速以及采用专家延迟计算技术有效重叠通信与计算过程，KTransformers在千亿参数模型推理中实现了显存占用降低百分之九十以上的显著效果，为大规模模型部署提供了创新的底层技术支撑。

　　(趋境科技KTransformers引擎架构师、清华大学计算机系博士 谢威宇)

　　前沿学术探索如源头活水，而开发者始终是创新的关键所在。鲲鹏与腾社区通过提供体系化的课程、详实的案例文档、高效的工具软件以及活跃的专家社群，全程陪伴开发者从学习到认证、从创新到实践的全周期成长。未来，鲲鹏与腾将继续携手全球开发者，以更开放的技术、更丰富的工具和更紧密的社区共创，持续赋能开发者实现其创新价值，共同推动计算产业的智能化进程。