研电赛.
  研电赛官方服务平台
  20th
  “AMD”命题
  第二十届中国研究生电子设计竞赛
  AMD成立于1969年，总部位于美国加州圣克拉拉，现已发展为全球领先的高性能与自适应计算公司，全球员工超过28,000名（截至2025年3月）。公司产品涵盖CPU、GPU、FPGA、DPU及系统级芯片，并结合强大的软件能力，广泛应用于云端、边缘和终端设备。
  AMD致力于推动人工智能发展，提供端到端的AI训练与推理解决方案，构建开放生态系统，并积极与中国生态伙伴合作，助力产业数字化转型。
  中国是AMD全球战略的重要市场。自1993年进入中国以来，AMD不断扩大在华投入，业务涵盖产品销售、战略合作、新品开发等。2004年成立大中华区总部，现由高级副总裁潘晓明领导。
  2006年，AMD在上海设立研发中心，以上海研发中心为主体的中国研发中心逐渐发展壮大，现已成为全球研发体系的重要组成，拥有超4,000名研发人员，覆盖芯片设计、软件开发与系统测试，并与本地客户紧密合作，推动技术落地。近年来，AMD在AI创新与可持续发展方面表现突出，荣获“2023年度杰出可持续创新企业”“2023-2024年度最受尊敬企业”称号，2024“世界互联网大会杰出贡献奖”等多项荣誉。
  一等奖：1名¥10,000
  二等奖：2名¥5,000
  三等奖：3名¥2,000
  （一）报名截止时间：2025年7月15日24:00。
  （二）作品提交截止时间：2025年7月20日24:00。
  （三）报名方式：采用线下报名方式，报名截止前完成报名费缴纳，并将参赛作品打包压缩，与线下报名表（见附件）、缴费凭证一并发送至官方邮箱。建议优先提交报名表，便于命题企业提供技术支持。
  （四）报名邮箱：CIEEDA 163.COM
  （五）缴费账号（线下转账）:
  1.开户名称：中国电子学会
  2.账号：9558850200000514831
  （六）其他:
  1.7月15日报名截止后，秘书处将组织团队在官网完善信息并生成获奖证书，电子发票将发至队长邮箱。
  2.线下报名仅延长截止时间，不影响其他赛程安排。
  赛题一：
  基于ROCm on Radeon™平台的
  DeepSeek大语言模型部署性能优化
  1、赛题描述：
  随着AMD ROCm软件栈对RDNA3架构支持的不断完善，面向专业及创意人士设计的AMD Radeon™PRO W7000系列工作站显卡，凭借其卓越的48GB GDDR6显存容量，正逐步成为应对当前AI开发面临的严峻挑战时有效且经济的解决方案。目前，ROCm搭配W7000系工作站GPU的组合已支持大部分业内主流的模型以及部署框架。
  本命题要求参与者在搭载单张W7000工作站GPU的平台上优化使用vLLM框架部署DeepSeek-R1-Distill-Qwen-7B模型的性能。
  建议的优化方向包括但不限于：
  提升常见算子（如Elementwise、GEMM等）的执行效率，并对部署管线中的算子进行融合优化。
  ROCm on Radeon™对诸多量化方法（如AWQ、Marlin等）提供支持。
  对算法使用的计算内核（如Attention、MoE等）进行优化。
  2、提交要求：
  参赛者应基于指定代码仓库（如vLLM、PyTorch、Triton等）进行代码更改，经本地编译验证后提交code patch，并附上本地测试结果显示的性能提升幅度。性能提升基于代码改正，而非依靠部署参数调整。具体参数参见技术支持部分。
  3、评分标准：
  所有提交的代码将统一在ROCm on Radeon™平台上进行验证，并根据性能提升的幅度进行排名。
  基础得分=优化幅度百分比x 100
  加分项：（由AMD评审团打分）
  创新性（5分）：优化方案的原创程度及复杂程度。
  实用性（5分）：优化方案对ROCm生态推广的积极作用。
  可读性（2分）：提交优化方案的详细阐述文档或PPT。
  4、硬件平台配置：
  （报名审核后，通知云服务申请表）
  5、视频教程：
  在8卡AMD W7800运行DeepSeek R1链接：
  https://www.bilibili.com/video/BV1i8j3zJExM
  6、本地开发环境：
  推荐使用AMD Radeon™PRO W7800
  7、技术支持：
  扫描二维码加入技术支持QQ群：
  8、软件环境：
  Benchmark教程（以修改vLLM为例）
  （1）准备DeepSeek-R1-Distill-Qwen-7B模型和ShareGPT_V3_unfiltered_cleaned_split.json数据集
  （2）推荐使用PyTorch-On-ROCm Docker Image创建container。
  （3）在container内安装带有本地修改的vLLM。
  （4）启动vLLM server
  （1）运行benchmark并观测结果
  9、相关链接：
  AMD Radeon™PRO W7800 Professional Graphics Specification:
  https://www.amd.com/en/products/graphics/workstations/radeon-pro/w7800.html
  Getting Started Guide:Using AMD ROCm™Software on Radeon™GPUs:
  https://www.amd.com/en/developer/resources/ml-radeon.html
  Inferencing and serving with vLLM on AMD GPUs:
  https://rocm.blogs.amd.com/artificial-intelligence/vllm/README.html
  赛题二：基于AMD APU系统的AI应用开发(自由命题)
  1.赛题描述：
  AIPC(人工智能个人电脑)是一种集成AI技术的个人电脑，通过本地算力、自然语言交互、个性化大模型等核心能力，重构传统PC的体验，使其从工具升级为“个人智能助理”。
  参赛队伍使用AMD指定的APU产品开发一个AI应用，围绕以下领域(包括但不限于):
  AI应用专业领域
  AI应用日常生活娱乐
  AI PC与其他智能设备的链接与整合
  补充说明:
  （1）AIPC本地模型优化方案：针对AI Agent等现有应用，提出优化其在AIPC本地运行效能的创新方案（可融合大预言模型LLM、计算机视觉CV、文本处理OCR、语音交互ASR等）：
  a.模型轻量化：应用模型压缩技术（量化、蒸馏、剪枝等），实现模型精简与本地适配，兼顾精度。
  评分依据：优化前后模型大小、推理性能、系统负载数据对比。
  b.推理加速：采用优化技术（算子、图结构、内存管理等），提升本地推理效率（如prefill、token generation速度）。
  评分依据：性能提升量化数据。
  （2）行业赋能方案：为教育、医疗、娱乐、办公等场景，设计基于AIPC本地AI的创新应用（例如：作业批改、病例分析、文章润色）。
  评分核心：创新性、实用性、可行性。
  （3）其他
  2、赛题要求：
  2.1硬件环境
  AIPC云平台接入（报名审核后，通知云服务申请表）
  型号：Beelink SER/处理器：AMD Ryzen HX370/内存：32GB RAM/存储：1TB SSD
  操作系统：Windows 11
  外设请根据AI应用设计自行配置
  2.2 AI应用的设计与实现
  基于所提供的硬件环境，以及利用AMD推荐模型https://huggingface.co/amd或者自选模型，完成所选场景下的AI应用开发。
  参赛作品须提出创新的解决方案，展示其前瞻性的思考和设计。
  参赛作品须具有实际的应用价值。
  参赛作品须充分发挥AMD产品的算力优势(iGPU,NPU,CPU)实现本地AI推理。
  加分项：充分利用本地AI算力前提下，提升电源利用能效。
  2.3赛题提交要求(初赛)
  技术论文–Word文档(必选）
  视频文件,限制3分钟(必选)
  门型展架，尺寸180cm*80cm（必选）
  演示说明–PPT文档(可选)
  2.4赛题提交要求(决赛)
  技术论文–Word文档(必选）
  演示说明–PPT文档(必选)
  3、评分标准：
  3.1技术创新和实用性30%
  AI应用基于的模型（或模型组）
  提出创新的解决方案
  能够有效地解决现实世界中的问题
  复杂度和计算效率
  示例：一个使用深度学习技术进行图像分类的模型，若其准确率超过90%且计算速度快于现有方法，则会得高分。
  3.2 AI应用程序与用户交互程度20%
  示例：一个语音助手模型，若能根据用户的口音和语调自适应，并提供直观的界面，则会得高分。
  3.3论文，PPT的清晰度与逻辑20%
  文献综述全面、正确
  方法描述清晰、易于理解
  结果分析合理、令人信服
  3.4功能完整度+稳定性15%
  完成所有预定任务
  运行速度和稳定性
  示例：一个文本生成模型，若其能生成高质量文本且运行速度快、稳定，则会得高分。
  3.5 Demo(现场直播、预先录制视频等形式)10%
  清晰展示该应用的功能和性能
  可以帮助用户轻松理解和使用该应用
  示例：一个人脸识别模型，若其Demo能快速、准确识别人脸并提供友好界面，则会得高分。
  3.6用户隐私数据是否受到保护5%
  是否收集和存储用户的隐私数据
  用户的本地隐私数据是否加密
  是否会将本地存储的隐私数据上传到网络
  是否有明确的隐私政策和使用条款
  示例：一个社交媒体分析模型，若其在不收集用户隐私数据的情况下完成分析，并提供清晰的隐私政策，则会得高分。
  4、参考链接：
  •AMD AI Solutions：
  https://www.amd.com/en/solutions/ai.html
  •AMD HIP SDK on Windows:
  https://rocm.docs.amd.com/projects/install-on-windows/en/latest/index.html
  •AMD Ryzen AI:
  https://ryzenai.docs.amd.com/en/latest/index.html

  5、赛题-竞赛交流QQ群：

  点击阅读原文下载报名表

https://mp.weixin.qq.com/s/nXOwdLGW0qO8aEyVg22STQ