2026年7月12日至15日，集成电路与人工智能交叉主题Agentic4Systems暑期学校暨Hackathon在北京、上海、深圳三地同步举行。本届暑期学校以“Agentic时代的智算系统超级个体”为主题，由北京大学高能效计算与应用中心、中国科学院计算技术研究所处理器芯片全国重点实验室、深圳河套学院与复旦大学集成芯片与系统全国重点实验室联合发起，面向微电子、信息、计算机、人工智能等方向的本科生和研究生，围绕Agentic EDA、Agentic智算芯片和Agentic AI Infra三大技术方向展开。

本届活动将前沿学术报告、产业交流与高强度工程实践贯穿始终。首日由来自高校、科研院所和产业界的八位专家带来前沿报告，随后启动约60小时Hackathon；线下活动结束后，优秀选手进一步进入特等奖竞赛，于7月24日至8月6日开展近两周的跨层系统攻坚，并于8月17日进行线上答辩。通过从课程学习到赛道实践、再到跨赛道系统集成的层层递进，活动尝试探索Agentic AI时代复杂智算系统人才培养与技术创新的新范式。

01 三地同步开幕，共话Agentic时代系统创新

7月12日上午，暑期学校开学仪式在北京、上海、深圳三地同步举行。深圳河套学院作为联合发起方之一，参与并支持本届活动。

中国科学院计算技术研究所副所长、处理器芯片全国重点实验室主任陈云霁，复旦大学芯片与系统前沿技术研究院副院长、复旦大学集成芯片与系统全国重点实验室主任刘琦，中国工程院外籍院士、加拿大皇家科学院院士、深圳河套学院执行院长、香港中文大学（深圳）副校长罗智泉分别致辞。

本届暑期学校进一步将关注点从“AI辅助设计”推进到“Agentic AI驱动的复杂系统构建”。随着大模型逐渐具备任务规划、代码生成、工具调用、实验执行以及迭代优化能力，AI正从单一环节的辅助工具走向系统级协作者。活动希望参与者不仅学习如何“使用AI”，更进一步理解如何组织智能体、调用专业工具链，并将芯片、EDA、编译器、系统软件与AI Infrastructure连接起来，形成可运行、可验证、可持续优化的工程闭环。

02 八场前沿报告，勾勒Agentic智算系统全栈图景

开学首日，来自高校、科研院所和产业界的八位专家围绕Agentic AI与智算系统展开前沿分享。报告从AI Infrastructure出发，延伸至芯片自动化设计、形式化验证、国产算力系统、EDA工具、高性能算子生成以及AI基础设施产业实践，覆盖从底层硬件到上层软件、从设计生成到验证优化的多个关键环节，为随后开展的三赛道Hackathon搭建起一幅完整的技术图景。八场报告分别围绕Agentic4Infra、Agentic4Chip、Agentic4Verification、昇腾基础软硬件系统架构、智能体驱动的集成电路设计与EDA工具开发、Agentic4EDA、Agentic4Kernel和Agentic4Startup展开。

复旦大学尚笠教授首先以“Agentic4Infra：人工智能基础设施构建范式”为题展开分享。他提出，Agentic AI正在显著拓展个人能够驾驭的工程复杂度，使个人有机会成为构建复杂系统的“超级个体”。在这一背景下，AI Infra的研究也有望从传统的Engineering Search进一步走向Knowledge Discovery，通过智能体驱动Kernel、编译器和系统级优化，并将实验过程中产生的知识持续沉淀、反馈到下一轮搜索之中，最终推动大模型算法与AI Infra的协同演化。报告同时围绕可扩展性、成本和可靠性等关键问题展开讨论，并指出未来的系统研究者需要进一步跨越算法与系统之间的传统边界。

Agentic4Infra：人工智能基础设施构建范式-尚笠 复旦大学
了解更多：https://b23.tv/WzisazD

中国科学院计算技术研究所王颖研究员围绕“Agentic4Chip：芯片自动化设计”，介绍了利用大模型和智能体提升芯片前端逻辑设计能力的系列探索。报告从芯片设计专用数据构建出发，讨论数据增强、多模态编码、缺陷数据表示以及智能体自主产生数据等方法，并进一步介绍了利用强化学习与可验证奖励（RLVR），让智能体在设计空间探索中同时关注功能正确性与PPA（性能、功耗、面积）。报告还延伸至处理器全栈设计、模糊测试和性能建模等环节，展示了智能体从生成 RTL进一步迈向设计、验证与优化闭环的可能路径。

Agentic4Chip：芯片自动化设计-王颖 中国科学院计算技术研究所
了解更多：https://b23.tv/ZMqcDqY

美国西北大学周海教授则从芯片设计无法回避的“正确性”问题切入。在“Agentic4Verification：Formally Verifiable Agentic RTL Design”报告中，他指出，大语言模型虽然能力强大，但幻觉问题使其生成结果难以天然获得信任。如果未来更多硬件设计工作交由智能体完成，那么智能体不仅应当生成设计，还应同时给出能够接受形式化检查的 *Proof*。报告进一步介绍了以原子事务和不变式为核心的Bluespec，并勾勒了神经符号结合的智能体设计框架，通过设计生成、证明检查和物理设计反馈的持续迭代，为AI生成芯片设计建立更加可靠的正确性保障。

Agentic4Verification：Formally verifiable agentic RTL design-周海 美国西北大学
了解更多：https://b23.tv/InO4aY0

华为田昆阳专家*围绕*“昇腾基础软硬件系统架构介绍”，从芯片、算子、计算框架到大型AI集群，系统介绍了昇腾的软硬件体系，并结合达芬奇架构、CANN及超节点集群等内容，展示了国产智算系统的全栈能力。最后，田昆阳结合华为与深圳河套学院的联合探索，重点展示了多智能体协同工具Ascend Bridge：通过模型发现、代码适配、精度对齐、性能优化和业务评测等智能体协同，将模型迁移、评测与性能优化组织成自动化闭环，展示了AI Coding从辅助编程进一步走向复杂系统工程自动化的可能。

昇腾基础软硬件系统架构介绍-田昆阳 华为
了解更多：https://b23.tv/hjaELjh

复旦大学杨帆教授随后围绕“智能体驱动的集成电路设计与EDA工具开发”，讨论AI Coding时代人与智能体如何协同完成数字、模拟电路设计以及EDA工具开发。报告介绍了团队开发的RTL-Craft框架，尝试以Python DSL为核心，将设计表征、仿真、验证和PPA分析统一到更加适合智能体操作的环境之中。相比单纯让大模型直接生成RTL，这一思路更加关注如何为智能体建立结构化、可执行、可验证的设计对象和反馈机制，从而真正形成设计、调试和优化闭环。报告同时指出，智能体在架构创新与复杂验证方面仍存在挑战，Agentic EDA的进一步发展不仅需要模型能力提升，也需要面向智能体重新思考设计语言、工具接口与开发环境。

智能体驱动的集成电路设计与EDA工具开发-杨帆 复旦大学
了解更多：https://b23.tv/EH9ECVR

北京大学罗国杰教授以“Agentic4EDA：逻辑综合的智能优化”为题，从逻辑综合的基本流程出发，介绍了逻辑优化、工艺映射等关键环节，并讨论智能体如何参与综合流程调优、优化策略生成以及EDA工具自身的迭代改进。报告特别指出，随着大模型和智能体进一步进入芯片设计流程，传统验证工具仍然发挥着不可替代的作用，编译检查、功能正确性检查和等价性验证等机制，是保证智能体生成结果可靠、推动Agentic EDA形成闭环的重要基础。

Agentic4EDA：逻辑综合的智能优化-罗国杰 北京大学
了解更多：

深圳河套学院陈淙靓教授*以*“Agentic4Kernel：高性能算子生成的关键技术”为题，从算子的算法设计与执行排布两个维度，介绍了智能体在高性能算子自动生成与优化中的探索。报告围绕算法搜索、计算结构优化以及面向具体硬件的部署调优展开，并进一步介绍了结合知识库、优化经验沉淀和真实硬件反馈的Agentic优化框架，使智能体能够根据实际运行结果持续调整算子实现，在“生成—运行—评测—反馈—再优化”的过程中逐步提升性能，推动算子设计从依赖人工经验走向更加系统化的自动发现与优化。

Agentic4Kernel：高性能算子生成的关键技术-陈淙靓 深圳河套学院
了解更多：https://b23.tv/6tqoL1n

首日最后一场报告由基流科技创始人兼CEO胡效赫带来。报告以“Agentic4Startup：AI基础设施的进展与趋势”为题，将技术演进与自身从科研走向产业的经历结合起来。他首先分享了团队在国产GPU适配、强化学习后训练和推理系统优化等方面的实践，并介绍了利用低成本SSD构建多级KV Cache、通过计算通信重叠和跨层协同降低AI基础设施成本等探索，强调面向大规模AI系统的优化需要跨层协同与持续的工程积累。

随后，胡效赫结合自身从科研走向产业和创办基流科技的经历，分享了对技术积累、系统研究与科技创业的思考。他特别强调“架构师文化”，认为系统研究者应当形成能够真正落地运行的“代表作”。对于有志于科技创业的青年学生，他提出，一方面要形成自洽的底层逻辑，建立对技术方向和长期目标的坚定判断；另一方面要坚持科学的实践方法，理解技术与市场的发展周期，并持续验证产品与真实需求之间的匹配。最后，他鼓励青年学生长期打磨自己的核心技术，把科研积累沉淀成足够锐利的“一根针”，在新的技术浪潮到来时形成真正具有穿透力的创新。

Agentic4Startup：AI基础设施的进展与趋势-胡效赫 基流科技
了解更多：https://b23.tv/QoLfp7q

八场报告分别从Infra、芯片、验证、EDA、Kernel和产业实践等不同方向展开，最终指向同一个问题：在Agentic AI时代，如何让AI从辅助生成代码的工具，进一步成为能够理解目标、调用专业工具、执行真实实验、接受反馈并持续优化的系统级协作者。从RTL生成与证明，到EDA工具链中的仿真综合，再到编译器、Runtime、Kernel和大规模AI Infrastructure，原本分布在不同专业方向中的技术环节，由此被放到一条端到端的智算系统链路中。

当日晚间，三大赛道正式发布赛题，首日课程中的讨论也随即从课堂进入真实工程实践。

03 60小时+Hackathon，把想法落进真实系统

本届Hackathon设置Agentic EDA、Agentic 智算芯片和Agentic AI Infra三大赛道。

Agentic EDA赛道聚焦智能体接入EDA工具链后的设计生成、仿真验证、错误分析、综合评估和迭代优化；Agentic智算芯片赛道探索利用大模型和智能体辅助硬件模块、微架构和 GPGPU计算核心的生成、验证与优化；Agentic AI Infra赛道则围绕编译器、Runtime、算子优化以及多智能体运行与实验调度等关键能力展开。三条赛道从一开始就并非三个相互独立的任务，而是希望最终汇聚形成一套端到端的智算系统基座。

赛事进一步通过统一的系统接口推动跨赛道协同，希望将智能体引入代码生成、验证调试、PPA优化、编译与算子调度等多个环节。赛题设计并不只考察是否调用了大模型，而更加强调智能体能否根据真实工具反馈形成*自动生成—运行验证—发现问题—持续优化*的完整闭环。

本届比赛共有75支队伍参加，其中Agentic EDA赛道18支、Agentic智算芯片赛道22支、Agentic AI Infra赛道35支。

从7月12日晚赛题发布，到7月15日上午10时结果提交，参赛队伍进行了约60小时的集中开发。在有限时间内，各队需要快速理解赛题、制定技术路线，并借助大模型和智能体完成代码生成、环境部署、实验运行、错误定位和性能优化，将技术构想真正转化为可以运行和验证的系统。

赛事强调“不做纸面方案”。作品首先需要保证功能正确，在此基础上再进一步比拼性能、效率以及智能体闭环设计能力。比赛同时设置公开与隐藏测试集，并通过统一工具链和自动化评测机制对不同方案进行验证。

经过约60小时的连续开发，参赛队伍陆续完成作品提交。连续昼夜的代码调试和方案碰撞暂告一段落，组委会还为参赛同学准备了Pizza Party。大家卸下比赛中的紧张，在披萨与交流中分享各自的开发经历和赛题故事。不同学校、不同赛道的同学也借此机会进一步认识彼此，在轻松的氛围中继续讨论技术、交换想法。

从并肩攻关到赛后交流，本届Hackathon希望留下的不只是最终的代码和成绩，也包括年轻开发者之间因为共同兴趣而建立的连接。

04 产学研深度互动，在真实需求中拓展系统视野

Hackathon开发期间，组委会穿插安排了多场企业交流活动。7月13日至15日，来自合见工软、壁仞科技、中科加禾、智子芯元、腾讯科技、华为技术、AMD等企业的技术专家与参赛同学开展交流。

这些交流与Hackathon同步展开，使参赛同学在紧张的系统开发之外，有机会进一步理解 EDA、智算芯片和AI Infra技术在真实产业环境中的工程约束、应用需求与发展趋势。学术问题、工程实现和产业需求由此被放到同一个技术框架下讨论，也使暑期学校成为连接高校、科研机构、企业与青年学生的开放交流平台。

05 75支队伍同场竞技，线下赛程决出一、二等奖

7月15日下午，Hackathon颁奖典礼举行。经过作品提交、自动化测试和综合评审，三个赛道分别产生一等奖和二等奖团队。

其中，“我不是这个方向的”队、“科秒”队、“infra小学生”队获得一等奖；“这个仿真对不队”队、“AI SERVANT”队、“RTX 5080”队获得二等奖。

此外，多支在系统实现和工程实践方面表现突出的团队获得三等奖和优胜奖。不同赛道的作品覆盖EDA工具开发、芯片设计、编译器、Runtime、算子优化和模型部署等多个环节，集中展示了参赛学生利用Agentic AI快速进入陌生技术领域、组织复杂工程任务并完成真实系统验证的能力。

四天的线下赛程至此告一段落，但整个竞赛并未结束。

06 从60小时Hackathon到两周系统攻坚

为了进一步考察优秀选手在跨层系统设计与持续工程攻坚方面的能力，组委会在一等奖、二等奖选手中进一步组织特等奖竞赛。

与线下阶段按Agentic EDA、Agentic智算芯片和Agentic AI Infra分赛道开展不同，特等奖比赛进一步打破不同技术方向之间的边界，将任务从单点能力推进到更加完整的端到端智算系统构建。

7月24日，特等奖竞赛正式启动。

参赛选手需要在近两周时间内完成从GPGPU设计、Xilinx U280部署、驱动设计，到算子优化和端到端模型测试的一系列系统任务。原有三条赛道在这一阶段进一步汇聚：EDA工具链支撑设计与验证，Agentic智算芯片延伸至 GPGPU等底层硬件设计，AI Infra则连接编译器、驱动、Runtime、Kernel与模型部署，最终形成更加完整的跨层系统。特等奖阶段的总体设计也延续了此前“将三条赛道汇聚成智算系统基座”的思路。

相比约60小时的线下Hackathon，特等奖竞赛对系统完整性与持续优化能力提出了更高要求。选手不仅需要完成单项技术任务，还必须处理硬件、驱动、算子和模型之间的跨层协同，在不断出现的编译、部署、功能和性能问题中持续调试与迭代。

8月6日上午10时，特等奖竞赛正式结束。随后，组委会对参赛作品进行了测试和综合评审。

8月17日，特等奖竞赛举行线上答辩。参赛选手围绕总体设计思路、系统实现、关键技术、实验结果以及优化过程进行汇报，并就项目中的重点技术问题与评审专家展开交流。

经过作品评测与线上答辩，最终，赵奕铭、陈翀昊两位同学获得本届Agentic4Systems Hackathon特等奖。

从约60小时的线下集中开发，到近两周的跨层系统攻坚，再到最终线上答辩，比赛的任务复杂度不断提升，也逐步完成了从单一赛道到系统集成的跨越。

07 面向Agentic时代，培养智算系统“超级个体”

从7月12日三地同步开幕，到8月17日特等奖答辩落幕，本届暑期学校形成了前沿报告—产业交流—60小时Hackathon—两周特等奖竞赛层层递进的活动体系。

如果说首日的八场报告帮助学生建立了理解 Agentic AI、芯片、EDA、编译器和AI Infrastructure的技术坐标，那么60小时 Hackathon则要求他们真正把这些理解转化成代码与系统；特等奖竞赛进一步打破原有赛道边界，尝试贯通GPGPU、驱动、算子与模型的完整技术链路。

这一过程也回应了本届暑期学校提出的核心命题：Agentic AI正在改变系统创新的基本单位。过去需要多人团队、长周期和跨专业协同完成的复杂工程任务，未来可能由具备系统视野和工程能力的个人或小团队，在智能体与专业工具链的支持下完成。大模型也不再只是回答问题或者生成代码的助手，而有机会进一步参与目标理解、任务分解、系统生成、实验执行、错误修复和性能优化。

深圳河套学院与各联合发起单位希望通过Agentic4Systems培养的，正是能够在这一变化中成长起来的下一代智算系统架构师：既能够理解芯片、EDA、编译器、系统软件与 AI Infrastructure之间的全局联系，也能够借助AI将这些层次真正连接成可运行、可验证、可持续演化的复杂系统。

08 开放协作，共建未来

本次活动得到IEEE CEDA Shanghai Chapter、IEEE CEDA Beijing Chapter、EDA开放创新合作机制等学术组织，以及壁仞科技、合见工软、华为、基流科技、腾讯科技、智子芯元、中科加禾、字节跳动等企业的大力支持。

一场跨越三地、持续一个多月的暑期学校与竞赛，也离不开众多老师、工作人员、助教和志愿者在幕后的投入。从前期策划、嘉宾联络、赛题设计和技术环境准备，到北京、上海、深圳三地的会务组织、参赛服务、现场答疑、赛事评测，再到后续特等奖竞赛和线上答辩，各项工作的顺利推进凝聚了整个组织团队的共同努力。

在此，特别感谢所有参与暑期学校筹备、组织和赛事保障的工作人员。正是所有工作人员、助教和志愿者的共同努力，为北京、上海、深圳三地活动及各阶段赛事的顺利开展提供了有力保障。

感谢助教团队张凯老师、冯一飞、丁毅、曹恒杰、宋亦凡、黄振东、庄集、程志伟、袁新宇、梁祖宁、刘怡昕、姚晓辉、邝代康、汤家平等同学在技术支持、参赛答疑和赛事保障中的辛勤付出；感谢学院行政团队李芳菲、谢冬妮、杨琼娇、周子扬、张宇彤、张榕玲、吴俊豪、吴天浩、尹键、雷锦瑄等同事在会场组织、参赛服务、物资协调和现场保障等工作中的认真投入。

同时，再次感谢各联合主办单位、报告嘉宾、评审专家、合作企业，以及所有关心和支持Agentic4Systems暑期学校的老师和同学。来自学术界、产业界和青年学生的共同参与，使这场跨越芯片、EDA与AI Infrastructure的探索真正落地。

四天的线下暑期学校已经结束，竞赛也已决出最终结果，但Agentic4Systems所探索的系统构建方式仍将继续。本次竞赛提交的优秀作品部分已经进行开源，活动中形成的代码、实验记录、失败案例与优化策略也将进一步沉淀为可复用、可扩展的系统能力。通过开放代码与实践经验，希望更多研究者和开发者能够在已有成果基础上继续验证、改进和创新，让一次竞赛中的探索进一步转化为可以持续演进的开源基础，为后续科研、教学和社区协作提供支撑，并持续探索从“使用AI”走向“借助AI构建复杂系统”的新路径。深圳河套学院将继续携手各联合发起单位，推动相关成果开放共享与持续演进。