編輯｜張倩

導(dǎo)讀：黃仁勛剛在 GTC 上放話：Token 就是 AI 時(shí)代的新貨幣，誰能把每瓦特電力榨出更多高價(jià)值的 Token，誰就能稱王。幾乎同時(shí)，獎金池高達(dá) 600 萬元的騰訊廣告算法大賽開啟報(bào)名，為全球算法人才搭建了一座驗(yàn)證這套規(guī)則的實(shí)戰(zhàn)沙盤。

「Token」「推理成本」「智能體」「工作流程自動化」…… 這些原本只在技術(shù)圈里流轉(zhuǎn)的詞，最近因?yàn)橐粓觥庚埼r熱」開始頻繁出現(xiàn)在公眾視野中。

與此同時(shí)，很多人也從另一個(gè)側(cè)面感受到變化：手機(jī)、電腦陸續(xù)宣布漲價(jià)，而廠商給出的理由幾乎一致 —— 存儲芯片價(jià)格正在明顯上漲。

其實(shí)，這兩件事指向同一個(gè)背景：應(yīng)用層面的 AI 需求正在迅速爆發(fā)，而在基礎(chǔ)設(shè)施層面，整個(gè)行業(yè)還沒有完全準(zhǔn)備好。算力、芯片、系統(tǒng)效率，這些原本隱藏在幕后的問題，正在被突然放大的 AI 需求推到臺前。一個(gè)比較明顯的表現(xiàn)是，算力租賃行業(yè)已經(jīng)出現(xiàn)漲價(jià)潮，而且可能持續(xù)一段時(shí)間。對于想要搭上「龍蝦」快車的企業(yè)來說，這無疑是一個(gè)切身相關(guān)的變化。

但對想在 AI 領(lǐng)域有所作為的人來說，這里面蘊(yùn)含著機(jī)會。當(dāng)越來越多的公司開始意識到一件事：在算力供應(yīng)短期內(nèi)持續(xù)緊缺的情況下，真正限制 AI 普及的，可能并不是模型不夠強(qiáng)，而是算力用得還不夠高效。如何用更少的計(jì)算資源，跑出同樣甚至更強(qiáng)的智能，會成為接下來一段時(shí)間的重點(diǎn)。

一旦問題變成這樣，需求也會隨之變化。能夠同時(shí)理解算法、系統(tǒng)和算力效率的人才，自然會變得越來越搶手。

這種對「高效能人才」的渴求，也催生了一個(gè)有趣的現(xiàn)象：科技公司開始嘗試把這一方向真實(shí)的工程問題拿出來做成公開競賽，讓外部的人一起參與解題 —— 這不僅是招募人才的方式，也是在測試自己的命題有沒有解法。2026 年騰訊廣告算法大賽就是這樣一場活動。

和往年一樣，今年的比賽依然圍繞真實(shí)業(yè)務(wù)場景展開，（脫敏）數(shù)據(jù)來自每天服務(wù)數(shù)十億用戶的廣告系統(tǒng)。換句話說，這不是一道紙面上的算法題，而是一次接觸真實(shí) AI 基礎(chǔ)設(shè)施問題的機(jī)會，它代表了每家大廠都面臨、但還沒有人真正系統(tǒng)性解決的工程難題。

和往年相比，今年這屆比賽還有兩個(gè)明顯的變化：

一個(gè)是，它時(shí)隔多年再次與 KDD 國際頂級學(xué)術(shù)會議官方聯(lián)動，回到了更大的國際舞臺上。

另一個(gè)變化是賽道的打開。過去這類比賽大多面向在校學(xué)生，今年則首次單獨(dú)設(shè)立工業(yè)賽道，在職算法工程師、技術(shù)團(tuán)隊(duì)也可以參與進(jìn)來。

比賽的獎金池以及其他收益自然也是非?？捎^，學(xué)術(shù)賽道冠軍可拿到 30 萬美元（約合 200 萬元）獎金，這在國內(nèi)幾乎是天花板級別的存在。

這個(gè)級別的比賽，對應(yīng)的自然是足夠前沿、足夠復(fù)雜的問題，連出題人都在等著看答案。如果找到了足夠優(yōu)秀的解法，它可能直接改寫國內(nèi)大廠技術(shù)基礎(chǔ)設(shè)施的底層邏輯。

全新挑戰(zhàn)：探索推薦系統(tǒng)的 Scaling Law

今年的賽題為什么重要？因?yàn)檫@道賽題，本質(zhì)上是在問一個(gè)顛覆性的問題：推薦系統(tǒng)，能不能像被 AI 大模型影響的其他領(lǐng)域一樣，被「重做一遍」？

過去十幾年，推薦系統(tǒng)一直是科技公司最重要的基礎(chǔ)設(shè)施之一。它從海量信息中，篩選出最契合用戶需求的信息，并屏蔽信息爆炸帶來的噪音。

但隨著 AI 領(lǐng)域進(jìn)入大模型時(shí)代，甚至是 Agent 時(shí)代，推薦系統(tǒng)的演進(jìn)也來到了一個(gè)新的拐點(diǎn)：一邊是像大模型那樣的「統(tǒng)一架構(gòu) + GPU 高效計(jì)算」已經(jīng)被證明可以吃掉一切；另一邊卻是推薦系統(tǒng)還停留在「拼裝式工程」，結(jié)構(gòu)割裂、算力利用效率還有大量提升空間

為什么這么說呢？一般來說，在廣告推薦系統(tǒng)里，模型通常要解決兩件完全不同的事情。

第一件是理解用戶的行為序列。比如一個(gè)人最近看了什么視頻、點(diǎn)了哪些商品、搜索過什么。這些行為是按時(shí)間排列的，所以模型要理解「順序」。這一類問題一般叫序列建模。

第二件是理解各種特征之間的組合關(guān)系。比如「女性 + 買過嬰兒推車」，這些特征組合起來，可能更應(yīng)該推薦「安全座椅」。這類問題叫特征交互。

問題在于，在工業(yè)界，現(xiàn)在這兩件事是分開做的 —— 一部分網(wǎng)絡(luò)專門處理行為序列，另一部分網(wǎng)絡(luò)專門做特征交互，最后把結(jié)果合并。

這在早期 CPU 時(shí)代問題不大，但到了 GPU 時(shí)代，這種拼接式架構(gòu)帶來了很多問題。首先，信息在中間是斷開的，很多復(fù)雜關(guān)系捕捉不到。其次，整個(gè)系統(tǒng)結(jié)構(gòu)復(fù)雜，很多小模塊，GPU 算不滿。而且 CPU/GPU 要來回搬數(shù)據(jù)，效率很低。

主辦方希望參賽者嘗試做一件事：把兩套東西，徹底合成一個(gè)模型。所以賽題被命名為「大規(guī)模推薦系統(tǒng)中序列建模與特征交互的統(tǒng)一」。

本次競賽的核心任務(wù)架構(gòu)。

這并不是拍腦袋想出來的賽題，而是順著大模型已經(jīng)驗(yàn)證過的那條路在走。像 Transformer 這種統(tǒng)一架構(gòu)已經(jīng)證明了一件事：只要把各種數(shù)據(jù)用同一種方式表示、交給同一套模型處理，就能更高效地利用算力，而且規(guī)模越大效果越好，也就是所謂的 Scaling Law。但推薦系統(tǒng)還停留在東拼西湊的老結(jié)構(gòu)里，很難享受到這種提升。這道題，其實(shí)就是在試一件事：推薦系統(tǒng)能不能也換成這一套，更簡單、更統(tǒng)一，而且越做越強(qiáng)。

當(dāng)然，這件事做起來沒有那么容易。核心難點(diǎn)在于，廣告推薦場景的數(shù)據(jù)極其復(fù)雜 —— 既有用戶當(dāng)下的靜態(tài)信息，也有帶時(shí)間戳的行為流水，你需要在一個(gè)統(tǒng)一架構(gòu)里把這兩種完全不同的數(shù)據(jù)「翻譯」成模型能懂的語言并深度融合。同時(shí)，工業(yè)級數(shù)據(jù)規(guī)模海量且極度稀疏，模型必須足夠魯棒。更苛刻的是，你既要預(yù)測準(zhǔn)，又要跑得快，得在高端 GPU 上支持大批量高效訓(xùn)練和推理。需要注意的是，比賽嚴(yán)禁用「model ensemble」這種刷榜技巧，只能憑真本事靠單一模型硬碰硬。

不過，從主辦方給到的支持來看，這次比賽并不是「丟一道題就讓選手自己摸索」。為了降低門檻，他們提供了一套可復(fù)現(xiàn)、起點(diǎn)很高的 Baseline—— 不只是簡單示例，而是基于 Transformer 的完整統(tǒng)一架構(gòu)，連 Token 化思路和核心網(wǎng)絡(luò)都搭好了，還會提供免費(fèi)算力支持。

數(shù)據(jù)方面也不用擔(dān)心，他們提供的數(shù)據(jù)直接來自騰訊廣告的真實(shí)工業(yè)日志，規(guī)模和復(fù)雜度都接近真實(shí)生產(chǎn)環(huán)境，同時(shí)又做了嚴(yán)格的不可逆的匿名化處理。

客觀來講，題確實(shí)難，但也足夠真實(shí)、足夠前沿。如果能花 1-2 個(gè)月時(shí)間挑戰(zhàn)一下，相信無論接下來是打算在工業(yè)界做推薦系統(tǒng)，還是繼續(xù)深挖大模型與系統(tǒng)架構(gòu)，這段經(jīng)歷都會成為少有的「觸碰過真實(shí)一線問題」的證明。

為什么值得參加？

前面提到，這次比賽有兩個(gè)值得關(guān)注的變化，一是與 KDD 聯(lián)動，二是在職人士也能參加。

眾所周知，KDD 在頂會圈的地位和 ICML、NeurIPS 齊平。這次大賽能和 KDD 聯(lián)動，本質(zhì)上也是因?yàn)?strong>賽題本身已經(jīng)具備了頂會級別的學(xué)術(shù)價(jià)值。所以，如果能在大賽中脫穎而出，你簡歷上就多了一個(gè)全球認(rèn)可的加分項(xiàng)。而且，你的成果會被大會的 Workshop Proceedings 收錄，頒獎典禮也將在今年 8 月份的 KDD 會議現(xiàn)場舉行。

「學(xué)術(shù) + 工業(yè)」雙賽道的并軌則是出于兩方面考慮。一是賽題本身不是一個(gè) toy problem，而是每家大廠都面臨的工程難題，必須有真實(shí)系統(tǒng)落地經(jīng)驗(yàn)的工程師帶入更接地氣的工業(yè)約束和實(shí)現(xiàn)視角。二是在這個(gè)技術(shù)日新月異的時(shí)代，高校學(xué)術(shù)派和行業(yè)實(shí)戰(zhàn)派需要一個(gè)直接對話的契機(jī)，從而加速前沿算法從論文到生產(chǎn)系統(tǒng)的轉(zhuǎn)化。

這項(xiàng)比賽從 3 月 19 日開啟報(bào)名。總獎金池高達(dá) 88.5 萬美元（約合 610 萬元）。其中學(xué)術(shù)賽道冠軍獎金為 30 萬美元（約合 200 萬元），工業(yè)賽道冠軍獎金為 15 萬美元（約合 100 萬元）。

值得一提的是，為了獎勵(lì)選手在 Scaling Law 與統(tǒng)一架構(gòu)方面的原創(chuàng)突破，大會還設(shè)置了兩項(xiàng)技術(shù)創(chuàng)新獎，即便排名不在前列也有機(jī)會獲獎，每項(xiàng)獎金為 4.5 萬美元（約合 31 萬元）。

比賽結(jié)束之后，Top 隊(duì)伍選手將有機(jī)會加入騰訊，親手把方案落地廣告系統(tǒng)驗(yàn)證實(shí)際效果。

看到這里，相信很多同學(xué)已經(jīng)躍躍欲試了，但也會有人擔(dān)心：自己從來沒碰過推薦系統(tǒng)，現(xiàn)在上車來得及嗎？

其實(shí)完全不用慌。翻翻騰訊廣告算法大賽歷年的獲獎名單，你會發(fā)現(xiàn)不少選手都是報(bào)名之后才從零開始啃，邊賽邊學(xué)。最后不僅拿了獎，還順便摸清了自己的職業(yè)方向。比賽本身就是一個(gè)尋找賽題答案和人生答案的過程：既能驗(yàn)證自己是不是吃這碗飯的，也能在高壓下快速摸清這個(gè)領(lǐng)域的真實(shí)樣貌。

隨著 Token 逐漸成為 AI 時(shí)代的基礎(chǔ)貨幣單位，一個(gè)全新的價(jià)值交換體系正在我們面前展開。對每一個(gè)個(gè)體而言，這或許正是那個(gè)稍縱即逝的窗口期。當(dāng)新秩序初具雛形，率先參與其中的人，往往能擁抱最大的紅利。如果能抓住機(jī)會參與其中，未來的你可能會感謝今天的這個(gè)選擇。

報(bào)名鏈接：https://algo.qq.com/?type=register&weixinadkey=f405ff9dc868ccb36f9ab519e2e97c4acd972f95787dcca5767fa4e51f72dc1a9b63b48b3ca29e1d697976022a005cd6&wx_aid=89409756818&wx_traceid=wx0cjtq2qvqfw2fy00&weixinadinfo=89409756818.wx0cjtq2qvqfw2fy00.126.1