發(fā)布時間：2026-03-27 11:13:14 
瀏覽量：759 ?中國大學生計算機設計大賽（下面簡稱“4C”或大賽）是由教育部計算機相關教指委于2008年創(chuàng)辦的、我國最早的面向普通高校本科生的賽事之一。大賽的目的是以賽促學、以賽促教、以賽促創(chuàng)，為國家培養(yǎng)德智體美勞全面發(fā)展的應用型、復合型、創(chuàng)新型人才服務，是教育部A類學科競賽賽事之一。
中智訊聯(lián)合RT-Thread負責大賽物聯(lián)網(wǎng)專項賽：RT-Thread 競賽方案，大賽將于2026年4月-8月舉行。歡迎大家報名。
2026年(第19屆)中國大學生計算機設計大賽
物聯(lián)網(wǎng)專項賽
RT-Thread
競賽方案
上海睿賽德電子科技有限公司
中智訊（武漢）科技有限公司
2026年2月
2026 RT-Thread&中智訊聯(lián)合賽題
隨著物聯(lián)網(wǎng)和智能系統(tǒng)的快速發(fā)展，嵌入式成為當前最熱門最有發(fā)展前途的 IT 應用領域之一。在移動通訊、移動辦公、智能傳感、穿戴式設備、物聯(lián)網(wǎng)、到數(shù)據(jù)中心、大數(shù)據(jù) 管理、云計算、邊緣計算，人工智能等各個領域。而所有物聯(lián)網(wǎng)嵌入式終端設備的核心 就是物聯(lián)網(wǎng)操作系統(tǒng)。賽題要求作品創(chuàng)作必須基于 RT-Thread OS 操作系統(tǒng)為核心，根據(jù)不同方向要求，采用賽題指定要求的軟硬件平臺進行作品的創(chuàng)作。
方向二基于云邊端協(xié)同計算架構的 AIOT 產(chǎn)業(yè)應用創(chuàng)新
隨著物聯(lián)網(wǎng)（IoT）設備數(shù)量呈指數(shù)級增長，傳統(tǒng)云計算架構面臨數(shù)據(jù)傳輸延遲高、帶寬 壓力大、隱私風險突出等挑戰(zhàn)。云邊端協(xié)同計算（Cloud-Edge-End 協(xié)同）通過將計算任 務在云端、邊緣節(jié)點和終端設備間動態(tài)分配，成為突破這一瓶頸的關鍵技術。結合人工 智能（AI）的智能決策能力，AIoT（人工智能物聯(lián)網(wǎng)）正推動工業(yè)制造、智慧城市、醫(yī) 療健康等領域的智能化升級。
本題目鼓勵參賽者探索云邊端協(xié)同在產(chǎn)業(yè)場景中的創(chuàng)新應用，解決實際痛點。
核心內容與要求：
1）構建云邊端協(xié)同系統(tǒng)，明確云端（如公有云/私有云）、邊緣節(jié)點（如網(wǎng)關、服務器） 和終端設備（如傳感器、攝像頭）的職責分工。
2）設計任務調度機制，例如將實時性要求高的 AI 推理（如工業(yè)質檢、交通監(jiān)控）部署 在邊緣側，復雜模型訓練（如用戶行為分析）交由云端處理，終端設備負責數(shù)據(jù)采集和 初步過濾。
3）考慮資源約束（如邊緣設備的計算能力、網(wǎng)絡帶寬波動），優(yōu)化數(shù)據(jù)傳輸與計算負載分配。
AIOT云邊端平臺技術架構
在云端層，我們構建了集控制、訓練與分析于一體的智慧大腦。統(tǒng)一控制臺提供全局資源拓撲與運行狀態(tài)的可視化監(jiān)控，實現(xiàn)對邊緣節(jié)點與終端設備的批量管理與OTA升級。集成化的AI開發(fā)平臺支持基于Jupyter和Kubeflow的模型訓練流水線，并能自動將訓練好的模型進行蒸餾、壓縮后下發(fā)至邊緣或終端。云端數(shù)據(jù)湖匯聚全鏈路數(shù)據(jù)，支持學生進行離線分析、趨勢預測和聯(lián)邦學習等高級實驗。這一層不僅賦能教學中的集中管控與智能開發(fā)，更為科研提供了可擴展的大數(shù)據(jù)與算力基礎。
在邊緣層，我們基于KubeEdge等云原生邊緣計算框架構建了分布式的區(qū)域智能中心。每個邊緣節(jié)點實為輕量化的Kubernetes集群，既能接受云端的統(tǒng)一編排與管理，又能在網(wǎng)絡中斷時實現(xiàn)本地自治。該層部署了邊緣AI推理服務、流式規(guī)則引擎與本地消息總線，能夠對終端數(shù)據(jù)進行實時聚合、分析與決策，執(zhí)行如視頻結構化分析、工業(yè)異常實時檢測等低延遲任務。通過這一層，學生可直觀學習從云端“下沉”應用到邊緣、管理邊緣服務網(wǎng)格以及設計邊端協(xié)同算法的全過程，掌握產(chǎn)業(yè)界主流的邊緣智能化范式。
在終端層，我們的方案核心在于實現(xiàn)海量異構設備的智能納管與輕量化協(xié)同。通過提供統(tǒng)一的設備SDK與數(shù)字孿生建模框架，我們將各類傳感器、攝像頭、工控設備等終端抽象為可被上層統(tǒng)一管理的數(shù)字實體，并支持基于TensorFlow Lite或TinyML的輕量級AI模型本地部署與推理。同時，我們創(chuàng)新性地引入了高保真軟件模擬終端集群，使學生在物理設備有限的情況下，依然能進行大規(guī)模設備接入、故障注入和邊緣協(xié)同策略驗證實驗，從而徹底解決傳統(tǒng)實驗室“重硬輕軟、難規(guī)模化”的痛點。
整個三層架構通過安全可靠的網(wǎng)絡信道連接，并由協(xié)同調度引擎與全鏈路可觀測系統(tǒng)貫穿始終。調度引擎能根據(jù)網(wǎng)絡狀況、資源負載與業(yè)務需求，智能地將計算任務動態(tài)分配至云、邊、端最合適的節(jié)點執(zhí)行；可觀測系統(tǒng)則提供從終端傳感數(shù)據(jù)到云端訓練任務的全鏈路追蹤與度量可視化。
技術支持QQ群：732734634
聯(lián)系人：陳杰偉
聯(lián)系方式：18672768321
