【火】Spatial Joy 2025 全球 AR&AI 赛事:开发者要的资源、玩法、避坑攻略都在这

【火】Spatial Joy 2025 全球 AR&AI 赛事:开发者要的资源、玩法、避坑攻略都在这

Spatial Joy 2025 Rokid乐奇 全球 AR&AI 开发大赛 值不值得参加?不少参加过连续两届 Rokid乐奇 赛事的老兵,纷纷表示非常值得参加。

先说最实在的——奖金

AR赛道分为应用和游戏两个赛道,金奖各20万人民币,而且是现金!交完税全是你自己的!这还不够,AR赛道总共设了27个奖项,据我打听到的往年数据,能正常跑进初赛的作品大概就60-70个,这意味着获奖比例相当高

20万就封顶了吗?远远没有!亚马孙科技给使用Kiro并获奖的开发者,在原奖金基础上再加20%现金奖励

AI赛道同样设置了27个奖项,奖金从1万到5万不等,主要以智能体开发为主,支持市面上所有智能体平台的适配。也就是说,你之前做的智能体微调一下就能参赛

更重要的是,现在正是智能眼镜行业爆发前夜。据我观察,未来2-3年将是空间计算应用落地的关键窗口期,提前布局的开发者将占据绝对先发优势。

好了,重磅消息说完,下面是我为大家整理的详细参赛指南:

先给开发者交个底:这赛事值得花时间吗?

对技术人来说,一场赛事值不值得冲,就看三点:资源给不给力、履历加不加分、落地可能性大不大。这三点,Rokid乐奇主办的这场赛事全占了。

  • 硬核资源支持:AI赛道直接对接Rokid乐奇空间计算底层技术生态,不用担心模型调用限额和算力问题。AR赛道开放全系列AR设备开发权限,从消费级AR眼镜到商用空间计算终端全覆盖。
  • 行业背书与机遇:获奖履历在AR&AI行业认可度很高。往届优秀团队不仅获得了Rokid乐奇硬件批量支持,还与吉利汽车、新东方教育、三一重工等企业深度合作,直接将方案落地到真实场景。
  • 低门槛试错:两个赛道都不用从零搭架构。AI方向支持多模型灵活接入,AR方向提供完整的SDK工具链,重点拼创意而非重复造轮子

赛道怎么选?AI 和 AR 的核心玩法说透了

AI赛道:拼的是"空间认知协作"能力

这不是简单的"调参游戏",核心考察的是让AI在AR场景中成为"协作伙伴"的能力——要能自主理解用户模糊需求、调配环境数据。

比如做个"企业级AR智能助手",通过Rokid乐奇 AR眼镜实现日常办公任务处理,这背后就是"空间目标驱动+误差最小化"的逻辑,正好踩中当前AR&AI融合的前沿方向。

AR赛道:要做"空间问题解决者"

关键是把虚拟交互嵌入真实空间需求。比如在零售场景做"AR虚拟导购",让用户戴AR眼镜就能看到商品3D展示和优惠信息,核心是解决"空间信息不对称"的实际问题。

不用担心硬件适配,Rokid乐奇全系列设备的适配参数都已同步到SDK中,你只需要专注于空间交互逻辑设计。

报名前必看:开发者最关心的8个问题

基础资格类:

  1. 谁能报? 个人、团队都可,团队最多10人,学生党、职场人、独立开发者都能参与
  2. 作品要求? 必须是未参赛过的原创作品,需适配至少一款Rokid乐奇 AR硬件

赛道细节类:

  1. AI赛道必须用Rokid乐奇模型吗? 不用,支持自主选择模型
  2. AR赛道需要懂底层图形学吗? 不用,会用Unity、Unreal或Android Studio就能上手
  3. 两个赛道能同时报吗? 不行,同一作品只能选一个赛道

开发落地类:

  1. 算力不够怎么办? 官方提供SpatialAI平台,满足训练、推理需求,不用自己掏服务器钱
  2. 有技术支持吗? 有专属答疑群、完整文档教程,技术专家直接解答问题
  3. 作品要落地到Rokid乐奇生态吗? 建议优先考虑,但不强制,适配Rokid乐奇的作品评审可能加分

最后说句实在的:这是技术人的"低成本跃迁"机会

作为过来人,不少开发者们想对不同阶段的开发者说几句真心话:

对刚入行的朋友,这绝对是快速积累AR&AI实战经验的捷径。你不用去对接复杂的商业需求,就能直接用上Rokid乐奇顶尖的空间计算资源和全系列AR硬件练手——这种机会在平时可遇不可求。

对资深开发者而言,这正是展示技术视野的绝佳舞台。空间AI认知闭环、AR场景落地,这些方向正是当前行业最稀缺的技术能力,随便哪一个写进履历里都是重磅加分项。

说白了,这场赛事就是Rokid乐奇给技术人送"资源+机遇"的。你能用别人花上亿搭建的AR技术生态,做能直接在硬件上落地的项目,还能拿到AR行业龙头的背书——这种好事真的不常有。

现在报名通道已经开放,我劝各位别纠结了。把平时调参、改bug的时间,换成一个能写进履历的AR&AI项目,这笔账怎么算都值!

📕大赛报名通道已开启,点击链接即可报名。https://custom.rokid.com/prod/rokid_web/323825adf4914c21be8a0d5fe7b8a9e5/pc/cn/e86b7ca26e8448818ee501ce2a5f3628.html

Read more

Instruct vs Thinking模式怎么选?Qwen3-VL-WEBUI提供最佳实践路径

Instruct vs Thinking模式怎么选?Qwen3-VL-WEBUI提供最佳实践路径 在多模态大模型逐步渗透到智能办公、自动化测试、教育辅助和内容生成等关键场景的今天,用户对AI能力的要求早已超越“能看图说话”的初级阶段。真正决定体验上限的是:面对不同复杂度任务时,模型能否做出最优响应策略? 阿里通义实验室推出的 Qwen3-VL 系列模型,通过内置 Instruct 与 Thinking 两种推理模式,首次将“快反应”与“深思考”系统化地集成于同一技术框架下。而基于该模型构建的镜像 Qwen3-VL-WEBUI,不仅实现了开箱即用的部署体验,更提供了清晰的工程化路径,帮助开发者精准匹配应用场景。 本文将结合 Qwen3-VL-WEBUI 镜像的实际能力,深入剖析 Instruct 与 Thinking 模式的本质差异、适用边界及协同机制,并给出可落地的选型建议与优化方案。 1. 技术背景:为何需要双模式设计? 传统多模态模型往往采用单一架构处理所有输入——无论问题是“这张图里有什么?”还是“请分析视频中人物行为背后的动机”,都走相同的推理流程。

前端Network性能优化场景解析

调试场景 核心列(必看) 辅助列(补充) 场景说明 实操技巧 1. 定位慢请求(整体耗时久) Time(总耗时)Name(资源名称)Status(状态码) Size(资源大小)Domain(域名) 快速找出页面中加载时间最长的资源,判断是 “资源本身大” 还是 “请求处理慢” 1. 按「Time」列降序排序,耗时 Top5 的请求优先排查; 2. 若 Status=200 但 Time>1s:看 Size 是否过大(需压缩资源),或 Domain 是否为跨域慢域名(考虑 CDN 加速)

CTFshow Web25:深入解析php_mt_seed工具在伪随机数爆破中的实战应用

1. 从“爆个锤子”到“伪随机数”的认知升级 做CTF题目最怕什么?不是题目难,而是思路一开始就错了。我刚开始做CTFshow Web25这道题时,就犯了个低级错误——看到代码里有个md5($flag),然后截取前8位转十进制作为种子,我下意识以为种子就是ctfshow{ 这八个字符的MD5值。结果折腾了半天,发现完全不对路。 后来仔细看代码才明白,人家是先对整个flag进行MD5加密,然后取前8位十六进制,再转换成十进制作为种子。这个区别可大了去了,就像你以为密码是“123456”,结果人家用的是“123456”的SHA256值,完全是两码事。 这道题的核心逻辑其实挺有意思的。代码里有个关键判断:if((!$rand)),意思是只有当$rand为0时,才会执行后面的token验证逻辑。而$rand的计算方式是intval($r)-intval(mt_rand())。所以最简单的思路就是让$r等于mt_rand()的值,这样两者相减就是0。 但问题来了,我们不知道mt_

【昇腾】单张96G Atlas 300I Duo推理卡MindIE+WebUI方式跑32B大语言模型_20250818

【昇腾】单张96G Atlas 300I Duo推理卡MindIE+WebUI方式跑32B大语言模型_20250818

一、Atlas 300I Duo推理卡相关安装步骤 由于显存的瓶颈,48G的Atlas 300I Duo推理卡是没办法跑得起来DeepSeek-R1-Distill-Qwen-32B大语言模型的,这里换了一张96G版本的Atlas 300I Duo推理卡来跑,32B大语言模组除了对显存有要求,对服务器本身的内存条也有要求,在加载的过程中需要较大的内存,这里服务器的内存条内存为128GB 1.1 服务器系统与内核说明 服务器系统版本内核版本内存条内存S5000CKylin V104.19.90-89.11.v2401.ky10.aarch64128GB P.S.服务器安装好系统后先不要执行yum update -y更新,否则内核版本会从4.19.90-89.11升级到4.19.90-89.21,Atlas 300I Duo推理卡的driver包会安装失败 1.2 系统环境说明 本服务器IP地址:192.168.2.71 登录用户: