近日，第八届 CCF 开源创新大赛 “Mooncake KVCache 存储设计和性能优化” 赛题，在重庆大学完成线下决赛路演与颁奖。本赛题由龙蜥社区和 Mooncake 社区、中国计算机学会共同组织。本次决赛邀请了多位专家组成评委团，线下参赛队伍现场路演答辩。经过评审团专业、公平、公正的评审投票，最终评选出一等奖 1 项、二等奖 3 项、三等奖 8 项。感谢所有参赛团队这几个月的投入，也恭喜最终获奖的 12 支队伍。
第八届 CCF 开源创新大赛由中国计算机学会主办，围绕人工智能和泛在操作系统两个方向，设置了开源项目贡献、开源任务挑战、开源案例教学、开源数据评注四个赛道。从 3 月赛题启动，到 7 月初赛结束，再到 8 月 14 日在重庆大学进行线下决赛、8 月 16 日正式颁奖，前后几个月里，我们陆续看到了不少围绕大模型推理基础设施的实际探索。有些工作深入到了 Mooncake Store 内部，有些从 KVCache 调度、传输、容错切入，也有一些把问题扩展到了新的硬件和推理场景。
比赛结束后，我们也邀请了几支获奖团队聊了聊自己的参赛经历和收获。
Mooncake 最棒
感谢 Mooncake 社区、龙蜥社区和评委的认可。我们来自电子科技大学成都学院。
这次参赛对我们而言更像是一次“双向奔赴”：我们带着沐曦 MACA 平台适配和 PG 容错机制的工程实践加入社区，社区则通过严谨的 Code Review 和活跃的讨论，帮助我们把代码打磨得更加扎实。
从最初让 CUDA-like 代码在 MACA 上跑通，到实现 67 GB/s 的 P2P 拷贝优化，再到让 PG 在 rank 故障时能够自动降级而不是直接崩溃，每一步都离不开社区里的交流和协作。
期待后续能和更多伙伴一起，在国产算力适配与大模型推理稳定性上继续贡献力量。
料峭春风吹酒醒
我是林炜希，西北工业大学计算机技术专业研一学生，研究方向为 AI Infra 与大模型推理优化。本次以“料峭春风吹酒醒”队独立参赛并获得三等奖。
参赛作品《Mooncake EPD：多模态与智能体状态分离协同推理方案》基于 Mooncake 与 vLLM 构建 EPD 分离推理系统。系统通过精简 Decode 请求，并引入分组就绪机制，实现 Prefill、KV 传输与 Decode 的流水协同；在智能体分支场景中，不同分支共享 KV 页，仅在写入时按页复制，并通过事务化交接保证状态一致性。
实测中，TTFT 最高降低 24.1%，Decode 请求体缩减 98.54%，分支创建速度提升 10.03 倍。
参赛期间，我负责 RFC 撰写、需求分析、方案迭代、真实硬件测试和性能调优，也持续处理并发、状态生命周期以及兼容性等问题。这次经历让我对复杂 AI 系统从设计、验证到工程落地的完整过程有了更深入的理解。
(图1/料峭春风吹酒醒)
(图2/料峭春风吹酒醒)
攻防实验室——翻斗花园
大家好，我们是来自中北大学的 CachePilot 开发团队！
最开始，我们只是想解决一个很具体的问题：目前大模型 KV Cache 策略很多，但缺少标准化、可复现的实测工具。于是我们从封装 Benchmark 开始，一步步搭建可视化 Dashboard，并完成了数十组真实存储压测。
特别感谢指导老师一直以来的支持。这份荣誉也是团队一起熬夜调参、跑实验换来的。
后续我们也会继续完善 CachePilot，希望通过开源工具，帮助更多做 AI 推理和 KV Cache 优化的同学更方便地验证自己的想法。
（图/攻防实验室——翻斗花园）
聪明企鹅
大家好，我是来自浙江大学的聪明企鹅。
Mooncake 是一个很有创新性的开源大模型推理缓存项目，社区也非常活跃、友善，为我们提供了很好的工程实践平台。
感谢社区组织这次比赛，也期待未来继续参与 Mooncake，在社区里和大家一起交流、成长。
999感冒灵
很开心这次能在 “Mooncake KVCache 存储设计和性能优化” 赛题中获得三等奖。
整个比赛做下来，最大的感受是，大模型系统优化里还有很多非常值得深入的工程问题。KVCache 看起来只是推理流程中的一个组成部分，但它背后的存储、传输和资源管理，都会直接影响整个系统的效率。
这次比赛也让我们从“把功能做出来”，进一步走到了“为什么这里会成为瓶颈，以及怎样验证这个优化真的有效”。
非常感谢 Mooncake 社区、龙蜥社区和主办方提供这次学习和实践的机会。希望以后还能继续参与开源项目，把更多想法真正落到系统里。
完整获奖名单
| 获奖类别 | 团队名称 | 作品名称 |
| 一等奖 | Mooncake最棒 | Mooncake-MACA：异构 GPU 互联适配与 PG 容错恢复 |
| 二等奖 | KVCache Forge | Mooncake Store 碎片感知优化 |
| 二等奖 | Apeirai | Mooncake Store KVCache 热路径优化：单副本分配 fast path 与 SLO-aware promotion budget |
| 二等奖 | 陶西册 | Mooncake KVCache 分层存储设计与性能优化 |
| 三等奖 | 聪明企鹅 | 基于 vLLM 与 Mooncake 的 EPD 三阶段分离原型及协同存储优化 |
| 三等奖 | go | 在数据面之上加一层元数据智能：KV 存储的热点复制、缓存感知调度与高可用加固 |
| 三等奖 | 999感冒灵 | Mooncake Store promotion-on-hit transient failure retry |
| 三等奖 | 料峭春风吹酒醒 | Mooncake EPD：多模态与智能体状态分离协同推理方案 |
| 三等奖 | 上下文刺客 | Mooncake Store 高并发吞吐性能系统优化 |
| 三等奖 | 攻防实验室——翻斗花园 | CachePilot：基于 Mooncake 的 KVCache 复用与调度评测系统 |
| 三等奖 | kvcache | 当稠密假设失效：面向混合与稀疏注意力模型的语义感知 KV 卸载——从一次启动崩溃说起 |
| 三等奖 | Robin | MooncakeEP-HB：面向 High-Batch MoE 的 NVLink 高吞吐通信优化 |
写在最后
比赛告一段落，但围绕 KVCache 和大模型推理基础设施的很多问题才刚刚开始。龙蜥社区始终相信，泛在操作系统的演进离不开 AI Infra 的协同创新——从算力调度到存储优化，从国产硬件适配到推理引擎的工程落地，这些真实的问题需要更多开发者一起参与。欢迎大家加入龙蜥社区，不管是提交代码、参与讨论、完善文档，还是分享一个新的想法，我们都期待和你一起，把这些真实而有挑战的问题继续做下去。
相关链接：
赛题信息：https://www.gitlink.org.cn/competitions/track2_2026Mooncake
