由李教授带领的A团队，推出神经元轻量化模型，核心是通过精简冗余神经元，将模型参数压缩40%，推理速度提升60%。现场测试中，该模型处理肺部CT图像时，速度比业界基准快82ms，仅落后基准准确率1.2个百。A团队认为，基层医院算力有限，“速度优先”能让诊断更快落地。
张研究员带领的B团队则持异议，推出动态剪枝算法——推理过程中根据图像复杂度动态调整计算节点。演示显示：清晰CT图下，算法激活80%核心神经元；模糊图像则保留95%整结构，最终准确率比基准高0.8个百，速度仅慢15ms。B团队，医疗诊断容不得误差，“准确率优先”才是核心。
对决进入盲测环节：1000张含结节的CT图像同步输入，A模型率先成推理，用时12.3秒，但漏检2例微小结节；B模型耗时13.8秒，仅漏检1例，对模糊图像的识别率高出A团队11个百。
现场评委指出，不同医院的算力与需求差异显著：基层医院算力有限，A模型适配性更强；三甲医院需高准确率，B模型更可靠。这场看似针锋相对的对决，实则暴露了单一优化的局限。
会后，两队决定联合开发“混合模型”——算力充足时启用动态剪枝，算力不足时切换轻量化结构。针锋对决的火花，最终点燃了优势互补的新思路。