华为奥林帕斯奖发布四道新题：Agent时代存储与数据挑战
在计算领域，有两个贯穿数十年的核心尺度，它们看似各自独立，却在近年的技术浪潮中逐渐交汇。其一便是与现代计算同岁的bit，从存储介质的迭代到数据密度的提升，几十年来行业始终围绕如何让每一位二进制数据占用更少空间、保存更久、访问更快展开探索；另一个则是近年才走入大众视野的token，大模型用它理解和生成信息，到了智能体时代，每一次任务都伴随着持续的检索、推理、状态维护与知识调用，token的生成效率不再只取决于模型本身，更依赖数据能否及时送达计算单元。
面向全球科研团队的数据存储技术挑战奖项奥林帕斯奖，自2019年设立以来，始终将数据基础设施中的核心难题开放给全球学者。2026年8月29日，第六届奥林帕斯奖获奖名单在全球数据存储教授论坛上正式揭晓，本届赛事吸引了来自全球30余所高校与研究机构的160余位专家学者参与申报。
最终，智能存储与计算重点实验室沈志荣教授团队拿下本届唯一的最高奖项，另有6支团队获得先锋奖。沈志荣教授团队凭借《层次化大内存的I/O优化与高效组织技术研究》摘得桂冠。当前大模型推理中，模型权重、KV缓存等数据体量持续增长，难以全部留在容量有限的GPU显存中，严重拖累推理性能。该团队围绕显存、内存与SSD之间的数据访问与组织进行优化，让数据可以按需存放在不同层级的存储资源中，同时让GPU等计算加速器能够高效访问这些数据，实现推理性能的系统性提升。根据公开研究数据，该方案让GPU面向NVMe SSD的4K读取带宽达到传统方案的7.3倍，平均内存访问时间最多降低76.4%。
其余获得先锋奖的团队则分别在多模态知识表征与检索、全栈I/O协同优化、知识提取、语义信息凝练与长序列推理加速、SSD轻量索引与算子卸载、神经符号融合推理框架等方向取得了创新性成果。
除了奖金与荣誉，奥林帕斯奖更重要的价值在于搭建起了产业与科研之间的桥梁，将真实的行业痛点转化为科研课题，又将前沿研究成果落地为产品竞争力。六届赛事以来，奖项关注的课题始终随着产业需求迭代：早期聚焦存储底层技术，近年则随着智能体技术的普及，逐渐延伸到智能体场景下的数据供给与知识管理领域。
新一届挑战方向：两大脉络，四道课题
本届活动同时公布了新一届奥林帕斯奖的技术挑战方向，依然围绕两大核心脉络展开：
方向一：每bit极致性价比的存储技术
AI的持续发展带来不断增长的数据规模和存储需求，这一方向继续关注超高密度存储、大容量内存型存储介质和近存加速，在提升容量与性能的同时，进一步降低每bit成本。具体课题包括：
- 海量数据的超高密度存储与高效检索技术：让数据存得更密，同时在越来越大的数据空间里更快找到所需数据。
- 状态数据的内存型存储介质与近存加速技术：面向高频访问的状态数据，通过大容量内存型存储介质和近存加速，降低存储成本，减少数据搬运，提高推理效率。
方向二：Agentic AI原生的数据底座
智能体进入企业生产场景以后，既需要更快地获得数据，也需要能够跨领域复用并持续演化的知识。这一方向因此关注高性能网络与I/O路径，以及知识的自动构建、更新和持续演化。具体课题包括：
- 以Token生产效率为中心的高效数据供给技术：构建应用状态感知的数据网络，优化I/O路径，减少模型生成Token时等待数据的时间。
- 基于本体知识图谱的高泛化、可演进知识表征技术：让企业知识能够被智能体理解，在不同领域和业务场景中能被复用并自动更新，同时保持推理结果可信和可追溯。
奥林帕斯山作为太阳系最高的山峰，象征着对极限的探索。这一奖项的命名，也恰如行业对数据存储技术的持续追求：每一次微小的优化，比如多存一位数据、减少一次数据搬运、加快一次Token生成，积累起来都会改变介质、系统，乃至人工智能使用数据的方式。新一届的挑战题目已经公布，接下来，便是全球科研团队寻找答案的时刻。
