奥林帕斯奖（2023）难题二：面向新兴业务的数据使能与韧性技术

面对数据中心多样化设备和新型应用负载，高速数据处理诉求和数据韧性新趋势，研究面向AI等新场景的数据使能与治理技术，数据韧性和高可靠技术，构建面向新兴业务的数据使能与韧性技术。

1、面向AI数据湖的以存强算技术：面向AI大模型等场景，基于存算分离的总体架构，通过以存代算、存内计算卸载等技术，实现对训练与推理性能的加速，及系统资源效率的最大化。

2、训推超融合底座技术：基于AI大模型的企业应用场景，通过异构算力虚拟化与调度等技术实现资源高效利用；通过模型压缩与网存算协同加速等技术，在有限资源下支持快速训推和提升模型精准度的技术；基于大模型的企业AI应用结合，如基于训推一体构建的机器人应用、企业AI应用、基于企业隐私保护的大模型应用技术等。

3、面向AI数据湖与训推超融合的数据治理与知识库存储技术：包含多种格式文档的自动化语料提取、海量数据的自动分级分类与标注技术、语料质量评估技术、基于知识图谱+向量数据库融合的RAG及智能化特征工程与知识注入技术、企业全量数据接入，可视，可管，可用技术等。

1、数据韧性技术：研究面向存储硬件、体系结构的数据安全防护、跨信任域数据安全流动使用的存储内生数据安全技术，通过AI技术增强数据检测、安全的能力解决客户业务连续性面临数据韧性安全挑战。

2、系统可靠性：面对上千节点多种网络协议混合的复杂集群组网，构建全局拓扑状态感知的数据存储网络技术，研究大规模集群的故障定界技术，确保各种硬件资源故障能毫秒级故障检测和通知，实现存储集群下系统亚秒级的故障快速定界和自动恢复，满足有限规模集群下设备亚秒级的故障快速恢复能力。

3、新场景的数据保护技术：面向AI/大数据/多云等新兴应用与数据基础设施场景，研究AI全生命周期和全栈应用及数据容灾、备份与隐私保护等技术，解决AI系统的可用性、安全性与数据隐私等挑战；研究多云环境海量应用和数据的容灾、备份与共享技术，解决多云平台的数据无感备份、实时灾备和共享安全等挑战。