奥林帕斯奖2023成果揭晓-数据存储-华为

搜索

搜索历史
热门搜索
网页直达
搜索推荐

关于“奥林帕斯奖”

数字经济时代，数据作为新型的生产要素，已经成为基础性资源和战略性资源。爆炸式增长的海量数据、蓬勃发展的创新数据应用都对数据基础设施提出更高的需求。如何让数据存得下、用得好、更安全、更节能成为产学研共同目标。对IT架构需求的快速变化以及不确定性也成为了主要挑战之一。如何构建极致能效比的数据基础设施也是产业面临的重大难题。

打造产业技术生态，尤其是在基础技术领域的突破，需要各个方面的共同参与。“奥林帕斯奖”（OlympusMons Awards）由华为公司于2019年起设立，旨在牵引全球数据存储领域基础理论研究方向，突破关键技术难题，加速科研成果产业化，实现产学研合作共赢。

了解更多

2023奥林帕斯悬红难题

难题一
每bit极致性价比的存储技术

面对各种新型非易失性介质的涌现，以及新型高速网络协议的发展，研究存储体系结构创新，介质应用创新及存储介质突破，构建每bit极致性价比的存储系统。

了解更多
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。
了解更多

获奖成果揭晓

奥林帕斯奖获奖团队

奥林帕斯先锋奖获奖团队

在2024全球数据存储教授论坛上，揭晓了2023年奥林帕斯多个奖项。苏黎世联邦理工学院Torsten Hoefler教授团队以及上海交通大学过敏意教授团队荣获2023年奥林帕斯奖。来自新加坡国立大学尤洋教授团队、韩国科学技术院John Kim教授团队、北京大学杨仝研究员团队、中国科学院计算技术研究所王颖研究员团队获得2023年奥林帕斯先锋奖。围绕“创新性、先进性、通用性、可行性”这几个评审准则，评审委员会对所有申报课题进行了科学严谨的分析与评估，最终得出整体排名。

奥林帕斯奖

科研奖励金：1,000,000人民币

获奖成果：

网络加速的分布式存储系统和数据库
获奖团队：

苏黎世联邦理工学院
Torsten Hoefler

Maciej Besta

Salvatore Di Girolamo

Timo Schneider
成果介绍：

Torsten Hoefler教授团队的创新涵盖所有计算堆栈层，显著提升了系统效率和性能。其核心突破表现在分布式存储系统的网络支撑和加速方面，sPIN等创新性数据传输与处理方案极大提高了系统整体性能。该团队深耕分布式存储系统的中间件与基础设施建设，为实现无缝集成和扩展奠定基础，进一步优化分布式环境下的海量数据管理。他们还改善了分布式存储系统模型开发、抽象和范式，简化数据管理和数据访问。该团队的存储架构创新同样引人注目，他们利用处理增强型网络接口卡，成功卸载了分散的分布式文件系统，不仅优化了存储性能，还提升了系统整体效率与扩展性。存储网络方面，该团队在终端和拓扑上的创新将颠覆未来的存储系统，实现空前的连通和数据访问能力。

奥林帕斯奖

科研奖励金：1,000,000人民币

获奖成果：

训推融合数据底座技术
获奖团队：

上海交通大学
过敏意

冷静文

郭聪
成果介绍：

该成果针对日益增长的人工智能大模型的高效训练和推理一体化部署挑战，创新地提出了以高效数据管理为中心的研究思路，深入分析研究了大模型训练、推理以及训推转换时的数据访问、数值分布、高阶信息等特征，从显存池管理、模型权重编码、全精度模型的低位宽压缩等方面，提出了系列创新技术，形成了训推融合场景下“高效大模型微调.快速模型压缩.低位宽推理部署”的完整技术体系。降低了超30%的内存训练需求，在无需微调数据的场景下实现了大模型的低位宽4比特推理部署，并将全精度模型至低位宽模型的转化时间降低了近万倍至秒级。发表多篇高水平论文/期刊，获得IEEE体系结构年度最佳论文优胜奖，相关技术的软件原型与硬件设计均已开源，获得广泛使用，为构建训推融合场景的易用、高性能数据底座提供创新思路。

奥林帕斯先锋奖

科研奖励金：200,000人民币

获奖成果：

面向大模型时代的通用深度学习系统Colossal-AI
获奖团队：

新加坡国立大学
尤洋
成果介绍：

该研究成果在大模型时代的人工智能研究领域取得了显著成就，为推动该领域的发展提供了强有力的支持。尤洋教授的研究，以Colossal-AI系统为核心，成功解决了如何高效地完成大模型的训练与推理任务，这一紧迫且关键的挑战。Colossal-AI系统在算法优化、系统架构设计、以及实际应用实施等多个层面进行了创新。该系统不仅集成了先进的人工智能技术，还整合了大语言模型、图像视频生成、高性能计算等领域的最新进展，从而显著提高了硬件利用率，降低AI大模型的开发和应用成本，可被广泛用于通用底座模型和行业模型的构建，解放AI生产力。

奥林帕斯先锋奖

科研奖励金：200,000人民币

获奖成果：

以通信为中心的架构
获奖团队：

韩国科学技术院
John Kim
成果介绍：

通信，即数据的流动，已经成为现代数字系统的瓶颈。随着工作负载的激增，计算需求急剧上升，高性能处理器（或加速器）以及高带宽（大容量）的内存/存储系统成为必需。当前系统中不同组件之间的通信方法（数据流动）成为了瓶颈，包括系统内的通信（如内部数据流动）和系统中不同组件之间的通信（如外部数据流动）。该团队的研究重点是如何通过以通信为中心的策略，去构建一种高效的系统架构，实现数据最小化流动。这一策略不仅革新了通信架构（互连网络），还重塑了存储及其整体系统，从而提升了新应用的性能并优化了成本效益。该团队的研究涵盖了SSD控制器架构/组织、支持存内计算的主存系统，以及节点到节点的数据流动。

奥林帕斯先锋奖

科研奖励金：200,000人民币

获奖成果：

动态场景下的大规模键值对数据存储方案
获奖团队：

北京大学
杨仝

吴钰晗

刘子瑞
成果介绍：

成果提出了先进的大规模键值对数据存储方案，对动态场景下的数据管理实现了显著创新。我们设计了三个关键技术：四色过滤器（Color Embeder）、映射嵌入哈希表（MapEmbed）和镜像不对称哈希表，有效减少了慢速内存中的无效访问，降低存储成本的同时提升系统性能。特别是MapEmbed技术，通过映射和嵌入的策略，大幅优化了物理存储资源的利用率。同时，ChameleMon系统用于大规模网络的毫秒级丢包故障检测与定位，能够在网络状态变化时，动态地转移测量注意力并灵活分配内存资源，有效支持丢包检测和包累积测量任务。ChameleMon采用基于费马小定理的FermatSketch数据结构，支持数据的分割、累加和减少，能够适应网络状态的变化，高效实现故障检测。这些技术为提升华为存储产品的性能提供了创新思路。

奥林帕斯先锋奖

科研奖励金：200,000人民币

获奖成果：

面向非结构化数据处理的计算型存储关键技术研究
获奖团队：

中国科学院计算技术研究所
梁胜文

王颖

刘成

李华伟

李晓维
成果介绍：

该成果创新性地提出面向非结构化数据处理的计算型存储——认知存储器，为解决计算存储器在非结构化数据处理、任务卸载、数据管理等方面的问题提供了技术路径。该成果针对非结构化数据与处理算法多样性带来的数据处理效率低问题，提出计算型存储专用处理器设计方法，通过抽象出共性的规则和不规则计算模式，构建专用硬件架构实现数据处理的加速；针对任务卸载复杂度高的问题，构建面向计算型存储的处理器自动化生成框架，提高计算型存储的开发效率并赋予其场景化加速的能力。认知存储器利用数据语义实现非结构化数据的治理，丰富了存储内每bit数据的信息量，为AI时代的非结构化数据处理应用提供了关键介质底座，是实现“每bit极致性价比存储”的重要支撑。