本站点使用Cookies,继续浏览表示您同意我们使用Cookies。 Cookies和隐私政策>

搜索

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

2024奥林帕斯悬红难题

获奖成果揭晓

奥林帕斯先锋奖获奖团队 奥林帕斯先锋奖获奖团队
奥林帕斯奖获奖团队 奥林帕斯奖获奖团队

在2025全球数据存储教授论坛上,2024奥林帕斯奖的多个奖项正式揭晓。来自清华大学的武永卫老师团队荣获2024奥林帕斯奖,复旦大学张凯老师团队、华中科技大学联合北京大学的周可老师团队、华中科技大学张静宇老师团队、香港城市大学范凤磊老师团队以及德国柏林工业大学Volker Markl老师团队获得2024奥林帕斯先锋奖。2024奥林帕斯奖共收到来自全球19所高校和研究机构的95位专家学者的申报,评审委员会基于申报成果的技术价值和商业价值,进行了科学严谨的分析与评估,最终评选出奥林帕斯奖项。

奥林帕斯奖

奥林帕斯奖

科研奖励金:1,000,000人民币
  • 获奖成果:
    以存换算:高性能大模型推理系统
  • 获奖团队:
    清华大学
  •  
    武永卫
    武永卫
    章明星
    章明星
    郑纬民
    郑纬民
    秦若愚
    秦若愚
    姜进磊
    姜进磊
  • 成果介绍:
    本研究创新性地提出了“以存换算”这一技术路线,通过充分挖掘显卡外部内存乃至磁盘的存储潜力,以及近存计算能力,构建出全局共享的KVCache复用机制与存算异构协同体系。基于此,发起了Mooncake架构和KTransformers框架两个开源社区,有效缓解了长序列、智能体集群以及稀疏大模型推理带来的资源压力。该方案已成功落地月之暗面Kimi、阿里、蚂蚁、讯飞等多个业内平台,GitHub开源总星标数已超过18k,获FAST 2025最佳论文奖,并取得发明专利授权36项。NVIDIA Dynamo系统也借鉴并采用了Mooncake的架构与核心组件。
奥林帕斯先锋奖

奥林帕斯先锋奖

科研奖励金:200,000人民币
  • 获奖成果:
    面向多模态数据的高维向量近似检索技术
  • 获奖团队:
    复旦大学
  •  
    张凯
    张凯
    王晓阳
    王晓阳
  • 成果介绍:
    本研究面向多模态数据的高维向量查询检索,围绕查询模态数据向量与被查询模态数据向量间存在着不同分布(Out-of-distribution, OOD)导致检索效率极低的问题,通过研究多模态高维向量数据的分布规律,科学地分析了分布外查询对向量检索带来性能影响的原因,随后基于学习模态间的分布联系,以及查询数据模态分布的向量距离关系以连接关联被查询向量,构建了一种跨模态的高效图索引。经过实验对比,该索引技术在跨模态向量检索任务中有效缓解了OOD导致的索引效率问题,取得了数倍的性能提升。研究成果发表在数据库领域顶级会议 VLDB’24上,技术方案在NeurIPS 举办的BIGANN Competition 上获得 OOD track 冠军。
奥林帕斯先锋奖

奥林帕斯先锋奖

科研奖励金:200,000人民币
  • 获奖成果:
    高效缓存管理与多模态大模型驱动的 AI 数据底座
  • 获奖团队:
    华中科技大学、北京大学
  •  
    周可
    周可
    白翔
    白翔
    张杰
    张杰
    王桦
    王桦
    刘禹良
    刘禹良
  • 成果介绍:
    本研究通过高效缓存管理、异构大模型推理和多模态大模型等关键技术,构建了一种新型AI数据底座,为有限缓存资源条件下的高效大模型推理提供了技术方案。首先通过高效缓存管理技术,解决了高效缓存分析与管理相关的技术问题,为缓存定量化管理提供基础支撑;其次基于xPU和SSD异构缓存技术,解决了现有主流推理系统依赖HBM导致KV缓存存储成本高的问题,为缓存资源受限条件下如何处理大尺寸图像的问题提供解决方案;最后基于高效资源利用的多模态大模型,解决了有限缓存资源条件下如何提高多模态大模型输入图像分辨率的难题,从而提高多模态大模型的性能。
奥林帕斯先锋奖

奥林帕斯先锋奖

科研奖励金:200,000人民币
  • 获奖成果:
    极致性价比的高密度磁/光存储介质技术
  • 获奖团队:
    华中科技大学
  •  
    张静宇
    张静宇
    吴非
    吴非
    陈进才
    陈进才
    罗可
    罗可
    高骥超
    高骥超
  • 成果介绍:
    本研究聚焦温冷存储介质容量密度提升。在磁存储领域,基于二维、三维磁记录,开创性地提出了“时频协同感知”的信号检测方法,研究了高可靠读写建模和信号处理方案,实现存储密度倍增,为超高密度磁存储的有效信息读写提供了理论指导;在光存储领域,在玻璃存储方向上,创新地提出了五维记录方法,及更高维的光存储技术,解决了玻璃永久存储技术的核心问题,将存储密度提升了两个数量级,单盘最高容量达360TB。研究成果有望打破传统存储技术限制,为构建每bit极致性价比的存储技术、实现超大容量数据存储提供可行的方案。
奥林帕斯先锋奖

奥林帕斯先锋奖

科研奖励金:200,000人民币
  • 获奖成果:
    超压缩:一种基于超函数的模型压缩算法
  • 获奖团队:
    香港城市大学
  •  
    范凤磊
    范凤磊
    范俊彤
    范俊彤
  • 成果介绍:
    本研究提出了一种名为“超压缩”的全新模型压缩算法,将模型压缩问题创新性地转化为一个基于超函数的参数表示问题。根据遍历理论,利用低维动力学系统的轨迹来编码高维模型参数,从根本上突破了传统剪枝、量化等方法难以规模化提升压缩率的瓶颈。研究成果有望突破传统压缩算法1-bit压缩的物理极限,在大模型参数、KV Cache数据压缩等领域超越传统量化算法,普适降低推理成本,缓解内存带宽压力。
奥林帕斯先锋奖

奥林帕斯先锋奖

科研奖励金:200,000人民币
  • 获奖成果:
    面向海量异构分布式数据集与数据流的声明式处理
  • 获奖团队:
    德国柏林工业大学
  •  
    Volker Markl
    Volker Markl
    Steffen Zeuch
    Steffen Zeuch
    Sebastian Schelter
    Sebastian Schelter
  • 成果介绍:
    本研究聚焦于优化声明式数据处理,特别是针对大规模、异构的数据集和数据流。总体而言,这项研究不仅架起了理论与实践之间的桥梁,还催生了一些在全球范围内产生重大影响的开源系统,从Stratosphere平台开创性地实现可扩展流处理(该平台后来演变为Apache Flink,现已成为众多领先企业的基础技术),到当前致力于开发面向物联网应用的NebulaStream系统等。具体研究成果包括:
    (a) 在并行与分布式计算领域,开发了迭代算法的新模型、自适应数据流以及可扩展数据验证的新技术,以降低大规模存储的总拥有成本(TCO);
    (b) 引入新颖的编程抽象,统一工作流与数据流语义,从而增强数据可编程性,便于构建多模态数据的高效索引;
    (c) 系统开发覆盖了传统与现代硬件,包括GPU及定制处理器感知代码生成技术。
感谢所有参与奥林帕斯评选的科研团队!

感谢所有参与奥林帕斯评选的科研团队!

人类迈向智能时代,必须翻越数据这座高峰。
奥林帕斯代表着华为存储在攀登数
据高峰路上不懈的追求和探索,
产学研融合,为数据基础设施开启了创新的大门。

TOP