奥林帕斯奖2025成果揭晓-数据存储-OlympusMons Awards-华为

关于“奥林帕斯奖”

“奥林帕斯奖”（OlympusMons Awards）由华为公司于2019年起设立，旨在鼓励全球科研工作者投入数据存储领域基础理论研究，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。奥林帕斯奖已成为数据存储领域具有影响的专业奖项之一。

随着AI技术的发展，传统应用正在向Agent智能应用演进，数据不仅在规模上持续增长，数据的留存、管理与应用方式也在发生改变。本届奥林帕斯奖将聚焦解决AI时代数据处理的算力开销大、协议栈复杂、知识库构建难、推理效率与精度冲突、存储成本激增等问题，面向全球科研工作者公开征集解题之道。

了解更多

2025奥林帕斯难题

方向一
面向AI时代的创新介质技术

AI的发展与广泛应用，驱使冷数据变温、温数据变热、热数据处理开销变大；研究以存补算、以存换算的新范式，超高密度信息记录以及层次化大内存创新技术，打造高性能、大容量、高性价比的存储系统。

难题

基于SSD的存算融合与高效索引技术



面向超高记录密度的存储信道调制编码技术



层次化大内存网络协议和IO路径优化技术
方向二
Agentic AI原生的数据底座

Agentic AI的发展，需要存储系统从简单的数据存放演进为数据存管用的AI数据平台；研究高质量知识库、语义信息凝练等技术，构建Agentic AI原生的数据底座。

难题

知识提取、多模态数据表征与知识检索技术



面向大模型高效推理的语义信息凝练技术

获奖成果揭晓

奥林帕斯先锋奖获奖团队

奥林帕斯奖获奖团队

在2026全球数据存储教授论坛上，2025奥林帕斯奖的多个奖项正式揭晓。由沈志荣和张一鸣带领的智能存储与计算重点实验室团队荣获奥林帕斯奖，香港科技大学（广州）联合上海交通大学的陈雷老师团队、上海交通大学徐尔茨老师团队、复旦大学陈智能老师团队、上海交通大学刘方鑫老师团队、华中科技大学胡燏翀老师团队以及阿姆斯特丹自由大学Frank van Harmelen老师团队获得奥林帕斯先锋奖。本届奥林帕斯奖共收到来自全球30所高校和研究机构的160多位专家学者的申报，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

科研奖励金：1,000,000人民币

获奖成果：

层次化大内存的I/O优化与高效组织技术研究
获奖团队：

智能存储与计算重点实验室
沈志荣

张一鸣

高聪明

向乔

唐璐
成果介绍：

本研究面向Agentic AI混合负载对内存系统高带宽、低延迟、大容量和高可靠等关键需求，基于新型高带宽存储、DRAM、SSD异构介质构建了层次化大内存系统，并打造了下一代XPU驱动的高效IO访问范式。通过研发首个GPU伴生文件系统GeminiFS以及GPU直通存储IO栈、网存算融合、跨层协同索引等创新性技术，有效解决了传统文件系统推理效率低的问题，实现XPU下的高性能数据访问与推理加速。相关成果已落地国产超智算中心、算力卡集群、头部云和互联网厂商数据中心等场景，近三年发表顶会论文20余篇。

奥林帕斯先锋奖

科研奖励金：200,000人民币

获奖成果：

基于知识图谱和AI智能体的量化投资关键技术研究
获奖团队：

香港科技大学（广州）、上海交通大学
陈雷

沈艳艳

朱心怡

王力平

王昊

李绪嘉

余昊霖
成果介绍：

本研究面向智能体时代高质量知识底座建设需求，构建了“动态可信知识提取—多模态知识表征—高可靠检索推理—智能应用落地”的完整技术体系。针对多源异构数据融合难、知识更新滞后、模型决策缺乏可信依据等问题，创新提出动态知识图谱构建、动态图知识表征、多模态联合推理与可解释量化建模等关键技术，实现知识抽取准确率、知识更新召回率、知识驱动预测精度全面提升。相关成果发表于VLDB、KDD、AAAI、ICLR、ICDE等国际顶级会议，申请多项发明专利，并形成“灵操盘”多智能体零代码量化交易产品，获得2026年日内瓦国际发明大赛评委会嘉许金奖。项目已在金融领域企业场景中落地验证，为大模型智能体应用提供了可信知识基础设施。

奥林帕斯先锋奖

科研奖励金：200,000人民币

获奖成果：

面向Agentic AI负载的全链路IO协同优化
获奖团队：

上海交通大学
徐尔茨

薛广涛

沈艳艳

吴浩南

杨乐平
成果介绍：

本研究针对多阶段智能体负载引发的I/O突发、访问冲突及长尾延迟等难题，创新性地提出了“计算—内存—存储”全链路I/O协同优化体系。通过构建“三横一纵”技术路线——横向涵盖高冲击流量编排治理、软硬融合数据通路重构及多介质资源协同池化，纵向贯穿观测、诊断到反馈的可靠性闭环，研发了混合调度、高性能协议栈、弹性内存池化及云边故障监测等关键技术，实现了系统性能与可靠性的全面跃升。成果发表顶会论文20余篇，并荣获FAST会议三届最佳论文奖。在产业落地方面，该技术方案已在头部云平台实现规模验证，成功服务于金融、电信等重点行业，形成重大的经济效益与行业影响力。

奥林帕斯先锋奖

科研奖励金：200,000人民币

获奖成果：

超轻量文档图像解析及知识提取
获奖团队：

复旦大学
陈智能

姜育刚

杜永坤

吴祖煊

苏宇辰
成果介绍：

本研究聚焦准确、高效和轻量的文本识别、文档解析和知识提取技术。通过构建基于统一视觉模型的文本识别模型，实现了识别精度和推理速度的双领先，成果规模化应用于国家核心部门和多家知名企业，并作为核心模块嵌入全球领先文本识别开源系统；开创性地设计了参数规模仅为0.1B，统一解析文本、公式和表格三类数据的超轻量文档解析系统OpenDoc-0.1B，显著降低了文档解析的计算资源开销和端侧部署成本；同时持续推进开放场景轻量级知识提取大模型研究，提升多样化应用中的知识提取精度。研究成果发表在IEEE TPAMI、IJCV、CVPR、ICCV等期刊和会议，获得2024全球人工智能技术创新大赛算法挑战赛一等奖等竞赛领先名次。

奥林帕斯先锋奖

科研奖励金：200,000人民币

获奖成果：

以查强算：语义信息凝练与查询复用驱动的长序列大模型高效推理体系
获奖团队：

上海交通大学
刘方鑫

蒋力

管海兵
成果介绍：

本研究针对长序列推理中KV Cache 膨胀与访存带宽受限等核心瓶颈，创新提出以信息熵理论为基础的"以查强算"解决方案，使用信息熵误差定位可凝练复用的语义，将重复计算转化为低时延查询，通过存算协同获得端到端收益。首先通过乘积量化跨维语义聚类凝练，降低KV Cache内存占用；其次通过马尔可夫决策建模实现敏感度感知的动态跳层，削减冗余计算；然后通过熵感知预取与结果复用将高频计算转化为缓存查询，降低数据搬移开销；最后通过语义索引算子化与异步卸载，提升推理吞吐。相关成果已随MindSpore 2.8发布，并发表于 ASPLOS、ISCA、HPCA、DAC、MM等会议，获ACM MM 2025系统主题杰出论文奖、ASP-DAC 2026 LSI特别奖以及华为火花奖。

奥林帕斯先锋奖

科研奖励金：200,000人民币

获奖成果：

面向大模型的高性能大容量SSD轻量化索引与卸载友好算子技术
获奖团队：

华中科技大学
胡燏翀

李晓露

童薇

方鹏

刘康
成果介绍：

本研究聚焦大模型训推场景中大容量SSD面临的索引元数据膨胀、数据访问路径冗长、算子并行能力受限、近数据处理效率低下等瓶颈问题，提出无标签哈希索引、语义感知直通索引、比特解耦算子、表化-复用算子等关键技术，分别实现索引DRAM开销降低、数据访问路径缩短、近存计算并行优化、SSD卸载计算加速，进而构建以“轻量化索引”与“卸载友好算子”为核心的SSD存算融合技术体系。成果已验证于企业级大容量盘以及昇腾平台，项目发表CCF-A类论文50余篇，获授权发明专利35项，为大容量SSD、计算型存储及AI基础设施发展提供关键技术支撑。

奥林帕斯先锋奖

科研奖励金：200,000人民币

获奖成果：

打破概率与逻辑的边界
获奖团队：

阿姆斯特丹自由大学
Frank van Harmelen

Michael Cochez

Peter Bloem

Daniel Daza

Emile van Krieken

Taraneh Younesian
成果介绍：

本研究针对人工智能幻觉和不可解释性问题，创新性地提出了一种概率与逻辑结合的神经符号AI框架，实现知识增强与推理可信。为提升图神经网络的可扩展性，通过开发先进的采样技术，极大降低邻域扩展复杂度并保持SOTA精度；此外，通过在知识图谱中引入一种新型神经链接预测模型，降低噪声干扰，性能超越当前最先进水平22%，同时训练数据需求降低两个数量级；研究还从理论上揭示了模糊逻辑中的零梯度缺陷，并构建了统一的架构表示方法提高推理可信度。通过打破概率与逻辑的壁垒，这些创新技术实现了自适应扩展与可靠性增强，支撑低成本、高可信AI数据基础设施的构建。