最近，華為在科研圈丟出了一張分量不輕的“英雄帖”。

它宣布啟動(dòng)2025 年度奧林帕斯獎(jiǎng)（OlympusMons Awards），面向全球科研人員公開懸賞，拿出300 萬(wàn)元，專門用來(lái)解決 AI 時(shí)代的數(shù)據(jù)存儲(chǔ)與處理難題。

從公開信息來(lái)看，這次懸賞并不是寬泛征題，而是一開始就明確了兩個(gè)研究方向：一是面向 AI 時(shí)代的創(chuàng)新存儲(chǔ)介質(zhì)和系統(tǒng)架構(gòu)，二是為 Agentic AI 打造原生的數(shù)據(jù)底座。

這兩條技術(shù)路線，幾乎覆蓋了當(dāng)前 AI 系統(tǒng)在數(shù)據(jù)層面遇到的核心挑戰(zhàn)。

可以看出，這次華為盯上的，不是模型參數(shù)、不是應(yīng)用玩法，而是AI 繼續(xù)往前跑時(shí)，最容易被忽略、卻最先扛不住的那一層：數(shù)據(jù)存儲(chǔ)與處理的底座。

過(guò)去幾年，AI 的敘事幾乎全壓在“模型”上：參數(shù)更大、能力更強(qiáng)、生成效果更像人，這是行業(yè)共識(shí)。

但當(dāng)大模型開始真正落地，尤其是 Agent（智能體）形式越來(lái)越清晰，問題就出來(lái)了：模型跑得快，數(shù)據(jù)系統(tǒng)卻跟不上。

現(xiàn)在的數(shù)據(jù)，已經(jīng)不是“存進(jìn)去、用一次就完”那么簡(jiǎn)單了。

在 Agent 場(chǎng)景下，數(shù)據(jù)會(huì)被不斷喚醒、重組、理解、推理，還會(huì)生成新的數(shù)據(jù)。

原本的“冷數(shù)據(jù)”被頻繁調(diào)用，“溫?cái)?shù)據(jù)”還沒降溫，就直接參與實(shí)時(shí)計(jì)算。

冷、溫、熱之間的邊界被徹底打亂，數(shù)據(jù)幾乎一直處在“隨時(shí)可能被用到”的狀態(tài)。

問題也正是從這里開始的。傳統(tǒng)存儲(chǔ)體系，是為“靜態(tài)數(shù)據(jù) + 低頻訪問”設(shè)計(jì)的。

硬套到 AI 場(chǎng)景里，結(jié)果只有一個(gè)：算力成本蹭蹭往上，協(xié)議棧越來(lái)越復(fù)雜，系統(tǒng)維護(hù)難度直線上升。

知識(shí)庫(kù)越建越大，但真正好用、可推理的知識(shí)卻并沒有同比增長(zhǎng)。推理效率和精度，經(jīng)常只能選一個(gè)，而存儲(chǔ)成本，則在后臺(tái)悄無(wú)聲息地變成一條陡峭的上升曲線。

說(shuō)得再直白一點(diǎn)就是：很多 AI 項(xiàng)目，不是卡在模型能力，而是卡在數(shù)據(jù)系統(tǒng)已經(jīng)“喘不過(guò)氣”。

也正因?yàn)檫@樣，華為這次奧林帕斯獎(jiǎng)的出題思路，明顯不是“錦上添花”，而是奔著“補(bǔ)地基”去的。

先看第一個(gè)方向。它關(guān)注的不是“再快一點(diǎn)”，而是一個(gè)更底層的問題：能不能讓存儲(chǔ)本身，承擔(dān)一部分原本落在算力上的壓力？

在 AI 時(shí)代，單純靠堆算力，已經(jīng)越來(lái)越不經(jīng)濟(jì)。于是，“以存補(bǔ)算、以存換算”這個(gè)思路被推到了臺(tái)前。

簡(jiǎn)單理解，就是通過(guò)存儲(chǔ)架構(gòu)和介質(zhì)層面的創(chuàng)新，讓數(shù)據(jù)在被讀取、索引、組織時(shí)就更“聰明”，從而減少不必要的計(jì)算消耗。

比如，把計(jì)算前移到存儲(chǔ)側(cè)，實(shí)現(xiàn)真正的存算融合。再比如，通過(guò)更高密度的記錄方式，讓單位能耗承載更多有效信息。

再到更宏觀的層面，重新設(shè)計(jì)層次化大內(nèi)存的網(wǎng)絡(luò)協(xié)議和 IO 路徑，讓數(shù)據(jù)在系統(tǒng)里的流轉(zhuǎn)不再被傳統(tǒng)結(jié)構(gòu)拖慢。

這些聽起來(lái)都很硬核，但背后的目標(biāo)其實(shí)很現(xiàn)實(shí)：在性能、容量、成本和能耗之間，找到一個(gè)更適合 AI 長(zhǎng)期發(fā)展的新平衡點(diǎn)。

而第二個(gè)方向，則幾乎是為 Agentic AI 量身定做的。

當(dāng)智能體開始具備“自主行動(dòng)”的能力，數(shù)據(jù)系統(tǒng)的角色就發(fā)生了根本變化

它不再只是一個(gè)被動(dòng)響應(yīng)請(qǐng)求的倉(cāng)庫(kù)，而是需要主動(dòng)理解數(shù)據(jù)的語(yǔ)義、結(jié)構(gòu)和關(guān)聯(lián)關(guān)系，能夠?yàn)橥评碇苯犹峁翱捎玫闹R(shí)”，而不是一堆原始素材。

這也是為什么，這一方向反復(fù)強(qiáng)調(diào)“原生”“語(yǔ)義”“知識(shí)凝練”。

重點(diǎn)已經(jīng)不在于存了多少，而在于：多模態(tài)數(shù)據(jù)如何被提煉成高質(zhì)量知識(shí)？如何在不犧牲關(guān)鍵信息的前提下，壓縮冗余內(nèi)容？

如何讓大模型在推理時(shí)，拿到的是“恰到好處”的信息，而不是一整座數(shù)據(jù)山？

如果說(shuō)第一條主線解決的是“AI 跑得太費(fèi)勁”，那第二條主線關(guān)心的，就是“AI 到底能不能跑得聰明”。

當(dāng)然，華為也很清楚，真正解決這些問題，不可能靠一家企業(yè)單打獨(dú)斗。所以?shī)W林帕斯獎(jiǎng)本身，就是一個(gè)典型的產(chǎn)學(xué)研協(xié)同機(jī)制。

這次將評(píng)選 2 個(gè)奧林帕斯獎(jiǎng)和 5 個(gè)先鋒獎(jiǎng)，300 萬(wàn)獎(jiǎng)金只是表層激勵(lì)，更重要的是，獲獎(jiǎng)團(tuán)隊(duì)可以直接進(jìn)入華為的技術(shù)交流與產(chǎn)業(yè)驗(yàn)證體系，讓研究不止停留在論文里，而是有機(jī)會(huì)真正落到系統(tǒng)和產(chǎn)品中。

評(píng)選標(biāo)準(zhǔn)也很有意思，并不只是看你“過(guò)去做過(guò)什么”，而是非?？粗啬恪敖酉聛?lái)打算怎么做”，你的研究路徑有沒有前瞻性，有沒有原創(chuàng)價(jià)值，有沒有可能在真實(shí)場(chǎng)景里跑得通。

把時(shí)間軸再往前拉一點(diǎn)，你會(huì)發(fā)現(xiàn)奧林帕斯獎(jiǎng)并不是一個(gè)新概念。

它從 2019 年設(shè)立至今，已經(jīng)吸引了來(lái)自 12 個(gè)國(guó)家、300 多位頂尖學(xué)者參與，累計(jì)頒發(fā)多個(gè)獎(jiǎng)項(xiàng)，始終圍繞數(shù)據(jù)存儲(chǔ)的基礎(chǔ)問題持續(xù)投入。

名字取自火星的奧林帕斯山，也是在明確告訴所有參與者：這是攀登基礎(chǔ)技術(shù)高峰的長(zhǎng)期工程，而不是追風(fēng)口的短期競(jìng)賽。

所以回頭看這次 300 萬(wàn)全球懸賞，華為真正想表達(dá)的其實(shí)很明確：AI 的上半場(chǎng)拼模型，下半場(chǎng)拼的是數(shù)據(jù)和存儲(chǔ)這塊“看不見的底座”。

而這一次，華為選擇把這塊底座，認(rèn)真拿出來(lái)打磨一遍。

參考資料：

IT之家、華為官網(wǎng)

編輯：不吃麥芽糖