文章导读
当AI大模型遭遇缓存瓶颈，如何突破性能天花板？华中科技大学周可团队提出高效缓存管理与多模态大模型协同方案，破解高成本、低效率难题。与此同时，张静宇团队在存储介质上实现革命性突破，磁/光存储密度倍增，玻璃存储单盘高达360TB！他们的成果不仅拿下2025全球数据存储论坛瞩目的“奥林帕斯先锋奖”，更指向AI时代的核心命门——每bit极致性价比的存储与数据底座。这两大技术能否改写未来数据存储格局？
— 内容由好学术AI分析文章内容生成，仅供参考。
9月12日，在2025全球数据存储教授论坛上，第五届“奥林帕斯奖”获奖名单正式揭晓。我校武汉光电国家研究中心周可教授团队、张静宇研究员团队分别荣获“奥林帕斯先锋奖”。
周可团队获奖成果为“高效缓存管理与多模态大模型驱动的AI数据底座”，获奖成员包括白翔、张杰、王桦、刘禹良。团队与软件学院白翔教授、北京大学张杰教授合作，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。
张静宇团队获奖成果为“极致性价比的高密度磁/光存储介质技术”，获奖成员包括吴非、陈进才、罗可、高骥超。团队聚焦温冷存储介质容量密度提升，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。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。
“奥林帕斯奖”（OlympusMons Awards）自华为公司于2019年起设立以来，已发展成为存储业界具有影响力的专业奖项之一，吸引全球12个国家的超过310名学者参与，共评出6个奥林帕斯奖和18个奥林帕斯先锋奖。本届赛事紧扣AI时代技术痛点，将难题聚焦于“每 bit 极致性价比的存储技术”与“面向AI时代的新型数据底座”两大核心方向，共吸引全球19所高校及研究机构的95位专家学者踊跃申报，最终经严格评审选出6支获奖团队，充分展现了全球数据存储领域的顶尖科研实力与创新活力。
相关报道链接：https://mp.weixin.qq.com/s/6YWxYIayTyvwBvDcwNGn5A
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
暂无评论...