华为向全球“悬赏” 300 万解决 AI 难题

咖啡豆

最近，华为在科研圈丢出了一张分量不轻的“英雄帖”。
它宣布启动 2025 年度奥林帕斯奖（OlympusMons Awards），面向全球科研人员公开悬赏，拿出 300 万元，专门用来解决 AI 时代的数据存储与处理难题。 

从公开信息来看，这次悬赏并不是宽泛征题，而是一开始就明确了两个研究方向：一是 面向 AI 时代的创新存储介质和系统架构，二是为 Agentic AI 打造原生的数据底座。

这两条技术路线，几乎覆盖了当前 AI 系统在数据层面遇到的核心挑战。
可以看出，这次华为盯上的，不是模型参数、不是应用玩法，而是 AI 继续往前跑时，最容易被忽略、却最先扛不住的那一层：数据存储与处理的底座。

过去几年，AI 的叙事几乎全压在“模型”上：参数更大、能力更强、生成效果更像人，这是行业共识。
但当大模型开始真正落地，尤其是 Agent（智能体）形式越来越清晰，问题就出来了：模型跑得快，数据系统却跟不上。
现在的数据，已经不是“存进去、用一次就完”那么简单了。
在 Agent 场景下，数据会被不断唤醒、重组、理解、推理，还会生成新的数据。

原本的“冷数据”被频繁调用，“温数据”还没降温，就直接参与实时计算。
冷、温、热之间的边界被彻底打乱，数据几乎一直处在“随时可能被用到”的状态。
问题也正是从这里开始的。传统存储体系，是为“静态数据 + 低频访问”设计的。
硬套到 AI 场景里，结果只有一个：算力成本蹭蹭往上，协议栈越来越复杂，系统维护难度直线上升。

知识库越建越大，但真正好用、可推理的知识却并没有同比增长。推理效率和精度，经常只能选一个，而存储成本，则在后台悄无声息地变成一条陡峭的上升曲线。
说得再直白一点就是：很多 AI 项目，不是卡在模型能力，而是卡在数据系统已经“喘不过气”。
也正因为这样，华为这次奥林帕斯奖的出题思路，明显不是“锦上添花”，而是奔着“补地基”去的。
先看第一个方向。它关注的不是“再快一点”，而是一个更底层的问题：能不能让存储本身，承担一部分原本落在算力上的压力？
在 AI 时代，单纯靠堆算力，已经越来越不经济。于是，“以存补算、以存换算”这个思路被推到了台前。
简单理解，就是通过存储架构和介质层面的创新，让数据在被读取、索引、组织时就更“聪明”，从而减少不必要的计算消耗。

比如，把计算前移到存储侧，实现真正的存算融合。再比如，通过更高密度的记录方式，让单位能耗承载更多有效信息。
再到更宏观的层面，重新设计层次化大内存的网络协议和 IO 路径，让数据在系统里的流转不再被传统结构拖慢。
这些听起来都很硬核，但背后的目标其实很现实：在性能、容量、成本和能耗之间，找到一个更适合 AI 长期发展的新平衡点。

而第二个方向，则几乎是为 Agentic AI 量身定做的。
当智能体开始具备“自主行动”的能力，数据系统的角色就发生了根本变化
它不再只是一个被动响应请求的仓库，而是需要主动理解数据的语义、结构和关联关系，能够为推理直接提供“可用的知识”，而不是一堆原始素材。
这也是为什么，这一方向反复强调“原生”“语义”“知识凝练”。

重点已经不在于存了多少，而在于：多模态数据如何被提炼成高质量知识？如何在不牺牲关键信息的前提下，压缩冗余内容？
如何让大模型在推理时，拿到的是“恰到好处”的信息，而不是一整座数据山？
如果说第一条主线解决的是“AI 跑得太费劲”，那第二条主线关心的，就是“AI 到底能不能跑得聪明”。
当然，华为也很清楚，真正解决这些问题，不可能靠一家企业单打独斗。所以奥林帕斯奖本身，就是一个典型的产学研协同机制。
这次将评选 2 个奥林帕斯奖和 5 个先锋奖，300 万奖金只是表层激励，更重要的是，获奖团队可以直接进入华为的技术交流与产业验证体系，让研究不止停留在论文里，而是有机会真正落到系统和产品中。

评选标准也很有意思，并不只是看你“过去做过什么”，而是非常看重你“接下来打算怎么做”，你的研究路径有没有前瞻性，有没有原创价值，有没有可能在真实场景里跑得通。

把时间轴再往前拉一点，你会发现奥林帕斯奖并不是一个新概念。
它从 2019 年设立至今，已经吸引了来自 12 个国家、300 多位顶尖学者参与，累计颁发多个奖项，始终围绕数据存储的基础问题持续投入。
名字取自火星的奥林帕斯山，也是在明确告诉所有参与者：这是攀登基础技术高峰的长期工程，而不是追风口的短期竞赛。
所以回头看这次 300 万全球悬赏，华为真正想表达的其实很明确：AI 的上半场拼模型，下半场拼的是数据和存储这块“看不见的底座”。
而这一次，华为选择把这块底座，认真拿出来打磨一遍。

—じ☆ve人生—

华为聚焦数据底座难题，产学研共克AI发展瓶颈，眼光长远！

meto

华为这波瞄准AI数据底座很精准，就像给高速列车换更强引擎，存算融合能省30%算力能耗，比盲目堆参数实在多了

wifai

300万人民币就想买别人花10亿美元的东西