问题——随着智能应用加速向智能体形态演进，数据从“存得下、读得快”转向“存得久、管得住、用得好”。
一方面，数据规模持续膨胀，留存周期延长，冷热分层、合规治理、跨域流动等需求叠加；另一方面，知识库构建、检索增强、推理加速等新链路带来更复杂的协议栈与更高的算力开销，推理效率与精度之间的矛盾更趋突出，存储与计算的综合成本压力明显上升。
如何在保证可靠性与安全性的同时，提升数据供给效率，成为行业共性难题。
原因——其一，数据形态变化推动存储体系升级。
面向智能体的应用需要同时处理结构化数据、非结构化内容与多模态信息，数据“可用性”不仅取决于容量与带宽，更取决于元数据管理、语义组织与可追溯性。
其二，算力与数据的耦合加深。
推理链路对延迟、吞吐和一致性更加敏感，传统以存储为中心的架构在面向复杂检索、在线推理与实时更新时，容易出现“算力越堆越高、数据越用越慢”的瓶颈。
其三，技术栈复杂导致协同成本上升。
新型数据库、向量检索、缓存层、对象存储、加速卡与网络协议等多层叠加，使系统调优与工程化落地门槛显著提高。
其四，产业对可持续成本的要求更严。
数据中心能耗、介质寿命、运维难度与合规成本共同作用，推动行业寻找更高密度、更低功耗、更易管理的新路径。
影响——面向基础研究，挑战促使学界与产业界重新审视“介质—系统—应用”一体化设计，从材料、器件到系统架构的创新需求更集中。
面向产业落地，数据底座的能力直接影响智能体应用的规模化部署效率：若存储成本过高、数据治理不完善、推理链路不稳定，将制约行业从试点走向大规模应用。
面向全球竞争格局，数据基础设施是数字经济的重要支撑，高水平科研人才与关键技术突破的聚集，将影响未来产业标准、生态构建以及关键环节的供应链韧性。
对策——在此背景下，华为宣布面向全球启动第六届奥林帕斯奖征集，设置总额300万元奖金，面向科研工作者公开征求解决方案，聚焦两大方向：一是“面向AI时代的创新介质技术”，鼓励从存储介质、器件形态到可靠性机制等方面寻找突破，以应对密度提升与成本控制的双重压力；二是“Agentic AI原生的数据底座”，聚焦智能体场景下的数据组织、管理与调用效率，探索更适配推理链路的新型体系。
根据规则，奥林帕斯奖每个方向设一项大奖，单项奖金100万元；同时设置先锋奖，单项奖金50万元，以形成“顶尖突破+持续探索”的激励组合。
评审由存储领域权威专家组成，将从参评成果的技术价值、后续研究计划以及潜在商业价值等维度综合评定；奖金采用分两年资助方式，用于支持获奖团队持续深入研究，并以约定方式推进成果进一步完善与转化。
前景——从历年运行看，该奖项自2019年设立以来，已吸引来自12个国家和地区的320余名学者参与，累计评出多个奖项，在存储领域形成一定行业影响力。
面向2025征集，随着智能体应用对数据“随取随用、可控可管、持续进化”的需求上升，预计相关研究将呈现三方面趋势：一是存储介质向更高密度、更低能耗与更强可靠性演进，并与系统级纠错、寿命管理协同优化；二是数据底座更强调面向推理的端到端性能，推动“存算网”协同与软硬件一体化架构；三是知识组织与数据治理能力将成为竞争重点，围绕数据质量、可追溯、权限与合规的技术体系将加速成熟。
业内人士认为，通过公开征题与悬红机制，能够加快问题聚焦、促进跨机构协同，提升基础理论突破到工程落地的效率。
奥林帕斯奖的启动彰显了产业界对科技创新的执着追求。
在AI时代，数据处理的创新突破已成为决定性因素。
通过这一全球性的科研悬赏机制，华为正在汇聚全球智慧，共同攻克数据存储领域的前沿难题。
这种开放、包容、合作的创新理念，不仅有利于加速科技进步，也为产学研合作树立了新的标杆。
可以预见，本届奥林帕斯奖将进一步激发全球科研人才的创新活力，为AI时代的数据存储技术注入新的动力，推动整个行业向更高水平迈进。