Die Gewinnerliste des sechsten „Olympus Prize“ wurde auf dem 2026 Global Data Storage Professors Forum offiziell bekannt gegeben. Sieben Spitzenforschungsteams aus dem In- und Ausland haben mit ihren bahnbrechenden Forschungen und technischen Durchbrüchen im Bereich der Datenspeicherung jeweils einen Olympus Prize und sechs Olympus Pioneer Awards gewonnen. Der „Olympus Prize“ wurde 2019 von Huawei (Huawei) ins Leben gerufen und hat sich mittlerweile zu einem der einflussreichsten Fachpreise im Bereich der Datenspeicherung entwickelt.
In diesem Jahr zogen die Wettbewerbe über 160 Experten und Wissenschaftler von 30 Hochschulen und Forschungseinrichtungen weltweit an. Nach einer strengen Bewertung stachen schließlich sieben Teams hervor. Vor Ort im Forum gab Chang Sheng, Abteilungsleiter für Forschung und Entwicklung der Datenspeicherprodukte bei Huawei, bekannt, dass die beiden technischen Richtungen und Herausforderungen für den siebten „Olympus Prize“ veröffentlicht werden, um globale Forschungsteams zu ermutigen, weiterhin in die Grundlagenforschung zur Datenspeicherung zu investieren.
Zwei technische Richtungen des siebten „Olympus Prize“ veröffentlicht
Die erste Richtung ist die „Speichertechnologie mit extremem Preis-Leistungs-Verhältnis pro Bit“, die sich auf Innovationen im Speichermedium konzentriert. Ziel ist es, massive Daten „speichern zu können und sich leisten zu können“, während gleichzeitig der effiziente Zugriff auf Statusdaten unterstützt wird. Konkret umfasst dies zwei Herausforderungen: „Ultra-hochdichte Speicherung und effiziente Abruftechnologie für massive Daten“ sowie „Speichermedien in Form von Speicher für Statusdaten und Near-Storage-Beschleunigungstechnologie“, die entscheidende technische Unterstützung für die nächste Generation von Hochleistungs-Speichersystemen bieten.
Die zweite Richtung ist die „Agentic AI-native Datenbasis“, deren Ziel es ist, die Datenversorgungsengpässe der Agentenlast zu überwinden und digitale Unternehmenswerte zu schaffen, die von KI verstanden, vertraut, nachvollziehbar und wiederverwendbar sind, um die Skalierung von KI zu beschleunigen. Diese Richtung umfasst ebenfalls zwei Herausforderungen: „Effiziente Datenversorgungstechnologie mit Fokus auf Token-Produktionseffizienz“ sowie „Hochgeneralisierte, evolvierbare Wissensdarstellungstechnologie basierend auf Ontologie-Wissensgraphen“, die sich auf die Lösung von Datenmanagementproblemen im Anwendungsprozess von KI konzentriert.