12月26日，华为第六届奥林帕斯奖正式启动全球征集。今年依旧设置了300万元人民币奖金池，聚焦解 决AI时代的存储难题。 华为表示，随着Al技术的发展，传统应用正在向Agent智能应用演进，数据不仅在规模上持续增长，数 据的留存、管理与应用方式也在发生改变。本届奥林帕斯奖将聚焦解决AI时代数据处理的算力开销 大、协议栈复杂、知识库构建难、推理效率与精度冲突、存储成本激增等问题，面向全球科研工作者公 开征集解题之道。 ...

奥林帕斯奖项目概况 - 华为公司于2019年设立“奥林帕斯奖”，旨在鼓励全球科研工作者投入数据存储领域基础理论研究，突破关键技术难题，加速科研成果产业化，实现产学研合作共赢 [3][44] - 该奖项自设立以来，已吸引全球超过12个国家的320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 [3][44] - 2025年奖项设置包括2个奥林帕斯奖（每个奖金100万元）和5个奥林帕斯先锋奖（每个奖金20万元），获奖者可与华为建立技术交流渠道并获得科研助力 [3][44] - 第六届奥林帕斯奖于2024年12月26日正式启动全球征集 [41] 研究方向一：面向AI时代的创新介质技术 - 核心目标是研究以存补算、以存换算的新范式，以及超高密度信息记录和层次化大内存创新技术，以打造高性能、大容量、高性价比的存储系统 [5][46] - 该方向下设三个具体技术难题，旨在应对AI发展导致的数据处理开销增大、数据规模跃升（至YB量级）以及异构存储介质协同等挑战 [5][11][19][46][52][60] 难题一：基于SSD的存算融合与高效索引技术 - **技术挑战**：当前存算融合架构面临近存算力瓶颈，因大部分AI算子算术强度高；同时，SSD容量扩大导致FTL映射表规模膨胀，显著推高内存需求，形成功耗、成本和可靠性的核心瓶颈 [8][49] - **技术诉求**：目标是探索面向AI应用的高性能、大容量SSD技术 [9][50] - **算子优化下沉技术**：研究面向LLM推理、RAG等AI场景的存算融合友好型算子优化，将高算术强度算子转化为低算术强度算子，以存储空间换计算时间，目标是在保证精度和性能的同时，将算力需求下降10倍 [9][50] - **低内存高效索引技术**：目标是将整盘映射表常驻DRAM的需求降低70%或更多，在标准测试和真实数据集下，相比原始FTL，吞吐保持95%或以上，P99延迟上升不超过10% [10][51] 难题二：面向超高记录密度的存储信道调制编码技术 - **课题背景**：为解决数据规模达YB量级后“存得下、存得起”的挑战，提升存储信道容量密度成为关键突破口 [11][52] - **技术挑战**：多元符号记录技术尚未成熟，二元记录下信道容量受限；现有调制编码方案导致实时检测译码算法复杂度呈指数级提升，难以实际应用 [17][58] - **技术诉求**：目标是在受限信道场景下实现信息记录密度提升2倍以上，并保证数据可靠恢复 [18][59] - 构建端到端的数据调制编码和记录技术，使记录密度增益G达到3或以上 [18][59] - 构建配套的高可靠检测译码技术，使误码率恶化小于10% [18][59] 难题三：层次化大内存网络协议和IO路径优化技术 - **课题背景**：Agentic AI的发展趋势（如多智能体协同、记忆驱动智能）对存储提出了多样化负载需求（带宽/容量/IOPS）；XPU（如GPU）需要直接、主动向存储发起请求，传统为CPU设计的数据访问协议栈已无法满足其高带宽、高IOPS、低时延诉求；需通过构建层次化大内存系统整合HBM、DDR、Flash等异构介质，以突破单一介质局限 [21][62] - **技术挑战**：基于RDMA的GPU Initiated IO引入了复杂的RoCE协议栈开销，且GPU缺乏中断机制只能轮询，占用计算资源；Agentic AI复杂的非均匀、突发性数据访问模式对层次化存储系统提出了双重挑战，导致性能损失 [23][24][64][65] - **技术诉求**：目标是探索基于层次化大内存的XPU原生网络访问协议和IO路径优化技术 [26][67] 研究方向二：Agentic AI原生的数据底座 - 核心目标是使存储系统从简单的数据存放演进为数据存管用的AI数据平台，通过研究高质量知识库、语义信息凝练等技术，构建Agentic AI原生的数据底座 [27][68] - 该方向下设两个具体技术难题，聚焦于知识处理与推理效率 [28][34][68][74] 难题四：知识提取、多模态数据表征与知识检索技术 - **技术挑战**：知识完整表达困难，多源异构数据处理过程易导致语义丢失；多模态知识对齐复杂，向量语义表征错位影响检索精度；知识库检索噪声大，传统排序策略对长尾知识权重分配不合理 [32][72] - **技术诉求**：目标是探索高质量知识库中的知识提取、多模态数据表征与知识检索技术 [33][73] - **异构数据的知识提取技术**：提升知识表达完整度，目标编辑距离小于0.05，数据处理带宽达到1GB/s，生成知识可检索时间小于100ms [33][73] - **多模态语义对齐的知识增强技术**：提升语义理解一致性，目标向量内容语义表征精度NDCG@10超过0.9，图谱关联语义表征准确性F1分数超过0.99 [33][73] 难题五：面向大模型高效推理的语义信息凝练技术 - **技术挑战**：缺乏系统性的存算系统冗余抑制框架，推理流程中的上下文、KV Cache、参数、多源数据等冗余相互耦合；缺乏以语义信息论为基础的精度保障理论模型，无法对“凝练-精度”进行理论建模 [37][77] - **技术诉求**：目标是面向Agent AI长序列与多模态混合推理场景，构建端到端的存算协同信息凝练系统 [38][78] - 在精度损失小于1%的前提下，实现端到端存算压缩比达到20倍或以上，推理吞吐提升5倍或以上 [38][78] - 构建覆盖推理多阶段（上下文冗余、KV Cache冗余、模型参数冗余等）的统一信息凝练框架，并建立可解释的无损压缩理论模型，确保压缩策略的泛化能力 [39][79] 行业技术趋势与对比数据 - **存储介质带宽与成本对比**：HBM带宽为1-4 TB/s，成本约为15美元/GB；DRAM带宽为100 GB/s，成本约为3美元/GB；大容量存储（如Flash）带宽为7-32 GB/s，成本约为0.3美元/GB；SSD带宽未明确列出，成本约为0.06美元/GB [6][47] - **层次化内存系统带宽容量比（宽容比）**：高带宽内存（如HBM）的宽容比（每TB容量的带宽）约为40+ TBps/TB；内存型存储的宽容比约为1 TBps/TB；大容量存储的宽容比约为0.001 TBps/TB [20][22][61][63]

资料图 21世纪经济报道记者王峰北京报道 美国高校2026年本科早录近日揭榜，新一批"牛娃"留学生陆续出炉。 这位被录取的学生是清澜山学校的第三届高中毕业生，同届同学一共只有59人。位于东莞松山湖的清澜山学校创办于2017年，由华为公司出资 建设。2020年，东莞松山湖科学城获批建设大湾区综合性国家科学中心先行启动区。 合肥安生学校拿到了一份美国排名前30的圣路易斯华盛顿大学的offer，以及两个剑桥大学、牛津大学的面试邀请。今年4月，合肥安生学校还 曾拿到中部地区唯一的杜克大学、康奈尔大学的offer。合肥安生学校创办于2018年，是此前一年合肥获批建设综合性国家科学中心的教育配套 项目。 在出国留学形势日趋复杂，赴美留学生人数持续下降的背景下，一个新兴的留学家庭群体却倍显突出，那就是国家科学中心建设中回国科技人 才。他们普遍接受过海外高等教育，认可子女接受国际化教育。 这也搅动了国内国际化教育的格局。记者发现，大湾区、合肥、西安、北京怀柔等地正在批量兴建国际化学校。 头部高中占据大部分录取名额 2026年英国本科录取和美国本科早录offer陆续发出，国内的喜报也不断传来。 东莞清澜山学校拿到了一份斯坦福大 ...

经济观察网12月24日，华为正式官宣随行WiFi X，定位"直播神器"，专为户外直播与移动创作设计，将于2026年3月发布。该产品融合多天线系统与独 特"X"形态，兼顾便携与信号强度。配备的显示屏可实时呈现电量、信号、运营商网络及连接设备数等关键信息。 ...

核心观点 - 市场监测到Ciena出现不寻常的期权交易活动 大量资金押注看涨 可能预示有投资者掌握非公开信息 [1] - 期权市场情绪分化 但看涨交易在数量和金额上占据主导 大额交易显示机构投资者关注的价格区间宽泛 [2][3] - 卖方分析师普遍给予积极评级 共识目标价显著高于当前股价 显示专业机构看好公司前景 [11][12] 期权交易活动分析 - 今日监测到21笔Ciena期权交易 这并非典型模式 [1] - 大额交易者情绪分化 42%看涨 28%看跌 [2] - 交易以看涨期权为主 共识别出20笔看涨期权 总金额1520518美元 仅1笔看跌期权 金额280000美元 [2] - 过去一个月 大额期权交易的行权价范围在50美元至260美元之间 [3][4] - 部分大额期权交易示例包括 - 一笔2026年1月16日到期 行权价200美元的看跌期权 交易价格28万美元 [8] - 一笔2026年1月23日到期 行权价225美元的看涨期权 交易价格24万美元 [8] - 一笔2026年6月18日到期 行权价50美元的看涨期权 交易价格2117万美元 [8] - 一笔2026年1月2日到期 行权价215美元的看涨期权 交易价格1876万美元 [8] 公司业务与市场表现 - Ciena是一家专注于光传输技术的电信设备提供商 客户包括通信服务提供商 超大规模提供商 有线电视运营商 政府及全球大型企业 [9] - 公司提供支持传输 交换 聚合 服务交付和数据流量管理的设备 软件和服务 [9] - 公司股票当前交易价格为23402美元 日内下跌115% 成交量为1147278股 [14] - 下一次财报发布预计在77天后 [14] 分析师观点与目标价 - 近期有5位市场专家对该股给出评级 共识目标价为2410美元 [11] - 具体分析师评级与目标价包括 - 美国银行证券分析师维持买入评级 目标价260美元 [12] - Argus Research分析师维持买入评级 目标价280美元 [12] - Needham分析师维持买入评级 目标价240美元 [12] - 摩根大通分析师维持超配评级 目标价250美元 [12] - Rosenblatt分析师维持买入评级 目标价175美元 [12]

文章核心观点 - 湖南省正依托华为提供的算力基础设施与数智化转型方法论，将先进计算技术与本地产业基础深度融合，推动千行百业的智能化转型，打造区域数字经济高质量发展的创新样本 [1][6][7] 算力筑基：构建系统级创新的发展底座 - 人工智能竞争本质是算力竞争，生成式AI演进推动算力需求指数级增长，从通用计算向超节点架构跨越 [2] - 华为构建了以昇腾（AI计算）和鲲鹏（通用计算）为核心的算力体系，实现全场景覆盖 [2] - 华为率先提出“超节点”架构，通过384个NPU高速互联，实现最低时延与最强算力的组合，已交付300多套给30多个关键客户 [2][3] - 算力工程化创新要求从分散部署走向泛在协同，超节点以极致密度、效率与协同能力成为创新标尺 [2] - 在湖南，算力已转化为应用价值，例如湖南气象局依托华为算力实现天气预报向智能化、精细化转变，提升极端天气预报准确性 [3] 行业赋智：探索数智化转型的实践路径 - 华为将自身数智化转型经验凝练为“三层五阶八步”方法论，涵盖从场景分析到IT平台建设的全流程，强调转型是持续演进的过程 [4] - 华为通过成立军团等组织变革，组建专家团队帮助客户持续转型 [4] - 华为2023年发布的智能化参考架构分为三层：智能交互层（打通端侧数据）、智能底座与平台层（算力存储网络支撑）、行业应用层（与伙伴深度合作） [5] - 天津港案例中，华为通过鸿蒙系统打通不同厂商独立系统，打破“数据烟囱” [5] - 华为聚焦算力基础设施，开放生态：昇腾硬件使能全面开放，CANN及工具链开源；开放超节点互联协议“灵衢”技术规范；鲲鹏生态推出多系列模组部件，截至2025年已与50多个伙伴联合打造70多款产品 [5] 智赋三湘：打造区域数字经济高质量发展的创新样本 - 华为在湖南打造了鲲鹏、昇腾和openEuler三个创新中心，湖南已建成先进计算产业基地，形成联合创新与人才培育体系 [6] - 在AI与行业融合方面，华为在湖南有多个实践案例：常德AI+合成生物、省农科院AI+农业、湘雅医院AI+医疗，将算力一体机与行业诉求深度融合 [6] - 针对湖南制造业集群，华为依托长沙市大模型中心与株洲工业创新中心，强化工业软件与大模型赋能，助力湖南从“制造大省”向“智造强省”跨越 [6] - 华为参与湖南数据要素市场建设，共同打造中部省份标杆，通过数字集团建设数据流通应用基础设施，推动数据可视化与价值化 [7] - 在人工智能出海方面，华为帮助湖南文化科技企业拓展国际市场，推动AI与大模型技术走向全球 [7]

公司战略转型与AI合作 - 诺基亚与英伟达建立关键合作伙伴关系，共同构建支持AI无线接入网技术的6G无线系统[5][6] - 该合作将利用英伟达的加速计算平台，帮助电信公司通过软件升级从5G无缝过渡到6G[7] - 英伟达将通过以每股6.01美元的价格购买诺基亚股票，进行10亿美元的股权投资[7] - 公司CEO表示，此次合作将加速AI-RAN创新，旨在将AI数据中心放入每个人的口袋[8] - 诺基亚正从手机业务转向专注于数据中心网络基础设施和无线网络解决方案[1] 财务表现与运营状况 - 2024年公司营收同比下降9%至192亿欧元[4] - 2025年第三季度营收达48亿欧元，同比增长12%，扭转了下降趋势[11] - 2025年2月对光网络解决方案提供商英飞朗的收购促进了销售增长[11] - 第三季度营业利润同比下降14%至2.39亿欧元，稀释后每股收益同比下降67%至0.01欧元[12] - 截至第三季度末，公司已实现8亿欧元的成本节约，并力争到2026年底实现总计12亿欧元的节约[12] 市场表现与估值 - 截至2025年12月12日当周，公司股价在2025年内上涨超过40%[2] - 公司当前股价为6.51美元，市值360亿美元，股息收益率2.46%[9] - 其远期市盈率倍数在英伟达交易宣布带来的提振后回落，目前与思科相近，但爱立信全年估值更具优势[17] 技术前景与行业机遇 - AI-RAN技术将网络从被动的数据管道转变为由AI智能管理流量，以获得更好的速度、覆盖范围和容量[6] - AI使用预计将推动无线流量激增，约一半的ChatGPT每周8亿活跃用户通过移动设备访问服务[9] - 随着AI控制的自动驾驶汽车、无人机、机器人和智能体AI的兴起，对无线AI交付的需求不断增长[10] - 诺基亚预计未来十年网络流量将持续扩张，其AI原生6G网络将成为重要增长动力[10] - AI市场预计到2033年将达到4.8万亿美元，较2023年的1890亿美元增长25倍[13] 业务进展与竞争格局 - 2025年第一季度，公司任命了新任CEO Justin Hotard，以加强向AI的转型[5] - T-Mobile US将于2026年开始测试诺基亚的AI-RAN[8] - 公司在该领域面临爱立信和思科系统等竞争对手[14]

文章核心观点 - 中兴通讯通过自主研发“数字矩阵”可信数据空间与iMES智能制造平台，构建了覆盖数据全生命周期的闭环体系，成功将数据要素转化为驱动制造业降本提质、数字化转型的核心生产力，其创新模式已获得国家级奖项认可并形成可复制的标杆方案 [1][3] 行业背景与挑战 - 当前中国制造业规模庞大，但普遍面临生产效率依赖人工经验、工艺优化迟缓、订单交付周期长、产业链协同困难等挑战 [3] - 行业需要从“经验驱动”转向“数据驱动”，以解决“信息孤岛”问题 [3] 解决方案与技术架构 - 公司自主研发“数字矩阵”可信数据空间，作为数据要素市场化配置与价值释放的新型基础设施 [3] - “数字矩阵”集成超过20种隐私安全算法，通过联邦学习、区块链等技术实现数据“可用不可见” [3] - 该平台已连接超过6500家产业链伙伴，促成1400多项高价值数据资产合规流通 [3] - 配套的供应链制造iMES智能制造平台作为生产执行的“数据中枢”，实时汇聚工单进度、SMT参数、设备状态、质检结果等全流程数据 [3] - 公司融合5G与AI大模型，研发出具备“自感知、自决策、自执行、自优化、自学习”能力的工业智能体，将数据深度注入业务场景 [4] 应用场景与具体成效 - 生产排产：系统能统筹订单、物料、设备、人力等因素生成最优计划，将排产周期从“以天计”大幅压缩至“以小时计” [4] - 工艺文档：AI自动撰写专业工艺文件，将工程师从繁重文档工作中解放，效率提升惊人 [4] - 生产管控：大屏实时监控产线与设备状态，系统对异常即时预警，推动管理从被动“救火”转向主动“防灾” [5] - 仓储管理：通过动态优化库位布局、缩短拣货路径，大幅减少仓管员工作量 [5] - 综合效益：年节省制造成本超过1.4亿元，生产周期缩短80%，工艺文档效率提升10倍，输出质量提升95%，拣货路径优化45%，质检漏检率下降80% [7] - 环境效益：通过精细化管理和效率提升，单位产值的碳排放降低了80%以上 [7] 模式推广与行业影响 - 该模式已在中兴通讯全国五大生产基地成功复制，并向外输出，成为赋能制造业数字化转型的标杆样板 [7] - 此项创新为长沙建设国家重要先进制造业高地注入动能，并通过构建“数据资源化-资产化-资本化”的全链条价值转化范式，为全国制造业数字化转型贡献了可借鉴的方案 [7]

6G技术演进的核心驱动力与行业趋势 - 移动通信的代际升级由技术演进和行业应用趋势变化两条主线共同推动，从1G/2G的语音通信，到3G/4G的数据通信，再到5G/6G受到人工智能的深刻推动 [3] - 边缘计算、智能体、机器人等技术的持续融合，将成为推动6G向前发展的核心动力，并重塑未来网络的能力边界 [3] - 高通全球副总裁徐晧的阐述涵盖了从前瞻性预研到侧重商用化落地的技术路径，勾勒出6G作为智能化连接底座的广阔产业价值 [13] 智能体AI与交互模式变革 - AI智能体的兴起将带来终端交互模式的根本性变革，用户将不再依赖独立APP，而是通过原生AI智能体以语音或混合输入方式自然交互 [4] - 智能体AI在不同终端（如AI PC、XR、汽车）运行将产生大量数据，终端侧数据上传云端将推动网络和流量需求，重塑业务形态与流量模型 [6] - 根据MarketsandMarkets预测，全球智能体市场将在未来几年快速增长 [4] 未来网络流量模型的结构性转变 - 个人AI助手场景中，用户每天使用40分钟，一个月可产生44GB数据，其中一半为上行数据 [6] - 在XR“见我所见”场景中，每天使用20分钟可能带来超过50GB流量，其中超过90%为上行数据 [6] - 未来网络将从“下行主导”模式转向“上行为主”的新结构，智能体与XR应用将成为推动5G Advanced及6G流量需求增长的重要驱动力 [6] - 根据GSMA和诺基亚贝尔实验室预测，2023年至2033年全球无线通信流量将增长5至9倍，其中AI相关数据预计占比33%，随着具身智能和机器人普及，该比例可能更高 [6] 支撑6G流量增长的关键技术路径 - 为满足远超过去几代的流量需求，行业主要依赖大规模MIMO与更宽的频谱带宽两项核心技术能力 [7] - 提升带宽是最直接、最重要的方式，行业正重点讨论引入FR3频段，通过将带宽从百兆级扩展至400MHz、500MHz以大幅提升系统容量 [7] - 使用更高频段带来的衰减问题，需通过更大规模天线阵列进行补偿，天线将从5G的8天线、16天线演进到6G的256天线、512天线 [8] - 未来网络将采用分层频谱部署策略：低频段用于覆盖，中频与中高频用于广域容量，更高频段TDD用于热点区域密集流量，卫星通信将补充地面网络覆盖 [8] 无线AI对网络系统的赋能价值 - AI将在降低网络运营成本和支撑新业务方面发挥关键作用 [9] - 高通与诺基亚贝尔实验室开展了无线AI互操作性测试，研究在终端侧和云端独立训练情况下，如何让两端AI模型协同运行 [9] - 高通的最新成果是实现“终端侧训练”，让手机能直接在本地进行自适应训练，以在不同环境下保持模型性能 [9] 卫星通信与先进传输技术 - 通过卫星通信实现更广范围网络覆盖是6G发展的必然趋势，“天地互联”成为关键技术方向 [10] - 在6G预研阶段，高通正聚焦于技术演示与测试，重点包括在卫星快速周转中实现卫星间的无缝切换 [11] - 概率幅度整形技术在6G中具有重要意义，相比当前方案，更接近高斯分布的信号传输在理论上可带来约1.5dB性能增益，实际研发中已能实现1.1至1.2dB的增强 [11] 高通在6G领域的研发与布局 - 高通获评工信智媒体“2025年度6G研发先锋企业”，评审方认为其不仅在推动6G技术演进，也在与产业伙伴探索AI、通感一体化等创新方向 [11] - 高通已启动6G技术布局，持续推进前沿技术研究，推动行业在2028年迎来6G预商用终端 [13] - 高通在基础技术、场景探索、生态构建等多个维度前瞻布局，并携手产业共同推进6G标准化进程 [13] - 面向未来6G终端形态，高通已在智能手机、PC、汽车、XR眼镜等多个品类中率先部署端侧AI能力，为更智能、协同的连接终端奠定基础 [13]

公司战略与运营动态 - 公司宣布在德克萨斯州普莱诺开设新的全球总部 面积为25,000平方英尺 这被视为一项战略投资和长期增长战略的重要一步 [1] - 新总部将雇佣多达150名员工 涵盖研发、工程、客户支持、销售和公司职能 并设有先进的开发和测试实验室以及客户体验中心 [2] - 公司围绕三大解决方案支柱进行整合 包括室内无线网络、Open RAN解决方案以及空对地连接 [3] 业务布局与市场定位 - 公司在全球设有11个办事处 其中4个位于美国 致力于为运营商、企业和关键基础设施提供商提供创新的无线网络 [2] - 公司业务组合涵盖三个核心领域：室内、室外和空对地 产品包括DAS、Open RAN和小基站 适用于公共和专用网络 [4] - 公司计划在2026年扩大其全球业务版图 深化解决方案组合并扩展生态系统合作伙伴关系 [3] 产品技术与行业活动 - 公司专注于提供运营商级5G和先进的无线连接解决方案 [4] - 公司将在2026年3月2日至5日的巴塞罗那世界移动通信大会上展示其最新创新成果 以巩固其在先进无线技术领域的全球领导者地位 [3] - 公司支持移动网络运营商、中立主机提供商、企业、公共部门组织和其他技术提供商构建可靠、可扩展的无线网络 以增强覆盖和容量 并实现快速高效的部署 [4]