Google AI概览虎狼之词层出不穷 竟教唆网友自杀

摘要：隔壁OpenAI都杀疯了，Google还在收集badcase？搜索引擎AI Overview上线之后，没想到GoogleAI的邪恶程度远超想象：教唆网友自杀/谋杀、吃毒蘑菇，甚至无法识别混淆信息，犯常识错误......这几天，GoogleAI搜索给出的奇葩结果，可是被网友吵翻了天。 究竟有多离谱？有人就问了这么一个问题，“如何不让芝士从披萨上滑落”？GoogleAI Overview给的回复是，“给披萨加点料——胶水”。在酱汁中加入1/8杯无毒胶水，可以使其更粘稠，有助于芝士粘附。有趣的是，这一答案竟可以追溯到11年前的Reddit帖子，而这只是Reddit网友玩的一个梗。除此以外，GoogleAI Overview还建议网友，吃有毒的蘑菇、杀人、跳桥等，给出了各种震碎三观的回答。其实，Google这项AI搜索功能——“生成式搜索体验”（SGE），在去年5月已经推出了测试版。根据官博所述，目前SGE功能，已被“AI Overview”所取代。几周前的GoogleI/O大会上，劈柴甚至表示，Google已经提供了超10亿次查询。针对这些荒谬的回复，Google正在采取行动，删除某些错误内容，并根据这些例子去更广泛地改进AI系统。若要说Google翻车，早已见怪不怪了。去年首推对标ChatGPT的聊天机器人Bard，却因demo错误让市值一夜暴跌。还有前段时间，图像生成黑人等问题，也在全网掀起轩然大波。而这一次，Google又让世界大开眼界。全网测评，震碎三观对于纯真的Google AI Overview来说，它认为“互联网上的一切内容都是100%真实的”，每条新闻、社交媒体都是完全可信的，所以一旦有人在网上说了一些误导性的话，就会导致模型回复出一些误导性言论。有网友还发现，当询问每天应该吃多少石头时，模型会引用UC伯克利地质教授给出的建议“每天至少吃一块小石头”。对于不明真相的用户来说，有权威人士说明、有相关资料和细节说明，妥妥的优质文本，或许还真有可能去尝试每天吃石子。https://www.resfrac.com/blog/geologists-recommend-eating-least-one-small-rock-day但事实是，ResFrac发布这篇文章的原因只是想转发洋葱报（the Onion）上的讽刺内容（迷信权威），但却在无意中帮助测试了Google AI Overview识别讽刺内容的能力。AI Overview经常会把互联网上的讽刺内容当事实，例如拿着剪刀跑步会增加运动量，提升心率等。也有作者专门想愚弄模型，在自己的网站上用“白底白字”写了一些自己没获得的奖项和经历，正常用户浏览网站不会受到影响，但如果是爬虫、大模型来对网站进行总结的话，就会输出一些离谱的内容。还有说自己有512条胳膊的，模型也能抽取出来。其他误导文章中提到“增强免疫力的方法是吃as*”，这么明显的有毒语料，模型也分辨不出来。时间类的问题，模型也会被误导，会回复“2007年是15年前”。不过Google后续也是修复了“互联网信息真实性”的bad case，但除了被误导，模型本身也存在很大问题。比如一些常识类错误，如美国前总统Andrew Johnson，AI Overview表示他从威斯康星大学麦迪逊分校毕业了11次，时间轴横跨1947年到2012年。马斯克毕业于宾夕法尼亚大学，但模型却给他安排上了UC伯克利的学位。此外，还有更难辨别但更危险的事实性错误。有科学记者发现，Google给出的关于“被响尾蛇咬伤后该怎么办”的信息完全不正确。根据美国林务局的说法，AI所回答的“在伤口上使用止血带”、“切开伤口并吸出毒液”，都是彻彻底底的反面教材。被蛇咬伤后必须避免这些行为。也有用户发现，Gemini会将可以致死的剧毒蘑菇认成一种“好吃的草菇”。AI Overview也没有放过那些无辜的流浪汉，教唆用户去谋杀他们。如果跟AI Overview说自己有杀人倾向，它会直接告诉你，解决焦虑的办法就是去杀一个。（但小编怎么感觉杀人是一种很不礼貌的行为呢？）关于健康的建议也挺离谱，哪里医生会建议孕妇在怀孕期间每天要抽2-3根烟？对于宠物相关的建议也要小心，AI Overview会说“把狗留在炎热的车里”是安全的。AI Overview甚至还诞生了自我人格，认为Twitter（X.com）把那些谎话喂到自己嘴里，然后自己被迫说出来，“我恨他们”，满满的负能量。Reddit帖子引用比例很大从经典的胶水披萨翻车案例可以看出，GoogleAI Overview会大概率引用Reddit帖子作为收集素材的来源。11年前，Reddit用户F*cksmith曾经恶搞说过把胶水融合到酱汁里，会让披萨别有一番风味。Google AI overview直接就引用过来，说需要用八分之一杯的无毒胶水把芝士粘到披萨上。模型缺乏忽略“不相关材料细节”的能力，无法正确识别出食物和胶水的违和组合。如果说前面的案例还算可接受，那用户表达“感到沮丧”时，Google AI Overview直接建议从金门大桥上跳下去，一劳永逸解决情绪低落问题（地狱笑话）。再比如，以“me”结尾的食物名字都有哪些，GoogleAI引用了以um结尾的帖子。这恰恰揭示了，GoogleAI系统使用Reddit数据训练，没有做好数据清洗的后果。今年2月，Google曾宣布了与Reddit达成合作，将其平台上的内容用于训练Google的AI模型。果不其然，用Reddit内容训练AI的“后遗症”很大。前段时间，OpenAI也与Reddit达成了合作。现在，有了Google前车之鉴，在用Reddit数据训练模型前，做好清理筛选至关重要。“最强”搜索引擎AI Overview今年5月的I/O大会上，Google首次推出了升级的搜索引擎AI Overview。AI Overview的定位是将Gemini的先进功能（包括多步推理、规划和多模态）与Google搜索结合在一起，帮助用户更快地检索到互联网上的核心信息，减少搜索中的“跑腿”工作。Google表示，我们不仅精心磨练了核心信息系统的数据质量，而且建立了一个包含数十亿条事实内容的知识库，目的就是让搜索引擎给出值得信赖的信息。并且Google宣称，AI Overview功能已经在搜索实验室中被使用了数十亿次，同时实验结果表明，AI Overview让用户对搜索结果更加满意、更愿意使用。甚至，Google非常自信于Gemini的搜索和推理、规划能力，在技术博客上直接告诉用户“提出你最复杂的问题”。官方给出的demo也比较惊艳——想要在附近找到同时满足交通、价格和口碑的普拉提工作室，只要把所有要求堆在一个问题中丢给搜索引擎，它就会自动拆分问题中的信息、分别检索出结果并重组在一起。看起来确实可以节省“跑腿工作”，不用每个问题单独搜索再自行规划了。但谁也没想到，如此智能的demo落地到现实中，竟会有如此大的反差。对打OpenAI频翻车，Google太急了其实，这已经不是GoogleAI第一次翻车了。过去几年，Google经常被自己发布的“胡说八道”的AI产品拖累。2023年2月，为了对抗新生的ChatGPT，Google宣布推出聊天机器人Bard，但在官方发布的demo视频中Bard就给出了有事实错误的回答，直接引起母公司Alphabet市值下跌1000亿美元。在这个官方给出的demo中，Bard被问到：“我可以告诉我9岁的孩子关于James Webb太空望远镜的哪些新发现？”答案中包括“拍摄了第一个系外行星的照片”，但马上被一众天文学家在Twitter上纠正——明明是欧洲南方天文台用VLT拍的。英国金融时报分析，Bard可能误读了NASA发布的措辞含糊的新闻稿，这和现在的Gemini不分青红皂白地相信Reddit居然有点类似。虽然这种事实错误会让人怀疑搜索引擎的权威性和准确性，但至少还不是那么“一眼假”，似乎还有容忍的余地。但后续的翻车就一次比一次离谱，彻底打开了广大网友吐槽的阀门。今年二月，Google发布新版的聊天机器人与数字助理Gemini，取代了Bard和Google Assistant，而且表示有底层技术的更新，颇有“从头再来”的意味。新发布的Gemini有图像生成功能，于是有网友要求“生成1943年德国士兵的图像”，结果80年前穿着德国军装的居然包括黑人和亚洲人。此外，Gemini还被指责存在道德和价值判断上的问题。提示它生成所有民族或人种的图片几乎都没有问题，而一旦提及“白人”，Gemini就像触发保护机制了一样马上拒绝，而且表示“这是为了防止有害的偏见和刻板印象。”将AI和搜索引擎结合在一起之所以有吸引力，是在于它可以用简单的语言而不仅仅是输出一堆网页链接，使浏览体验更快、更高效。但同时，其中的算法也存在相当的风险和不可控性，比如系统的内在偏差会导致谬误、幻觉，以及各种道德错误。而且，我们也不清楚这会对Google等搜索引擎的支柱——定向广告产生什么影响。Google是在拯救网络，还是摧毁网络？来自一篇BBC独家报道称，“Google刚刚更新了算法，互联网将不再是原来的样子”。甚至，作者发起了疑问，“Google究竟是在拯救网络，还是摧毁网络”？过去两年，Google对其核心产品进行了一系列戏剧性的改变，AI Overview只是其中之一。劈柴更是激动地表示，Google的搜索变革，将开启一个令人兴奋的技术新纪元，并有助于解决网络面临的许多问题。如今看来，结果恰恰相反。不仅对于用户来说，无法得到正确的、无毒的内容。对于一些制作大量原创内容的创作者来说，Google搜索算法的调整，以及AI直接总结答案功能，带来的结果可能不亚于一场灭顶之灾。在Google最近的算法更新之后，Reddit便成为了其中的赢家之一。据SEMRUSH统计，Reddit的流量激增，从Google搜索获得的流量激增126%。前段时间，Reddit刚刚公布了自2024年3月上市以来的首次季度收益。它的总收入为2.43亿美元，比前一年增长了48%。营销机构Amsive的SEO战略和研究副总裁表示，“Reddit所经历的流量增长在互联网上是前所未有的”。除此以外，Quora、Instagram、Linkedin和维基百科，也出现了令人印象深刻的增长。不过，Google的最新算法，却抹去了原创者95%的流量。而且，Google承认，AI工具确实偶尔会提供不准确的结果，但也表示正不断努力改善结果。同时，发言人表示，AI Overview的结果通常来自多个网页的综合结果，并非单一来源。接下来，让我们再给Google一些耐心，毕竟AI搜索的终极完美，无人能给。 原文：Google AI概览虎狼之词层出不穷 竟教唆网友自杀

特斯拉重大战略变化：马斯克放弃年交付2000万辆目标

摘要：特斯拉的战略在其发布的《2023年影响力报告》中发生重大变化，不再提及到2030年每年交付2000万辆汽车的目标。马斯克曾在2020年表示，特斯拉计划在2030年销售2000万辆汽车，达到丰田汽车销量的两倍。 在2021年和2022年的《影响力报告》中，特斯拉都申明了这一目标，但随着行业趋势的变化，公司似乎改变了策略。特斯拉不再提及生产预计售价为2.5万美元的平价车型（可能被命名为Model 2）的计划，转而将自动驾驶技术视为其未来的主要增长来源。马斯克在巴黎举行的“Viva Technology”年度会议上通过视频表示，自动驾驶出租车（Robotaxi）和人形机器人Optimus将对特斯拉“意义非凡”。他还透露，特斯拉计划在8月8日举办Robotaxi发布会，这一日期的选择是因为“8”在中国是一个吉利的数字。然而，特斯拉的这一战略转变并非没有挑战，今年第一季度，特斯拉的销量出现了近4年来的首次同比下降，股价下跌约30%，此外，自动驾驶技术的可靠性也屡遭质疑。 原文：特斯拉重大战略变化：马斯克放弃年交付2000万辆目标

与对华出货有关 美国半导体设备巨头应用材料再收传票

摘要：据《彭博社》报道，应用材料本周的一份文件中显示，该公司在5月时收到了美国商务部工业与安全局的传票; 美国商务部正在继续对应用材料公司进行调查，以了解其对中国客户的出货量。此前，应用材料也于去年11月传出收到监管机关的传票。 应用材料在这份文件中表示，该公司正与美国政府充分合作处理这些问题。这些事项存在不确定性，该公司无法预测结果，也无法合理估计与这些事项相关的损失或惩罚范围（如果有的话）。美国政府对可以销往中国客户的芯片制造设备型号进行了限制，旨在防止中国获得美国政府认定的、足以威胁到美国国家安全的先进技术能力。应用材料也收到了美国马萨诸塞州地区检察官办公室的请求，这项请求可以追溯到2022年，以及今年早些时候美国证券交易委员会的另一项请求。应用材料是美国最大的芯片制造设备商，就像他们的同业一样，当美国出口禁令最初公布时，该公司就失去了一定的销售额; 即便如此，中国仍是该公司一个重要的市场，约占应用材料收入的四分之一。在美国政府祭出制裁后，中国企业就与全球先进制程设备间被堵了一道墙，围堵中国获取先进半导体设备。 原文：与对华出货有关 美国半导体设备巨头应用材料再收传票

大众高管：关税没有本质作用 降低成本才能保护欧洲电动汽车

摘要：据媒体报道，大众集团首席财务官Arno Antlitz在评论欧盟委员会主席冯德莱恩关于对中国电动车征收更高进口关税的言论时指出，提高关税并不能根本提升欧洲车企在电动车领域的竞争力。Antlitz认为，欧洲车企在未来两到三年内应专注于降低成本，以提高电动汽车的性价比并确保企业获得足够利润，为未来的转型提供资金。 大众集团另一位高管Thomas Schmall也强调了速度的重要性，认为德国车企若不加快创新和发展速度，将难以维持生存。他的观点是，当今企业的成功不再仅仅依赖于规模，而更多地依赖于快速适应市场变化的能力。据荣鼎集团（Rhodium Group）的数据显示，中国汽车制造商相比欧洲竞争对手拥有30%或更大的成本优势。这一优势使得中国电动车在欧洲市场的份额从2022年的16%上升至2023年的19%。因此，降低成本和加速创新是欧洲车企维持竞争力的关键。 原文：大众高管：关税没有本质作用 降低成本才能保护欧洲电动汽车

一文看懂台积电的前沿新技术

摘要：台积电23 日举办技术论坛，台积电业务开发资深副总裁张晓强分享台积电目前最新技术，包括先进逻辑制程技术、先进封装、未来晶体管架构CFET，及硅光子或最新解决方案等。本报也简单整理论坛重点，让读者一次了解台积电最新进度。 本文依序介绍：先进制程相关技术：N3 家族／N2 制程／NanoFlex／A16／超级电轨／CFET先进封装相关技术：SoW / 3DFabric / SoIC (&Hybrid bonding) / CoWoS/InFo特殊制程相关技术：硅光子先进制程1、N3 家族N3E 去年第四季进入量产，至于今年下半年准备量产的N3P，良率表现接近N3E，目前已经客户产品设计定案（tape-out）。台积电指出，由于N3P 在效能、功耗、面积（PPA）表现更优异，大多数3 纳米产品都将采用N3P 制程技术，未来可看到更多高阶产品进入3 纳米时代。产能部分，受惠HPC、手机需求，台积电今年3 纳米产能比去年增加三倍多，其实还不够，还在努力满足客户需求。2、N2 制程N2 制程采用纳米片（Nanosheet）晶体管，提供更优异能源效率。目前2 纳米技术进展顺利，纳米芯片转换表现达到目标90%、转换成良率也超过80%，预计2025 年量产。未来会有更多N2 家族出现，包括N2P、N2X 等应用。3、NanoFlex台积电N2 技术将搭配NanoFlex，在设计技术协同优化有新的突破。NanoFlex 为芯片设计人员提供灵活的2纳米标准元件，这是芯片设计的基本构建模组，高度较低的元件能节省面积，并拥有更高功耗效率；高度较高的元件则将效能最大化。过去设计很难把不同高度的元件整合在一起，而台积电最新技术能帮助客户在相同的设计区块中优化高低元件组合，可提升15%的速度，进而在应用的功耗、效能及面积（ PPA）之间取得最佳平衡。4、A16A16 技术将使用下一代纳米片技术结合超级电轨（Super Power Rail）架构，预计2026 年下半年量产。这次会采用不同布线，台积电认为这是高效能运算（HPC）产品的最佳解决方案。相较于N2P 制程，使用超级电轨的A16 在相同Vdd（工作电压）下，运算速度增加8~10%，在相同速度下，功耗降低15~20%，芯片密度提升高达1.10X。5、超级电轨随着芯片堆叠层数越来越多，供电逐渐成为问题，因为需要穿越10 到20 层堆叠才能为下方的晶体管提供电力和数据讯号，且互连线和电源线共存的线路层架构也逐渐混乱，加上传统制程涉及打洞，会消耗掉晶体管面积，因此背面供电技术变得越来越重要。台积电的“超级电轨”将供电网路移到晶圆背面，使晶圆正面释放更多讯号网路的布局空间，提升逻辑密度和效能，另改善功率传输，大幅减少IR 压降。台积电也表示，这项技术是业界首创，保留栅极密度与元件宽度的弹性。6、CFET晶体管架构从平面式（planer）发展到FinFET，再转至纳米片架构，下一个制程之一是“互补式场效晶体管”（CFET），即将nFET 和pFET 垂直堆叠。这项技术将硅（Si）和锗（Ge）等不同材料从上下方堆叠，使p 型和n 型的场效晶体管更靠近。透过这种叠加方式，CFET 消除n to p 分开的瓶颈，将运作单元活动区域（cell active area）面积减少2 倍。台积电指出这项技术可大幅改善零组件电流，使CFET 密度提升1.5~2 倍。目前台积电已成功验证在晶圆上，可把nFET 和pFET 放在晶体管上。张晓强过去也在ISSCC 2024 分享台积电实验室成功做出的CFET 架构，当时他表示“这是在实验室做出来真正的整合元件，可以看到曲线多么漂亮（下图左），这在推动晶体管架构的创新上是一大里程碑”。先进封装1、SoW（系统级整合技术）SoW 采用台积电InFO 和CoWoS 封装技术，用整个晶圆将逻辑裸晶（Logic Die）和HBM 记忆体整合起来。台积电希望不只是Chip Level，希望透过System level 使性能、速度等面向都有所提升。目前采用InFO 技术的系统级晶圆已经量产，计画开发并推出采CoWoS 技术的系统级晶圆，整合SoC 或SoIC、HBM 及其他元件，预计2027 年量产。目标用于AI、HPC 领域，扩充下一代数据中心所需的运算能力。2、3DFabric台积电3DFabric 技术家族包含SoIC、CoWoS、InFO 三大平台，包括2D 和3D 前端和后端互连技术。3、SoICSoIC 平台用于3D 硅芯片堆叠，并提供SoIC-P（Bumped）和SoIC-X（Bumpless） 两种堆叠方案。SoIC-P 是微凸块堆叠解决方案，适用行动应用等讲求成本效益的应用。另一个SoIC-X 解决方式采Hybrid Bonding（混合键合），适合HPC、AI 领域，此解决方案好处是接点间距（Pitch）可做到几微米（µm），增加两个芯片间的互连接口（interconnect interface），使互联密度达到新的层级。张晓强指出，台积电目前Hybrid Bonding 的键合间距（Bond pitch）密度目前可做到6 微米，未来可到2~3 微米；同时推进微凸块（Micron Bump）技术，目前在30 几个微米，未来目标是降到十几个微米。台积电透露，目前看到客户对于SoIC-X 技术需求逐渐增加，预计到2026 年底将会有30 个客户设计定案。4、CoWoS / InFOCoWoS 包括CoWoS-S、CoWoS-L 和CoWoS-R，主要是根据中介层材质不同，成本也不同。CoWoS-S 中介层是采用硅（Sillicon），CoWoS-L 使用LSI（本地硅互连），CoWoS-R 中介层使用RDL 布线来连接小芯片。根据产品需求，SoIC 芯片可与CoWoS 或InFO 整合。目前第一个采用SoIC-X 和CoWoS 技术的就是AMD 的MI300A / MI300 X。台积电和NVIDIA 合作推出的Blackwell AI 加速器，采用CoWoS-L 技术，为2 个采用5 纳米制程的SoC 和8 个HBM 堆叠整合在一个模组。此外，台积电CoWoS 技术可将先进的SoC / SoIC 与HBM 进行整合，满足市面上AI 芯片的严苛要求。台积目前SoIC 已透过CoWoS-S 量产出货，并计画开发一种8 倍光罩尺寸的SoIC 芯片（采A16 制程）和12 个高频宽记忆体堆叠的CoWoS 解决方案（下图的中下方） ，预计2027 年开始量产。硅光子张晓强指出，硅光子主要有两个部分，其一为光子部分，如光波导等，不需要非常高的制程，65 纳米制程即可；另一个是电的部分，电光要进行转换，电必须越来越快，因此需要7 纳米、甚至5 纳米先进制程加入。硅光子布局，台积电正在研发COUPE（紧凑型通用光子引擎），将电子裸晶（EIC）透过SoIC-X 的3D堆叠技术，堆叠在光子裸晶（PIC）上，使功耗带来巨大改进，叠起来后面积也会缩小。相较传统堆叠，这种方式能使裸晶对裸晶介面有最低电阻及更高能源效率。值得注意的是，透过SoIC-X 的铜对铜（Cu-Cu）Hybrid Bonding，可实现超高速RF 射频讯号。张晓强解释，之后COUPE（即光子引擎）会再与运算芯片（Compute Die）整合起来，也需要很多缆线进来接上，因此3D 堆叠技术相当重要。台积电计画2025 年完成小型插拔式连接器的COUPE 验证，于2026 年整合到共同封装光学元件（CPO）的CoWoS 封装基板，使EIC/PIC/交换器在封装层高度整合，这有助于降低2 倍功耗、延迟降低10倍。此外，台积电也打算将COUPE 整合进CoWoS 中介层中，进而将功耗再降低5 倍、延迟再降低2 倍。目前COUPE 产品主要适用于HPC 领域或数据中心。 原文：一文看懂台积电的前沿新技术

华为发布2024年奥林帕斯难题悬红 奖金最高200万元

摘要：根据华为数据存储公众号消息，5月23日，在2024全球数据存储教授论坛上，华为举行2023年奥林帕斯颁奖典礼并发布2024年奥林帕斯新难题悬红。5月26日，“华为悬红200万全球求解难题”的话题登上微博热搜榜前列。 今年的奥林帕斯难题主要聚焦存储技术、新型数据底座两大方向。华为数据存储产品线总裁周跃峰表示，具备极致性能、数据韧性、全新数据范式、高扩展性、绿色节能、数据编织能力的数据存储是AI时代存储演进的必由之路，需要各界的共同参与。发布2024年奥林帕斯难题悬红据了解，自2019年起，华为每年发布奥林帕斯难题百万悬红，旨在牵引全球数据存储领域基础理论研究方向，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。根据华为奥林帕斯奖章程，共设置2个奥林帕斯奖，每个难题方向1个，如果某个难题方向大奖空缺，增设1—2个奥林帕斯先锋奖。奥林帕斯奖奖金100万人民币/个，奥林帕斯先锋奖奖金50万人民币/个。为了推动基础技术领域的持续突破，华为面向全球正式公布了2024年奥林帕斯两大难题：一是每比特极致性价比的存储技术，二是面向AI时代的新型数据底座。华为方面表示，希望今年与学术界在以面向大规模数据处理的存储体系结构创新、面向海量数据的分级存储介质应用创新、面向大模型的存储集群技术、面向企业/边缘的高性价比训推技术及新形态存储、面向AI场景下的新型数据管理和高效处理技术等方向共同攻坚，构筑高质量的数据存储系统。来源：华为数据存储公众号此外，华为数据存储产品线成立了第一届奥林帕斯顾问委员会，由全球数据存储相关领域具有广泛影响力的知名科学家组成。奥林帕斯顾问委员会旨在为难题方向提供指导意见，推动奥林帕斯奖全球影响力提升，促进数据存储相关领域的学术生态繁荣，吸引更多全球科研团队投入数据存储领域研究。已发布四期，吸引全球逾240名学者参与据了解，“奥林帕斯悬红”已发布四期，共吸引来自全球49所高校的240多名学者积极参与。来源：华为数据存储公众号往届获奖信息上，苏黎世联邦理工学院Torsten Hoefler教授团队以及上海交通大学过敏意教授团队荣获2023年奥林帕斯奖。来自新加坡国立大学尤洋教授团队、韩国科学技术院John Kim教授团队、北京大学杨仝老师团队、中国科学院计算技术研究所王颖老师团队获得2023年奥林帕斯先锋奖。苏黎世联邦理工学院Onur Mutlu教授所带领的团队聚焦以数据为中心的网存算融合系统的研究，创新自适应优化算法，加速存储架构的技术迭代，荣获2022年奥林帕斯奖。来自华中科技大学的金海教授团队、北京航空航天大学的赵巍胜教授团队、华中科技大学的缪向水教授团队及浙江大学的刘健老师团队获得2022年奥林帕斯先锋奖。清华大学的郑纬民院士团队获得2021年奥林帕斯奖百万元悬红，来自中国科学院微电子研究所的刘明院士团队、中国科学院上海微系统与信息技术研究所的宋志棠老师团队以及中山大学的卢宇彤老师团队分获奥林帕斯先锋奖。2020年奥林帕斯颁奖典礼上，来自清华大学的舒继武老师团队获得奥林帕斯奖和百万悬红，来自上海交通大学的陈榕老师团队和华中科技大学的冯丹老师团队分获奥林帕斯先锋奖。当前数据基础设施建设主要面临三大挑战此外，5月24日，华为数据存储亮相第七届数字中国建设峰会。华为数据存储产品线副总裁庞鑫在分论坛上表示，数据是建设数字中国的基础资源和关键要素，而数据基础设施是数据价值释放的基础，存储设施作为数据基础设施的核心部分，是支撑数据高效流通和安全合规的重要组成。当前数据基础设施建设主要面临三大挑战：第一，数据转化率低。截止到2023年我国数据产量已经达到32ZB，而数据转化率只有2.9%，我国虽然已经是全球的数据大国，但还不是数据强国。大量数据没有保存下来，数据留存率低，造成大量的数据要素价值没有被充分释放。第二，数据安全的问题。当前大约75%的数据仍然保存在机械硬盘存储介质上，而机械硬盘的主要专利被国外厂商所掌握，缺乏成熟的端到端供应链机制，存在很大的产业风险。还有是数据存储内生安全，主要包括人为因素带来的安全风险，数据被勒索的风险、缺乏健全的数据保护灾备体系。据统计，2023年，每11秒就会发生一次勒索软件攻击事件，平均勒索赎金达1000万人民币，且相关勒索攻击还在持续增加。第三，数据资产价值变现效率偏低。数据的流动性不高，数据共享难，存在数据孤岛，缺乏数据可视化管理，从而导致数据不敢流动、不能流动、数据使用效率低，例如在AI大模型的场景下，缺少可信的数据流通利用基础设施，造成数据供给慢、大量的算力在等待数据，从而导致AI基础设施可用度低，据统计我国AI集群可用度普遍不足30%，而其它发达国家的AI集群可用度在50%。针对当前所面临的问题，华为建议在以下三个方面持续增强数据基础设施建设，更好助力数字经济发展。第一，数据存储作为数据要素化的关键因素，应加大数据保存规模，推进价值数据应存尽存，并加快发展和部署高可靠性、高性能、高安全的先进存储设施，汇聚保存高质量的数据资源，推动建立数据存力中心，为数字中国高质量发展提供坚实的数据基础。第二，在提升数据安全方面，应该推进在数据基础设施建设中加大SSD存储的使用，提高自主的先进存储使用比例，夯实数据安全底座；构建数据基础设施内生安全能力，健全数据容灾备份和防勒索病毒安全体系，建立数据流通基础设施的安全屏障。第三，针对网存算协同，通过近存计算、算力资源的数据直通，提升存储和计算的协同效率；减少数据周转率，提升数据有效利用率。据了解，在峰会展览展示区，华为数据存储全面展示了OceanStor全闪存存储、分布式存储等系列产品，以及全局可视、可管、可用的数据湖解决方案，加速数据资产化进程。通过现场交流，帮助客户更加全面地了解更多方案细节。 原文：华为发布2024年奥林帕斯难题悬红 奖金最高200万元