第十九届电子年会｜面向AI的智能存储：性能、效率与数据价值重塑专题论坛成功举办

第十九届中国电子信息年会于2026年4月17-19日在中国光谷科技会展中心召开。4月17日下午，面向AI的智能存储：性能、效率与数据价值重塑专题论坛成功举办，本次论坛由华中科技大学、济南浪潮数据技术有限公司、华中科技大学出版社主办，与会的专家学者和企业代表就大模型训练的并行文件系统、存算协同、端侧推理冷启动优化、显存复用、云存储安全与暗数据管理等主题进行了广泛深入的交流。华中科技大学、浪潮数据、武汉大学、上海交通大学、山东大学、昆山杜克大学等单位参与了此次专题论坛。华中科技大学副校长冯丹教授，华中科技大学周可教授，武汉大学张永军教授，上海交通大学张一鸣特聘教授，山东大学申兆岩教授，上海交通大学徐尔茨副教授，昆山杜克大学沈家诚助理教授，华中科技大学刘渝副研究员出席会议。

论坛伊始，浪潮数据云存储研发总监张凯就“青蓝基金”主题进行宣讲。

张凯总监作主题报告

武汉大学遥感信息工程学院院长张永军教授作《多模态遥感大模型研究进展与应用》主题报告。他指出，遥感大模型对高分辨率多模态数据的实时存取提出了极高要求，地学知识驱动的智能缓存与数据调度策略成为突破I/O瓶颈的关键，并分享了其团队在光环遥感大模型训练中针对存储系统优化的实践经验。

上海交通大学智能存储与计算重点实验室张一鸣教授作《新型可信存储》主题报告。他认为，在云化和多租户环境中，存储系统不仅要快，更要安全。张一鸣系统阐述了面向AI训练数据的可信执行环境构建方案，提出了一种硬件辅助的细粒度数据隔离与完整性校验架构，为大模型联邦学习和隐私计算提供了坚实的存储基座。

山东大学申兆岩教授作《多租户大模型推理显存复用优化技术》主题报告。他表示，针对大规模推理服务中GPU显存利用率低、租户间资源抢占频繁的痛点，团队设计了一种预测驱动的显存复用与弹性调度机制，能够在保证延迟SLO的前提下将显存碎片率降低30%以上，显著提升推理集群的吞吐效率。

上海交通大学计算机学院徐尔茨副教授作《云数据中心内存储系统的性能优化与安全性》主题报告。徐尔茨认为，AI工作负载的潮汐特性对数据中心存储提出了空前的弹性与隔离要求。他提出了一种融合NVMe over Fabrics与智能网卡的软硬件协同加速方案，在兼顾高性能的同时，实现了端到端数据加密与访问控制。

昆山杜克大学沈家诚助理教授作《稀疏感知的端侧推理系统冷启动优化》主题报告。沈家诚表示，端侧大模型的快速加载是决定用户体验的“黄金三秒”，其团队利用模型稀疏特性，构建了层级化的冷启动权重加载策略，并引入片上存储预取机制，成功将典型端侧推理应用的冷启动时延压降至毫秒级。

华中科技大学计算机学院刘渝副研究员作《面向暗数据管理的存储技术》主题报告。刘渝认为，企业中大量“暗数据”未被有效认知与利用，本质是缺乏数据内容感知的存储管理机制。他介绍了团队在相似性哈希生成、内联属性过滤与向量近似查询的协同检索算法方面的研究工作，通过在存储层实现智能索引，实现了暗数据的主动发现与价值释放。

张永军教授作主题报告

申兆岩教授作主题报告

徐尔茨副教授作主题报告

沈家诚助理教授作主题报告

刘渝副研究员作主题报告

在Panel环节，由周可教授主持，张永军教授、张一鸣教授、申兆岩教授、徐尔茨副教授、沈家诚助理教授、刘渝副研究员等嘉宾围绕“AI发展与存储”主题展开深入讨论。嘉宾们一致认为，存储系统必须从被动的“数据仓库”走向主动的“智能数据平台”，存内计算、智能缓存、跨层协同设计以及以数据为中心的体系架构将是接下来的研究热点。现场听众围绕训练推理分离的存储架构、长尾延迟优化等具体问题与嘉宾进行了热烈互动。

Panel环节

本次论坛不仅系统梳理了从底层硬件到顶层架构的AI存储技术图谱，也为学术界与产业界搭建了高水平的协同创新桥梁。与会人员纷纷表示，论坛紧扣大模型落地的真实痛点，报告内容兼具理论深度和实践指引，对推动我国自主可控的智能存储生态建设具有重要参考价值。