A. 魯健用的是什麼手機
當然是華為.魯健還專門做過一期節目，關於華為手機。
最強陣容!魯健對話業界大咖
總台央視主持人魯健對話華為數據存儲四位總裁:數據存儲產業作為數字世界的底座和基石，如何應對海量數據帶來的挑戰?如何構建最強數據基礎設施?
面對這一波「靈魂拷問」，他們現場一一作答，現場探討了平為數據存儲與機器視覺，謝黎明一一車為企業存儲領域總裁，黃 濤，王怡東一一華為分布式存儲領域總裁，分別對話探討。最後為華為手機喝彩！
B. 機器視覺系統在機器人中主要有哪些功能
機器視覺按照功能可以大致區分為識別、定位、測量、檢測、引導五類。
（1）識別：機器視覺可以對圖像進行處理、分析和理解，用於對一些一維碼或二維 碼的解碼、光學字元的識別與確認、顏色及形狀的識別等；
（2）機器視覺採用先進的圖像視覺檢測技術，對高速運動的工業產品進行實時全面 視覺定位分析，主要用於自動生產及裝配；
（3）機器視覺可以在非接觸的情況下，對產品尺寸進行高精度的測量，以確定產品 外觀的尺寸是否存在誤差；
（4）機器視覺可以用於產品表面的精密檢測，包括目標方向及位置檢測，檢測產品 表面的壓傷、破損、刮傷、臟污、變形等問題，及印刷表面的瑕疵檢測等；
（5）機器視覺普遍應用於智能製造的工業機器人領域，當前工業機器人已經大范圍 應用於自動化流水線，機器視覺系統可以在機器人操作過程中幫助機器人實時了解 工作環境的變化，相應的調整動作以保證任務的正確完成。【服務熱線，貼心服務】
RegemMarr研祥金碼業務主要涵蓋新能源、鋰電、半導體、電子元件、包裝、家用電器、汽車、食品、醫葯、物流及自動化設備等領域。公司產品自上市以來，已在華為、京東方、海信、小米、創維、長虹、比亞迪、美的、大疆、富士康、元氣森林等知名企業得到廣泛應用，深受贊譽與信賴。
C. 機器視覺系統是由哪些部分組成的
機器視覺系統是指通過機器視覺產品比如攝像頭獲取圖像，然後將獲得的圖像傳送至處理單元，通過數字化圖像處理進行目標尺寸、形狀、顏色等的判別，進而根據判別的結果控制現場設備。一個典型的機器視覺系統涉及多個領域的技術交叉與融合，包括光源照明技術、光學成像技術、感測器技術、數字圖像處理技術、模擬與數字視頻技術、機械工程技術、控制技術、計算機軟硬體技術、人機介面技術等。
目前市場上的機器視覺系統可以按結構分為兩大類：基於PC的機器視覺系統和嵌入式機器視覺系統。基於PC的機器視覺系統是傳統的結構類型，硬體包括CCD相機、視覺採集卡和PC等。嵌入式機器視覺系統將所需要的大部分硬體如CCD、內存、處理器以及通信介面等壓縮在一個「黑箱」式的模塊里，又稱之為智能相機，其優點是結構緊湊、性價比高、使用方便、對環境的適應性強，是機器視覺系統的發展趨勢。
作為機器視覺系統的重要組成部分，機器視覺軟體主要通過對圖像的分析和處理，實現對待測目標特定參數的檢測和識別。機器視覺軟體主要完成圖像增強、圖像分割、特徵抽取、模式識別、圖像壓縮與傳輸等演算法內容，有些還具有數據存儲和網路通信功能。機器視覺系統可以根據圖像處理結果和一定的判決條件方便地實現產品自動化檢測與管理。
根據軟體的規模和功能，現有的機器視覺系統軟體可以分為單任務的專用軟體和集成式通用組態軟體兩大類。專用軟體是專門針對某一測試任務研製開發的，其待測目標已知，測量演算法不具有通用性，如投影電視會聚特性檢測調整系統和電子槍扭彎曲度智能檢測系統。集成式通用組態軟體是將眾多通用的圖像處理與模式識別演算法編製成函數庫，並向用戶提供一個開放的通用平台，用戶可以在這種平台上選擇組合自己需要的函數，快速靈活的通過組態實現一個具體的視覺檢測任務。
目前機器視覺軟體主要向高性能與可組態兩方面發展。一方面，機器視覺軟體的競爭已從過去單純追求軟體多功能化轉向對檢測演算法的准確性、高效性的競爭。優秀的機器視覺軟體可以對圖像中的目標特徵進行快速而准確的檢測，並最大限度地減少對硬體系統的依賴性。另一方面，機器視覺軟體正由定製方式朝著通用、可視化組態方式發展。由於圖像處理演算法具有一定通用性，用戶可以在通用平台上進行二次組態開發，快速實現多種工業測量、檢測和識別功能。
D. 如何評價華為存儲的顏值
用顏值來評價華為存儲，是一個很新鮮的提法。
不可否認，這是個拼顏值的時代！
企業也不例外，顏值就是生產力，比如蘋果產品就憑顏值爆「表」深受熱捧。
小編問了下度娘：顏值，源自日語「臉」的漢字，顏值表示人物顏容英俊或靚麗的數值，用來評價人物容貌。
如何用科學方法來測算華為存儲這種抽象的看不見摸不著的顏值，小編私以為可以先看看華為存儲的成績單。
因為有記者這么評價華為存儲2014的成績，漂~亮~！這就是企業的顏值！
漂亮到什麼程度?有三件大事可以證明：
第一件：華為存儲2014年成功躋身Gartner魔力象限挑戰者象限（提Gartner，小夥伴們都懂得）
第二件：根據IDC 2014Q3數據，2014年華為存儲收入增速、發貨套數增速和發貨容量增速都位居中國第一。通俗點說：華為存儲從增長速度來看，無論是國內市場還是國外市場，華為存儲位列第一無可爭議。
第三件：2014年，華為存儲奪走競爭對手31.7%市場份額。（好膩害！）
談到這里，小編忍不住要來段人人都愛的大~爆~料~！
CeBIT2015馬上要開展了（3月16-20日在德國漢諾威），很多小夥伴從微信後台發來信息問，華為IT即將在CeBIT上投放什麼秘密武器！答案就是：
愛看電視愛追劇的都懂的~現在巴不得所有的視頻都是4K的，最好逼真到看《深夜食堂》就跟自己在那兒坐著吃美食似的，看《超能陸戰隊》就跟自己擁有了暖男胖大白，看《奔跑吧兄弟》就跟自己在那裡參戰。
所以，4K技術絕對是讓顏值爆表的利器！
但想要獲得4K超高清體驗，卻很難，因為片源少？沒片方願意拍4K的？
NO~NO~NO~，其實最根本的原因是：存儲系統跟不上！
4K技術對於帶寬和容量的極高要求，不是什麼存儲系統都能撐得住！
那麼，問題來了，到底什麼存儲系統能夠滿足4K要求？
必然是媒資界明星：
華為OceanStor 9000！
對媒資行業而言，顏值尤為重要，他們的終極目標就是要讓節目「好看」！
所以，4K超高清視頻製作的需求尤為迫切，誰能幫助他們？
就是TA，具備業界第一的288節點，60PB容量擴展能力。更是具有400GB的帶寬能力，可隨業務增長在線擴展，構建彈性媒體在線資源池，支持向4K業務的平滑演進，同時藉助高密節能的系統設計，使空間節省200%，功耗降低32%，進一步降低媒體庫運營成本。以首創的全融合架構，OceanStor 9000實現一套存儲系統支持媒體全流程業務，可在單一數據資源池實現采、編、播、管、存全流程共享，使數據智能流動，消除傳統媒體架構的存儲孤島，提升全流程業務效率。
E. 簡述機器視覺系統的硬體組成有哪些
機器視覺由軟體和硬體兩大部分構成
硬體部分：視覺光源+工業相機+工業鏡頭+光源控制器+相關光學配件
軟體部分：軟體系統+運動採集卡+工業電腦
根據客戶的需求不同，選型時配備的軟硬體也會有所不同，一般需要工程師根據需求效果進行整體評估後才能給出相關的詳細方案。
F. 機器視覺系統的組成與技術應用領域
機器視覺系統是利用機器代替人工做出檢測和判斷，它綜合了電子、光學、機械、計算機軟硬體等多種技術，涉及到計算機、圖像採集、智能識別、信號處理、光機電一體化等多個領域。機器視覺系統可以提高生產的柔性和自動化程度，大大提高工業生產效率，下面就為大家簡單介紹一下機器視覺的幾大典型應用。
一、圖像識別
圖像識別，是利用機器視覺對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象。圖像識別在機器視覺工業領域中最典型的應用就是二維碼的識別了，二維碼就是我們平時常見的條形碼中最為普遍的一種。將大量的數據信息存儲在這小小的二維碼中，通過條碼對產品進行跟蹤管理，通過機器視覺系統，可以方便的對各種材質表面的條碼進行識別讀取，大大提高了現代化生產的效率。
二、視覺定位
視覺定位要求機器視覺系統能夠快速准確的找到被測零件並確認其位置。在半導體封裝領域，設備需要根據機器視覺取得的晶元位置信息調整拾取頭，准確拾取晶元並進行綁定，這就是視覺定位在機器視覺工業領域最基本的應用。
三、圖像檢測
圖像檢測是機器視覺工業領域最主要的應用之一，一方面生產自動化程度高，人力成本占整個產品成本的比例較大，消費者對產品質量和一致性的要求也很高。另一方面其設備製造業比較發達，高科技產品所佔比例較大。因此，機器視覺在圖像檢測的應用方面也非常的廣泛。
四、物體測量
機器視覺在工業應用中最常用與非接觸式物體測量，可避免人工測量產生的誤差和接觸時產生的損耗，更因其具有高精度高性能的特點，大大提高了生產的效率。常見的物體測量包括：手機、五金件、齒輪、汽車零部件、PCB板、玻璃、機械、塑料等。
在物體測量方面，普密斯有多種型號機器視覺檢測設備，可根據所需精度和自動化程度針對性選擇。
G. 奇跡！美國三大存儲巨頭收入大幅下滑，華為逆勢猛增劍指全球第一
科技 先生頻道∣公眾號：zgkjsir
文/中國 科技 先生 胖猴
近日，美國疾控中心副主任舒查特博士對媒體直言， "由於新冠病毒傳播速度太快、范圍太廣，目前美國疫情正呈失控狀態"。
從發展態勢來看，確實如此。據美國約翰斯·霍普金斯大學統計數字顯示，截止當地時間6月30日上午，美國新冠肺炎確診病例超過268萬，死亡病例為12.95萬。 過去一個星期，全美每天新增的新冠病例數量同比猛增42%，達到約38200例。
形勢如此嚴峻，經濟重啟因而變得艱難。美國媒體6月30日程，由於新冠肺炎疫情再攀高峰， 包括得克薩斯州和佛羅里達州在內的至少16個州已經暫停重啟經濟的計劃。
疫情的影響，已然涉及整個 社會 的方方面面，連美國三大存儲巨頭Dell EMC、NetApp和HPE也大受沖擊。
近日，全球權威分析師機構Gartner發布2020年第一季度的外部存儲市場份額報告，報告顯示，Dell EMC、NetApp和HPE收入都出現大幅下滑，分別下滑11%，16%和19%。
美國存儲巨頭迎來至暗時刻，來自中國的 科技 公司華為，卻展現出逆勢進擊的彪悍。
2020年第一季度，盡管同樣受到疫情影響，華為依然實現了24.7%的高速增長，增長率排名第一。
具體到不同區域，在第一季度受疫情影響最嚴重的中國區，華為仍然保持15.4%的收入增長，增長率中國區第一。海外市場方面，華為實現了38.5%的增長率，增長率排海外市場第一。
不難看出，華為干翻了一眾海外巨頭，成為全球存儲市場唯一的一抹亮色。在華為這里，疫情也好，巨頭林立也罷，都不是戰斗停歇的理由，恰恰相反，困難越多，越要能轉危為機。
要知道，此前，美國三大存儲巨頭"制霸"全球存儲市場，風頭最勁的當屬Dell EMC。
在911事件中，Dell EMC幫助摩根斯坦利24小時恢復全部業務，從而名聲大噪。隨後，Dell EMC完成一系列收購，"迅速完成了從高端存儲廠商到存儲巨頭的角色轉換，開啟了長達十五年的存儲霸主生涯"。
權威分析機構IDC發布的報告數據顯示，2020年第一季度，Dell EMC依舊是最大的企業外部存儲系統廠商，佔全球收入的33.2%，NetApp則以11.0%的收入份額位列第二，其次是HPE/新華三，份額為9.9%。
面對美國巨頭，華為無可倚靠，只能仰仗技術研發，不斷深耕。你可能想像不到，征途之初，可以用"篳路藍縷"來形容。
2002年，華為開始對存儲業務進行投入，"團隊加起來也就十來個人"，但必須在一年之內把預研的產品研發出來。
怎麼辦？華為存儲首先想到與高校科研機構合作。於是，華為存儲與華中理工大學（後來改名為華中 科技 大學）謝長生教授團隊展開合作，開始基於標准伺服器+商用FC卡+開源RAID代碼+Cache/SCSI組件打造預研的存儲系統。
經過一年努力，存儲原型機終於研發成功，通過了管理層驗收。第二年，也就是2003年，華為存儲正式啟動研發。
到2005年，華為又完成對雙控存儲系統的研發工作，這意味著華為存儲研發實現了階段性勝利。
此後，技術研發的實力日積月累，越發雄厚。 目前，華為在全球布局了12個研發中心，有超過4000名工程師從事存儲研發，存儲專利超過800項，華為OceanStor存儲Dorado系列全快閃記憶體更在日本年度最大規模ICT展會Interop Tokyo 2020上再次獲得Best of Show Award金獎。
得益於研發投入，華為存儲爆發出驚人能量，不僅受到海內外眾多用戶青睞，市場份額也節節攀升。2019年，華為存儲在全球市場份額殺進前四，而在中國市場，華為存儲已經連續19個季度排名第一。
對此，華為雲與計算BG副總裁、數據存儲與機器視覺產品線總裁周躍峰當仁不讓地坦承： "華為公司成為全球第一的存儲廠商指日可待。"
按照華為長期的技術研發，尤其是現在這樣迅猛的增長速度，加上美國三大巨頭發展變得疲軟，華為存儲將會趁勝追擊，最終屹立於全球存儲市場之巔。
這一天，正在加速到來。
H. 一座智能低碳的醫院是如何煉成的
數字經濟時代，數字化已成為醫院完成醫療保障工作的關鍵能力之一。作為提供數字化底層支持的基礎設施，更需要與之俱進。在面對醫療新技術和新業態的雙重挑戰，北京同仁醫院攜手華為通過打造全快閃記憶體數據中心，發揮新型基礎設施的價值。在 探索 醫院從數字化向智能化轉變的同時，兼顧實現綠色節能低碳目標上，進行了卓有成效的實踐。
2021年6月，國務院辦公廳印發的《關於推動公立醫院高質量發展的意見》指出，要強化信息化在引領公立醫院高質量發展新趨勢中的支撐作用，推動雲計算、大數據、物聯網、區塊鏈、第五代移動通信（5G）等新ICT技術與醫療服務深度融合。
伴隨著醫院業務的快速發展，醫院對信息化的需求也在不斷變化。以數據為中心的視角和思維模式，驅動著醫療業務的新變革和新發展，這一點在智能醫療、智能管理、智能服務等方面都有所體現。
首先， 在智能醫療方面， 醫院信息化系統在滿足醫生基本業務需求的同時，將醫學知識與大數據、人工智慧等新ICT技術相互結合，為醫生提供必要的醫療數據查閱、醫療知識提醒、臨床輔助決策等功能；其次， 在醫院運營管理方面， 管理層不僅需要看到各部門的靜態統計報表，更需要全方位、多層次、多維度地了解醫院的投入、產出、成本等實時指標，並利用大數據分析和人工智慧技術為醫院運營管理提供更深入的洞察和更敏捷的反應，進而為決策提供數據支持；最後， 在智能服務方面， 智能化醫院覆蓋從預約掛號、遠程醫療服務、移動支付、葯物配送，到基於人工智慧的 健康 管理、智能問診等全流程服務，未來的互聯網醫療服務有著無限的發展空間。
總而言之，數據中心是醫院新型基礎設施的重要基座，打造醫院新型數據中心，發揮新型基礎設施的價值，對建設新時代的智能化、綠色低碳醫院具有重要意義。
那麼，首都醫科大學附屬北京同仁醫院（以下簡稱同仁醫院）又是如何從數字化走向智能化，同時做到節能降碳的呢？
同仁醫院始建於1886年，是以眼科學、耳鼻咽喉科學為國家重點學科的大型綜合三甲醫院，設有68個臨床和醫技科室，一年門急診量達290萬人次。在智能化時代，同仁醫院期望充分發揮5G、AI、物聯網、大數據等新ICT技術在現代醫院建設管理中的重要作用，通過「智能服務」、「電子病歷」、「智能管理」的建設，構建醫療、服務、管理「三位一體」的智能醫院系統，實現由「數字化」醫院走向「智能化」醫院的願景目標，為患者提供更高質量、更高效率、更加安全、更加體貼的醫療服務。
然而在建設智能化醫院的過程中，同仁醫院的基礎設施也面臨著醫療新技術和新業態帶來的雙重挑戰：
一方面，當前院區的信息系統架構老舊，可靠性較低，存在單一系統故障風險；存儲陣列採用傳統機械硬碟，已經嚴重影響了醫院核心業務系統的體驗，並拖累EMR（電子病歷）、移動App等新業務上線；與此同時，包括HIS（醫院信息系統）、PACS（醫學影像存貯與傳輸系統）等在內的30餘個系統已逐年上線，物理設備眾多，造成資源管理分散、資源利用率低、管理和維護復雜、運維成本逐年增加等問題。
另一方面，分級診療、醫療大數據、互聯網醫療等新的業務模式逐漸興起，帶動了整個行業的變化。隨著雲計算、大數據、人工智慧、物聯網、互聯網技術等新ICT技術在醫院中廣泛應用，醫療數據亟需快速整合、共享和進行大數據分析。
為了應對以上挑戰，實現從數字化走向智能化的進階，同仁醫院完成了智能醫院信息系統的頂層設計，其架構主要包括門戶、平台應用、資源、醫院信息平台、應用系統、智能化基礎設施等6個層面。基於該信息系統，同仁醫院實現了智能化的四個改變：
1.業務數據方面
服務半徑從院內醫護、科研擴大到院外患者；
2.應用訪問端方面
從醫護工作端擴大到全量患者應用；
3.架構網路方面
從傳統的內網院區架構擴展到開放的互聯網介面；
4.診療模式方面
從以前的門診診療切換到分級診療或AI輔助診療。
可以看出，數據存儲是承載智能醫院的底座，而數據中心是醫院智能化轉型的關鍵，全快閃記憶體數據中心則是實現數據加速、智能運維、綠色低碳的保障，有效支撐了同仁醫院智能化之路。
在數字化走向智能化的過程中，同仁醫院在三個維度上開展了卓有成效的實踐：
性能提升
同仁醫院將HIS、PACS等老舊核心業務和數據全面向高端快閃記憶體存儲遷移，以提升智能生產系統的性能，解決了 歷史 遺留的線下業務性能瓶頸問題。對於互聯網訪問、掛號等新業務的雲資源池和資料庫，同仁醫院也將其全面載入到新的高端快閃記憶體存儲資源池上，快速實現新業務上線、擴容，支持線上業務的數據分流。通過提升整體智能生產系統的存儲性能，同仁醫院還大大縮短了患者門診掛號的時間，提高了醫院員工的工作效率。
在醫院智能化業務高速發展的時代，同仁醫院的存儲資源池可以彈性擴展，以滿足未來醫院業務上線需求。
數據保護
在當今大數據時代，除了對業務數據存儲進行全場景快閃記憶體加速，還需要將醫院數據進行全場景保護，以提升業務連續性和安全性。同仁醫院對數據保護的策略為核心數據全容災，重要數據熱備份。
根據這一策略，同仁醫院通過華為 OceanStor 全快閃記憶體來支撐HIS、PACS等核心業務的資料庫和虛擬化雙活容災，消除系統的單點故障風險，核心業務實現7x24小時穩定在線、業務零中斷。此外，通過全快閃記憶體的CDP連續數據保護和遠程復制，可以將重要數據存儲到備份設備，保證數據零丟失，並通過災備管理軟體 OceanStorBCManager 完成全局、全場景、全流程的災備管理和一鍵式演練，大大減輕了同仁醫院運維管理人員的負擔。
安全可靠
在提升數據中心整體安全可靠性上，基於華為全快閃記憶體數據中心目標架構，同仁醫院採用「核心數據全容災，重要數據熱備份」方案，醫院關鍵核心業務均採用存儲「雙活」配置： HIS系統採用華為OceanStorDorado 18000 全快閃記憶體雙活，PACS系統採用支持塊/文件雙活的華為 OceanStor18510F 全快閃記憶體加速雙活，資料庫和虛擬化採用了相同的 OceanStorDorado 18000 全快閃記憶體雙活，智能醫學教育系統則採用了華為 OceanStor5310F 雙活等產品。
存儲雙活意味著兩台全快閃記憶體陣列之間互為冗餘，即使單陣列出現故障，也能保證核心業務7x24小時穩定在線，做到業務零中斷，數據不丟失。對於醫院的重要數據，數據中心基於華為存儲實現了更為完備的數據備份保護策略，並使備份周期從原來的1天縮減到3秒，解除了同仁醫院的後顧之憂。
眾所周知，數據中心是耗能大戶，據數字能源產業智庫預測，全球數據中心能耗將從2020年的6700億度電，增長至2025年的9500億度電，約佔全球總用電量的3%。
智能醫院該如何建設高效且低碳的數據中心？
全快閃記憶體數據中心是低碳數據中心的開始。全快閃記憶體數據中心是指90%以上的存儲容量由固態硬碟提供的數據中心，且同時具備高密度、高可靠、低延遲、低能耗等特徵。在相同容量下，快閃記憶體檔相比機械硬碟的能耗降低70%，空間佔用節省50%。據相關測算，一塊快閃記憶體檔替代機械硬碟一年所減少的碳排量，相當於150棵樹所吸收的碳排量，以此估算，新建數據中心的能耗則將下降21%。
就同仁醫院的智能化建設而言，在為患者提供更高質量、更高效率、更加安全、更有溫度的醫療服務的同時，通過全快閃記憶體數據中心打造智能化醫院的綠色底座，是醫療行業在「碳達峰」和「碳中和」實踐中卓有成效的 探索 。
未來，華為將繼續在智慧醫療領域不斷深耕，為智慧醫療打造可靠、穩定、智能的數據中心解決方案，加速全智慧院區建設，全面提升醫療服務水平和醫院管理效能。
文/首都醫科大學附屬北京同仁醫院黨委委員、信息中心主任 劉艷亭
華為數據存儲與機器視覺產品線營銷專家 張揚
I. 攀登比珠穆朗瑪更高的山峰，數據存儲技術的突破之路
文： 科技 商業 於洪濤
在物理世界，山峰是自然力量的象徵；而在數字世界裡，數據則是智慧力量的來源。
或許正是因為如此，華為將其聚焦在數據基礎技術的科研大獎命名為Olympus Mons，即奧林帕斯大獎，專門用於重獎那些在數據存儲領域實現技術突破的科研工作者。
設立獎項只是一種形式。在奧林帕斯大獎的背後，是華為通過匯聚產學研各方能力，來推動數據技術實現突破性發展的雄心，從而為數字經濟發展提供更好的數據基礎設施。
隨著數字化時代的到來，數據的價值越來越突出，正在日益成為國家、企業、甚至個人的核心資產。
與傳統經濟相比，數字經濟的本質就是數據的流通，數據也成為智能 社會 的主要生產要素。IDC的調研顯示，2020年全球共創造了59ZB的數據，到2025年則將達到163ZB。
如此巨量的數據資產，需要經過數據採集、數據存儲、數據分析等流程才能產生價值，其中數據存儲無疑是基礎。在數據中心裡，存儲也與計算和網路一道，成為關鍵基礎設施，為整個數字化進程提供支持。
在數據量高速成長的同時，數據的形態也日益多樣化，視頻、圖片、音頻等非結構化數據已經成為數據的主體。這些復雜的數據要想充分發揮價值，就需要更加高效的數據存儲和數據管理。
有統計顯示，如今只有2%的數據被保存，保存下來的數據也只有10%得到分析利用。華為數據存儲與機器視覺產品線總裁周躍峰介紹說，數據在企業數字化轉型中扮演著越來越重要的角色，然而企業卻面臨海量數據存不下、流不動、管不好的問題。
為了滿足客戶日益增長的數據存儲需求， 華為主張構建端到端的數據能力，包括計算、存儲、利用和AI等能力，讓數據在全生命周期內實現每比特價值最大，每比特成本最優。
華為的努力，已經收到了成效，如今越來越多的政企使用華為的數據存儲解決方案，來實現對數據資產的管理。
甘肅敦煌研究院，正在利用華為的海量存儲解決方案，通過 計算機技術和數字圖像技術，實現敦煌石窟文物的永久保存、永續利用。
然而，整個敦煌莫高窟擁有735個洞窟、4.5萬平方米壁畫、2415尊泥質彩塑，要把這么多文物數字化，達成構建數字敦煌博物館的目標，意味著需要大量的投資和海量的存儲設備。 顯然，要想解決這一問題，僅靠華為自身的努力還不夠，而需要各個方面的共同參與，通過打造產業技術生態，來實現存儲技術的新突破。這也正是華為設立「奧林帕斯獎」的初衷。
據了解，華為「奧林帕斯獎」，每年都聚焦於數據領域的兩個主要技術難題來尋求解決方案。在去年底的全球數據存儲教授論壇上，第二屆的「2021年奧林帕斯懸紅」兩大難題已經確定：一是構建每比特極致性價比的數據存儲，二是實現下一代存儲產業根技術突破。對於每個難題，華為都給出了高達100萬元的懸紅，
華為希望通過「奧林帕斯獎」的設立，與學術界在 Cloud-Oriented多雲存儲服務、Data-Centric新型數據應用存儲系統、AI-Driven存儲軟體架構、創新體系架構等技術方向共同攻堅，構築更好的數據存儲系統。
我們都知道，妨礙電動 汽車 推廣普及的主要制約因素是電池的能量密度，其決定了電動 汽車 的可用性。在數據中心裡，數據的存儲密度則將成為未來的核心挑戰，決定著我們智能 社會 的成色。
科學家們已經明確了下一步的發展目標：在有限的資源下實現100x性能密度和100x容量密度的數據存儲。要實現存儲能力的提升，壓縮演算法是核心技術之一，可以降低 數據的存儲成本，幫助用戶緩解數據規模爆炸性增長帶來的成本壓力。
然而，作為存儲技術中的重磅難題，壓縮演算法多年來未有突出成果。
為了突破壓縮演算法面臨的瓶頸，激發數據壓縮領域的活力，自2020年起，華為與莫斯科國立大學合作，舉辦全球數據壓縮大賽，以促進數據壓縮根技術的研究。
今年的第二屆全球數據壓縮大賽，邀請了壓縮領域享有盛譽的技術專家擔任評委；使用電子顯微鏡、遙感等高性能計算數據，更貼近前沿、更貼近實際場景。大賽設計了五種類型的數據集（賽事項目）：定量數據壓縮、定性數據壓縮、混合數據壓縮、小塊數據壓縮和熵編碼優化。
同時，大賽還增設了面向高校學生、難度相對較小的編碼演算法優化項目，以吸引更多校園演算法高手參與比賽。在獎項設置方面，進一步體現多維激勵，增設領先獎、特等獎和學生參與獎。
本屆數據壓縮大賽，已於6月15日正式開賽，接收參賽作品截止到11月底，將於12月底公布獲獎結果。截至7月中旬，開賽僅1個月大賽組委會就已經收到了來自全球近80個報名申請。
伴隨著奧林帕斯大獎和全球數據壓縮大賽相繼進入第二屆，「奧林帕斯」已經成為華為數據存儲正在著力打造的新品牌，專門用來加強產學研合作，聯合學界一起推動數據存儲產業的進步。
從第一屆奧林帕斯大獎得主那裡，我們已經看到科研界在數據技術創新領域的突破。
獲得 百萬懸紅大獎的清華大學舒繼武老師團隊的「持久性內存存儲系統構建與關鍵技術」， 創新地提出了持久性內存文件系統與鍵值存儲的設計方法和分布式持久性共享內存框架，攻克了其數據結構、內存管理、一致性與安全等方面的一系列難題，解決了基於新型內存介質的高效數據存儲問題。
此外，上海交通大學的陳榕團隊的 「基於新型異構硬體的高效數據處理系統」， 華中 科技 大學的馮丹團隊的 「NVM（新型非易失存儲）高效可靠技術」，也具有較高的創新性和先進性， 具備產業價值和應用前景。
同樣，在第一屆 全球數據壓縮大賽上，也涌現出了很多令人矚目的成果。
比如獲獎選手Peter Thamm設計的pglz演算法在壓縮率和性能上，打破了快速壓縮演算法的一般認知，指引了壓縮演算法優化方向；Konstantinos Agiannis的參賽演算法，在文本場景測試中的壓縮率和壓縮性能，均超過業界公認的標桿演算法；Andreas Debski的快速圖像壓縮演算法，達到了業界公認標桿演算法120%的壓縮率，展現了深厚的圖像壓縮演算法功底。
過去一年的成功，也讓我們對今年的 「奧林帕斯」有了更高的期待。對這個太陽系最高峰的攀登，意味著整個數據存儲技術領域的參與者，首次能夠團結一致，共同牽引基礎理論研究方向，突破關鍵技術難題，加速科研成果產業化，實現產學研合作共贏。
在此進程中，華為一方面發揮了產業引領者的角色，大力推動產學研的合作進程；另一方面也積極投身其中，通過 Data Fabric、智能存儲、內存型存儲、數據縮減、視頻存儲等五大創新實驗室，通過4000多名研發工程師的協同努力，圍繞下一代存儲的介質、網路、架構和管理等進行系統化創新。
我們也有理由相信，通過全球、全領域的協同創新，我們一定能夠迎來數據存儲技術的突破，通過技術重構實現更好的數據存儲效能，讓全世界共享數字技術紅利，進而推動千行百業的智能化升級。
J. 華為發布六大數據存儲新品
華為數據存儲與機器視覺產品線總裁周躍峰表示，到2030年，全球每年新增數據量將突破1YB量級。有數據的地方要用存儲，有存儲的地方一定要用專業存儲。企業數字化轉型、雲、大數據正在深刻改變著全球數據產業，華為將和全球的客戶、生態合作夥伴、科研工作者一起持續創新，打造世界領先的數據存儲產品和解決方案。
專業存儲設備承載的是千行百業的數據資產，數據不能丟、訪問不能停、訪問不能等是各行業對專業存儲的關鍵訴求。面向不同數據場景，華為發布了六大數據存儲新品。
其中，全新的OceanStorDorado全快閃記憶體存儲，發力網路連接存儲市場，能實現文件跨部門安全共享，性能領先業界30%，保障業務持續在線，為半導體EDA、企業研發、金融數據交換平台、運營商話單等場景提供高效、可靠的萬億級海量小文件基礎設施；新一代OceanStor混合快閃記憶體存儲，全新定義了五大融合，即存算融合、多協議融合、溫熱數據融合，跨代融合以及多雲融合，實現高性能、多功能的兼容並舉，為普惠多樣化場景提供更簡潔、更具性價比的數據基座；OceanProtect專用備份存儲，能實現業界3倍備份帶寬、5倍恢復帶寬、72:1數據縮減率，以及全方位防勒索病毒方案，幫助用戶實現高效備份恢復，構築保護數據的最後一道防線；全新OceanStorPacific系列分布式存儲，是業界唯一支持混合負載，實現一套存儲即可支持HPDA、大數據、視頻、備份歸檔等多樣化應用。同時在大數據場景支持近實時處理，輔助千億數據集分析時間從幾天縮短至幾分鍾，大大縮短創新應用開發周期；FusionCube超融合+系列產品，通過算力融合、存算網融合、業務融合，實現從傳統超融合到以效率+、節能+、應用+為特徵的超融合+能力升級，實現虛擬機/容器密度提升20%以及節能效率提升15%，為新型數據中心的發展構築基石；面向數據中心的DCS數據中心虛擬化解決方案，以虛擬化、容器、災備套件為核心，南向兼容預驗證的推薦硬體，同時通過全棧統一管理平台實現智能管理。
據了解，從2019年起，華為針對數據存儲業界難題發布「奧林帕斯懸紅」，旨在牽引基礎理論研究方向，激勵全球科研工作者突破存儲關鍵技術難題，加速科研成果產業化，實現產學研合作共贏。在本次論壇上，2021奧林帕斯獲獎團隊正式揭曉。會上，華為同時發布「2022年奧林帕斯懸紅」兩大數據存儲難題方向，一是極致能效比的超融合數據基礎設施，二是每bit極致性價比的下一代存儲。華為表示，希望與學術界持續合作，共同攻堅，構築更好的數據存儲未來。