【中国存储大会2025】倒计时2天，大会报告一览，参会日程和指南

游戏天地 2025年08月28日 12:04 1 admin

中国计算机学会中国存储大会（CCF ChinaStorage）是我国信息存储与计算领域学术界和产业界联合举办的大型年度盛会，为从业者提供技术交流、学术研讨和产品展示的平台。第二届CCF ChinaStorage 2025大会以“智存·智算·智能”为主题将于2025年8月28日-30日在湖北省武汉市召开。诚挚邀请各位同行参会交流！

为方便各位嘉宾轻松参会，本次大会特别发布微信小程序，包含完整的会议日程和参会指南等信息，欢迎点击查看和收藏。

CCF ChinaStorage

大会报告

孙凝晖

CCF会士、理事长、中国科学院计算技术研究所研究员

讲者简介：孙凝晖，中国科学院计算技术研究所研究员，博士生导师。计算机系统结构专家，主要从事高性能计算机研究。曾担任中国科学院计算技术研究所所长，现担任中国科学院学术委员会副主任、计算所学术委员会主任，中国科学院大学学术委员会主任及计算机学院院长，中关村实验室首席科学家，中国计算机学会理事长。先后参加了曙光一号并行计算机，曙光1000大规模并行机的研制，领导了曙光2000-6000高性能计算机、新型高通量计算机和专用智能计算机的研制。获国家杰出青年基金，2006年“中国青年科技奖”、“中国十大杰出青年”等荣誉称号，获2005年中国科学院杰出科技成就奖，国家科技进步二等奖四次，参与获得国家科技进步一等奖一次、国家自然科学二等奖一次。发表重要论文160余篇，获国际顶级会议最佳论文奖2项，授权发明专利30项，国家专利金奖1项。

报告题目：智能时代数据发生了什么改变？

报告摘要：数据作为数字时代的重要资源要素，随着信息技术的不断发展演进，其基本内涵、组织方式、处理方法以及价值释放模式均发生了巨大变化。本次报告阐述智能时代对数据的新认识和新思考，包括对数据演进的认识，对数据空间的再思考，什么是AI-ready的数据，以及数据空间如何推动信息基础设施的发展。

郑纬民

CCF会士、前理事长，清华大学教授

讲者简介：郑纬民，CCF会士、前理事长，清华大学计算机系教授。长期从事高性能计算机体系结构、并行算法和系统研究。提出可扩展的存储系统结构及轻量并行的扩展机制，发展了存储系统扩展性理论与方法。在国内率先研制并成功应用集群架构高性能计算机。在国产神威太湖之光上研制的极大规模天气预报应用获得ACM Gordon Bell奖。曾获国家科技进步一等奖1项、二等奖2项、国家技术发明二等奖1 项，何梁何利科技进步奖，获得首届中国存储终身成就奖。

报告题目：人工智能大模型中的数据存储和处理

报告摘要：首先介绍人工智能大模型生命周期的五个环节，它们是数据获取，数据预处理，模型训练，模型微调和模型推理。然后介绍我们研发的用于数据获取的SuperFS文件系统，用于数据预处理的诸葛弩，用于模型训练的八卦炉，用于模型推理mTuner，用于模型推理的Mooncake和KTransformers系统。

过敏意

CCF会士、常务理事，上海交通大学教授

讲者简介：过敏意，CCF会士、常务理事，上海交通大学计算机学院讲席教授，IEEE Fellow，CCF Fellow，国家杰出青年科学基金获得者。担任教育部创新团队学术带头人，973计划首席科学家，享受国务院特殊津贴。长期从事并行与分布式系统和云计算的研究，在各种学术期刊、会议上发表了600多篇论文，著述中英文著作6部。授权发明专利 60 余项。获国家技术发明二等奖和省部级科技一等奖多项，并获2023年度IEEE Edward J. McCluskey技术成就奖和2023年度华为奥林帕斯奖。曾任IEEE Transactions on Sustainable Computing主编，现任IEEE Computer Society Board of Governor 成员。

报告题目：云边端协同智能计算

报告摘要：随着互联网智能服务越来越走进人们的日常生活，为了提供更好的服务质量和快速响应，其支撑形态也从云侧集中式向云边端分布式支撑转移。主要特点是在近用户的边缘设备上部署副本，协同近用户的边缘设备与用户终端来运行请求，从而提高效率降低延迟。然而，端-边环境高度动态、边缘算力低且分散、请求分布快速波动等传统边缘计算的特征导致此类运行模式效果不佳、质量难保障，难以达到期望效果。本报告介绍针对此类端边智能服务所带来的推理请求潮汐涌动、端边划分和推理精度等挑战，提出了服务迁移、个性化端边划分、低位宽推理等技术，解决了上述问题。并介绍了在智能电网、电商快递业务中的一些应用。

王芳

华中科技大学教授

讲者简介：华中科技大学教授，博导。现任华中科技大学计算机学院存储所所长，武汉光电国家研究中心信息存储研究部执行主任，数据存储系统与技术教育部工程研究中心及信息存储系统教育部重点实验室副主任，中国计算机学会信息存储专业委员会副主任。中国计算机学会杰出会员。主要研究方向包括分布式存储、并行文件系统、键值存储、基于新型器件的存储系统、图数据存储与处理等。曾获国家技术发明二等奖2项，湖北省技术发明一等奖及科技进步一等奖4项。

报告题目：支持处理加速的新型存储技术

报告摘要：随着人工智能、大数据技术快速发展，迫切需要在存储体系结构上创新以更好地支撑智能计算。基于新型非易失存储的存算一体技术，因具有高速低能耗存取数据的特点，且能高效能支撑处理加速成为研究热点，其芯片体系结构成为研究前沿。另一方面，人工智能大模型训练数据量高达EB级，随着数据规模增长，数据移动导致的请求延迟增加、系统性能下降、系统整体能效降低等问题越来越严重，近数据处理的海量存储为模型训练提供更高的系统整体性能。本报告将介绍我们开展的基于非易失存储器的存算一体芯片技术、近数据处理固态盘、分布式计算型存储等相关技术，以更好地支持智能时代的存储访问和处理加速。

张悦

北京航空航天大学教授

讲者简介：张悦，教授、博士生导师，北京航空航天大学集成电路科学与工程学院常务副院长，集成电路先进工艺检测技术教育部工程研究中心主任，国家重点研发计划项目首席科学家，国家优青，中国电子学会优秀科技工作者。获华为奥林帕斯先锋奖、中国仪器仪表学会技术发明一等奖等奖励。长期从事自旋存储材料与器件相关研究。在Nature Materials、Nature Electronics、Nature Communications、Science Advances等国际期刊和IEDM、DAC、ICCAD等知名会议上发表学术论文150余篇，获得国际最佳论文奖5次。曾担任IEEE Trans. Circuits and Systems I等期刊编委、第十五届IEEE/ACM NANOARCH国际纳米架构研讨会大会主席。

报告题目：新一代自旋存储芯片的研究进展与展望

报告摘要：自旋存储芯片（MRAM）被视为新型非易失存储技术的重要发展方向。目前，已有两代自旋存储芯片（Toggle-MRAM和STT-MRAM）实现了量产和应用。新一代的自旋轨道矩磁存储芯片（SOT-MRAM）和反铁磁自旋存储芯片（ARAM）则在速度、可靠性和微缩性方面具有独特的性能优势，成为学术界和产业界共同关注的研究热点。本报告将介绍新一代SOT-MRAM和ARAM的研究背景及发展现状，重点阐述该领域的关键技术挑战和已取得的研究进展，并对未来发展趋势做简要展望。

周鹏

复旦大学教授

讲者简介：周鹏，复旦大学教授，博士生导师。电子器件与集成领域专家，主要从事新原理器件和应用研究。在研究中利用材料物理本源特性探索了双表面沟道、互补晶体管CFET，突破逻辑功能密度集成极限；探索存储器件性能边界，解决浮栅晶体管超快非易失原理冲突难题。获得了国家自然基金委杰出青年资助及青A延续支持。获国家级教学成果二等奖、科学探索奖、上海市青年科技杰出贡献奖、上海市自然科学一等奖，IUMRS、NR45青年科学家奖等。近五年在Nature、Science、 Nature Nanotechnology、Nature Electronics、Nature Materials, IEDM等发表论文200余篇，被引21000余次，其中高被引21篇。任InfoMat等期刊副主编。

报告题目：亚纳秒闪存器件与应用潜力

报告摘要：信息存储速度、保持特性和耐久性是新算力产生的根本基石，新材料的引入将重新构筑自1966年DRAM、1967年FLASH器件发明以来的现有存储技术格局。晶体管依托硅、锗等材料载体构建起复杂电子系统，为人类文明的发展提供推动力。后摩尔时代下，传统体材料对电子的有效调控面临尺寸微缩困难、量子隧穿瓶颈，迫切需要通过材料、器件创新解决底层物理规律瓶颈，为未来信息存储计算提供全新通路。本报告通过构建准二维泊松模型，从理论上预测了超注入现象，闪存器件擦写速度达到了亚1纳秒（400皮秒），是人类目前能够掌握的最快的半导体电荷存储器件。工作解决了浮栅晶体管发明以来电荷存储高速-非易失不可兼得的原理性挑战。闪存是性价比最高、用途最广的存储器，该器件可以颠覆国际格局，实现技术钳制。

陈海波

CCF会士、上海交通大学教授

讲者简介：陈海波，上海交通大学特聘教授、开源鸿蒙项目群技术指导委员会创始主席、国家杰出青年基金获得者、ACM Fellow、IEEE Fellow、CCF Fellow。主要研究领域为操作系统、分布式系统与系统安全，研究成果通过产学研深度结合被应用到数十亿设备，产生了广泛的学术与产业影响。曾获中国计算机学会科技进步特等奖、陈嘉庚青年科学奖（信息技术科学奖）、中国青年科技奖、教育部技术发明一等奖、全国优秀博士学位论文奖等。目前担任ACM SIGOPS首位非北美学者主席、ACM旗舰杂志Communications of the ACM首位中国学者编委与领域共同主席、ACM EuroSys 2025程序委员会共同主席。研究工作还获得了华为卓越贡献个人奖，SOSP、ASPLOS、EuroSys、VEE等最佳论文奖以及DSN“时间检验奖”、CACM研究亮点等。按照csrankings.org的统计，其近十年在操作系统领域顶会SOSP/OSDI上发表的论文数居世界第一。主持撰写的《现代操作系统：原理与实现》获得了2020年度“最受读者喜爱的IT图书奖”与2022年上海交通大学优秀本科生教材奖（新版更名为《操作系统：原理与实现》）、以及机工科技--2023年度计算机领域十大好书，被高校、科研机构与企业广泛采用。

报告题目：端侧高效推理：存储与模型的协同之道

报告摘要：大模型入端正成为智能计算的重要趋势，在隐私保护、响应时延和运行成本等方面展现出显著优势。然而，端侧设备受限于存储带宽低、算力弱、功耗严苛等现实约束，模型推理面临“螺蛳壳里做道场”的困境——如何在极有限的资源下实现高效能与高智能的统一，成为核心挑战。本报告将系统剖析大模型端侧推理的关键瓶颈，提出以存储-模型协同为核心的设计理念。通过打破传统“模型优先、存储适从”的思维定式，从模型训练、推理框架、芯片结构等层面重构数据流动、内存访问与计算调度的协同机制，在软硬件交界面实现深度优化。该方法旨在构建资源感知、动态适应的端侧推理架构，为下一代高效、可信的边缘智能提供可行路径。

Onur Mutlu

Professor at ETH Zurich

讲者简介：Onur Mutlu is a Professor of Computer Science at ETH Zurich. He previously held the William D. and Nancy W. Strecker Early Career Professorship at Carnegie Mellon University. His research interests are in computer architecture, computing systems, hardware security, memory & storage systems, and bioinformatics, with a major focus on designing fundamentally energy-efficient, high-performance, and robust computing systems. Many techniques he, with his group and collaborators, has invented over the years have largely influenced industry and have been widely employed in commercial microprocessors and memory & storage systems used daily by billions of people. He obtained his PhD and MS in ECE from the University of Texas at Austin and BS degrees in Computer Engineering and Psychology from the University of Michigan, Ann Arbor. He started the Computer Architecture Group at Microsoft Research (2006-2009), and held product, research and visiting positions at Intel Corporation, Advanced Micro Devices, VMware, Google, and Stanford University. He received various honors for his impactful research, including the 2025 IEEE Computer Society Harry H. Goode Memorial Award “for seminal contributions to computer architecture research and practice, especially in memory systems,” 2024 IFIP Jean-Claude Laprie Award in Dependable Computing (for the seminal RowHammer work), 2021 IEEE High Performance Computer Architecture Conference Test of Time Award (for the pioneering Runahead Execution work), 2022 Persistent Impact Prize of the Non-Volatile Memory Systems Workshop (for the leading architectural work on Phase Change Memory), 2025 Dependable Systems and Networks Conference Test of Time Award, 2021 Intel Outstanding Researcher Award, 2019 ACM SIGARCH Maurice Wilkes Award, 2023 Huawei OlympusMons Award in Storage Systems, and dozens of best paper or “Top Pick” paper recognitions at various leading computer systems, architecture, and security venues. He is an ACM Fellow, IEEE Fellow, and an elected member of the Academy of Europe. He enjoys teaching, mentoring, and enabling & democratizing access to high-quality research and education. He has supervised 24 PhD graduates, many of whom received major dissertation & other awards, 15 postdoctoral trainees, and more than 60 Master’s and Bachelor’s students. His computer architecture and digital logic design course lectures and materials are freely available on YouTube (also here), and his research group makes a wide variety of open-source artifacts freely available online. For more information, please see his webpage at https://people.inf.ethz.ch/omutlu/.

报告题目：Memory-Centric Computing: Solving Computing's Memory Problem

报告摘要：Computing has a huge memory problem. The memory system, consisting of multiple technologies at different levels, is responsible for most of the energy consumption, performance bottlenecks, robustness problems, monetary cost, and hardware real estate of a modern computing system. All this becomes worse as modern and emerging applications become more data-intensive (as we readily witness in e.g., machine learning, genome analysis, graph processing, and data analytics), making the memory system an even larger bottleneck. We discuss two major challenges that greatly affect computing system performance and efficiency: 1) memory technology & capacity scaling (at the lower device and circuit levels) and 2) system and application performance & energy scaling (at the higher levels of the computing stack). We demonstrate that both types of scaling have become extremely difficult, wasteful, and costly due to the dominant processor-centric design & execution paradigm of computers, which treats memory as a dumb and inactive component that cannot perform any computation. We show that moving to a memory-centric design & execution paradigm can solve the major challenges, while enabling multiple other potential benefits. In particular, we demonstrate that: 1) memory technology scaling problems (e.g., RowHammer, RowPress, Variable Read Disturbance, data retention, and other issues awaiting to be discovered) can be much more easily and efficiently handled by enabling memory to autonomously manage itself; 2) system and application performance & energy efficiency can, at the same time, be improved by orders of magnitude by enabling computation capability in memory chips and structures (i.e., processing in memory). We discuss adoption challenges against enabling memory-centric computing, and describe how we can get there step-by-step via an evolutionary path.

舒继武

CCF会士、清华大学教授

讲者简介：舒继武，CCF会士、CCF理事，清华大学长聘教授，闽江学院院长，IEEE Fellow、教育部长江学者特聘教授和国家杰出青年基金获得者等。主要研究领域为信息存储系统、智能存储、数据存储可靠性与安全等；负责承担了国家重点研发、863重大专项、863、973和国家自然科学重点基金等项目或课题；相关论文发表在包括FAST、SOSP、OSDI、USENIX ATC、EuroSys、MICRO、ISCA、ASPLOS、SC、SIGMOD等国际学术会议，近10年（2015-2024）在操作系统领域高水平会议（SOSP、OSDI、FAST、USENIX ATC、EuroSys）上发表的论文数居世界第二，曾获FAST’2023最佳论文奖、FAST’2025杰出技术成果奖、ACM SIGMOD’2023研究亮点论文、OSDI’2021存储方向最佳论文、CACM’2025研究亮点论文、MSST’2015、SRDS’2015、IWQos’2024的最佳论文提名奖等；获国家科技进步二等奖和国家技术发明二等奖各1次、华为首届“奥林帕斯”奖、2022年世界超算存储500强（IO500）10节点元数据性能排行榜第一、2023/2024年IO500总榜单全球第一等。

报告题目：从数据管理到模型训推：大模型的高效存储技术

报告摘要：大模型在数据管理、模型训练与推理等各个环节均对存储系统提出了巨大的挑战。本报告将系统性地探讨大模型生命周期中，存储系统如何高效支撑海量数据处理、模型训练及多样化推理场景：

在数据管理层面，分析面向海量样本的高效存储方案；并探讨数据预处理流程中的存储瓶颈与加速技术。

在模型训练层面，关注如何在不同层级的存储介质之间实现张量的高效管理；同时，介绍存储技术对模型训练容错的支持。

在模型推理层面，针对云上推理和端侧推理，分析对模型权重和KV Cache存储的差异化需求与对应优化技术。