說到。尋覓型年行思AI。大模代柱石，存力人們遍及會想到核算硬件、破壁大模型等，人華卻簡單疏忽了一個要害的尋覓型年行思AI支柱——存力。
大模型的大模代全周期，都離不開存力與算力的存力協同保證。比方Pre-Training預練習階段，破壁觸及EB/PB級海量數據的人華處理，頻頻保存與讀取Checkpoint文件，尋覓型年行思對存儲的大模代帶寬和吞吐量要求很高；Post-Training后練習階段，模型精調需求處理個性化數據，存力存儲體系需應對頻頻的破壁IO操作。Inference推理階段，人華token輸出過慢會讓用戶長期等候、體會差，而低推遲的實時數據傳輸，依賴于存儲的并發拜訪才能。
算力日新月異而存力缺乏，兩者的不協同，在必定程度上約束云數據。中心。的功率，也成為當時AI云亟需打破的一大難點。
這時候，迫切需求人才以代碼為利器，為職業解難題。華為軟件精英應戰賽，正是這樣一個復合型人才的練兵場。
華為軟件精英應戰賽是華為公司面向全球在校大學生舉行的大型軟件。編程。競賽，自2015年發動以來，已經成為全球高校學子展示軟件規劃與編程實力、應戰技能巔峰的尖端舞臺。
以“普朗克方案”為主題的2025第十一屆華為軟件精英應戰賽，招引了全球800多所高校、超22000名選手、超4200支部隊報名參賽。經過八大賽區區域初賽、區域復賽等環節的劇烈競賽，共有34支部隊、92名優異選手成功晉級4月19日舉行的全球總決賽。終究，粵港澳賽區來自南邊。科技。大學和香港科技大學的“Tom and Jerry”隊一舉奪冠，贏得全球總冠軍，獨攬20萬元獎金。
終究什么賽題，能激起全球軟件人才的應戰愛好呢？在大模型技能快速迭代的當下，華為本年賽題籠統自華為云存儲實在事務難題：選手們需從職業事例中提煉數據分片、緩存預熱、多協議互通等戰略，結合。算法。立異，處理賽題中的存力瓶頸。
經過解題，年青的參賽者們能直面來自負模型年代的存力應戰，親歷了從技能瓶頸發現、架構規劃到商業運用的完好鏈條。
云存儲在晉級，人才在成長，華為在技能立異與人才培養上繼續投入，為大模型強基、固本、培源。所以，從2025年華為軟件精英應戰賽，咱們能夠更深化地了解，大模型年代的底座、底氣和見識。
不少。開發者。都提過：打完競賽之后，所寫的代碼就沒什么用了，不能真的用技能為社會發光發熱，這樣的閱歷多來幾回，就感覺參加競賽沒什么含義。讓一場競賽具有含義感，不糟蹋選手們的時刻與等待，賽題有必要鮮活，靠近實踐，嚴密結合職業前沿技能與實踐運用，處理工業面對的真問題。
2025華為軟挑大賽中，華為云精心打造的賽題，就源自云存儲的實在應戰。
AI年代正在全事務流重塑對云存儲的要害需求，云存儲正在成為算力之外的第二生產力，具有海量數據承載才能、高功能存取功率與彈性擴展架構等優勢，成為驅動AI練習功率進步、本錢優化及多模態立異的柱石。
但存算不協同，或許呈現存儲帶寬無法支撐海量小文件，比方百萬級圖文數據的傳輸，拖慢大模型的開發進程；存儲體系無法及時將數據加載到。GPU。，或許導致數千萬元出資的GPU集群利用率缺乏，構成“內存墻”難題，發生巨額算力糟蹋。
所以，開展大模型，既需求算力的充沛保證，也要進一步晉級存力。
為此，華為云首先進行了技能攻關，打造了面向AI場景推出的AI-Na。ti。ve智算存儲處理方案。，以OBS作為海量數據底座，供給大規模、高可靠性的數據存儲處理方案，疊加華為云SFS Turbo緩存加快層，能夠為AI運用供給高效的數據拜訪才能。
經過以存助算/強算/代算/補算，華為云存儲為大模型構筑了強壯的存力柱石，供給了工業的實在實踐。但立異之路永無止境，讓存力最大化，仍有優化空間。
比方說 AI練習環節，功能還能夠進一步優化。針對海量小文件高功能、低時延處理以及大模型練習 CheckPoint快速存儲與康復的特別需求，華為云在數據湖 OBS之上，引入了高功能存儲加快緩存層 SFS Turbo，為 AI練習集群供給高功能數據讀寫才能，滿意練習數據加載和毛病康復過程中 CheckPoint機制的功能要求。但是，因為本錢優化的需求，SFS Turbo中的冷數據會被分級存儲到OBS中。
怎么完成 OBS中數據向 SFS Turbo的快速加載，是云存儲面對的重要應戰，也對加快AI練習功率具有要害含義。
誰能來迎候這一前沿應戰？答案是具有創造力和極強工程才能的軟件人才。
多年以來，華為軟件精英應戰賽不斷將校園里的天才設想，帶入賽場，帶入技能國際和工業國際，已成為具有人才培養與產學聯動演示含義的重要賽事。2025大賽沿用了自2022年建議的“普朗克方案”，華為云CTO張宇昕表明，“華為軟件精英應戰賽以‘普朗克方案’為主題，期望越來越多像‘普朗克’相同的軟件人才站出來，開立異的技能方向，打破新的技能范疇”。
年青的軟件人才就在華為的賽場，與云存儲完成了一場風云際會。
不少高校教師都反映說，AI范疇，工業界具有大數據、算力、算法才能等優勢，所以遍及走得比學術界更快。教師們自己還沒搞懂，校園買不到GPU算卡，導致當時的人才培養形式，很難滿意AI年代的人才需求。所以，一些由企業舉行的工業賽事便成為人才實操的首要陣地。
而華為軟件精英應戰賽，更嚴密地完成了學術界與工業界的對接。大賽每屆賽題都源于華為探究國際搶先技能中遇到的實在事務難題，一同嚴密結合職業前沿技能，本屆大賽也不破例。在大模型年代，該競賽與其他工業賽事呈現出顯著的差異：
首先是實踐性強。大賽賽題高度復原了實在事務應戰，讓選手們回答實踐難題，而非坐而論道。比方本屆大賽就聚集于開發一個存儲服務的。控制體系。，旨在經過削減硬盤數據碎片化程度，進步體系全體功率，并依據存儲體系的全體功能來鑒定終究得分。選手們能感遭到，存力問題直接關系到大模型功率與本錢問題，是當下全社會各職業都關懷的，防止純解題過于懸浮、與實踐脫節，霸占這類難題能真的推進工業前進，帶給選手們滿滿的成就感。
一同應戰難度大。本屆大賽的選手們需求依據標題供給的目標。標簽。、目標巨細等信息，將具有類似特征的目標盡或許聚合寫入，下降硬盤上數據的碎片化程度。在讀取時，選手需求合理規劃磁頭的動作，進步體系讀取目標的功率。這一賽題非常檢測選手們的算法規劃和工程才能，也讓選手們經過競賽能夠實在得到進步，有所收成。
本屆大賽還與時俱進，鼓舞各位選手運用包含DeepSeek在內的市面上一切的LLM，將AI才能融入參賽著作中。，增強著作的深度和立異性，不只能充沛激起選手們的創造性思維，還能讓高校學生不必擔心算力資源約束，上手實戰最新的AI大模型，到達以賽促學、以賽促用的效果。
此外，本屆大賽也非常重視華為根技能的生態開展。，年青人才加快涌入，能夠增強軟件生態的耐性，應對全球科技博弈的不確定應戰。
為了讓更多開發者學習和運用華為根技能，華為開發者空間為每位參賽選手預備了一臺云主機、一套開發東西及云上存儲空間，讓開發者根據華為根生態立異。華為云為選手供給從東西到生態的全方位支撐。
這些都是其他工業賽事很少具有的生態資源，也讓華為軟件精英應戰賽作為國產軟件生態強大的一支有生力氣，簡直無可代替。
正是這些特征，讓本屆華為軟件精英應戰賽，成為年青人才在大模型年代快速成長起來的絕佳舞臺。而選手們以代碼為利器的存力攻堅戰，也為AI云存儲淬煉了一些優異算法。
在云存儲與AI算力深度交融的大模型年代，華為軟件精英應戰賽以極具前瞻性的賽題規劃，提醒了云存儲作為數字底座對。智能。年代的基礎性價值，更經過華為云在實在場景下的技能攻堅，展示了根技能帶動工業鏈晉級的火車頭效果。
為什么是華為來做這件事？更深一步發掘原因，會發現在技能立異、人才培養、研制投入，華為做了許多。
技能視點。，華為在工業數智化和數智工業化方面，做了很多探究和實踐，能夠從本身事務中凝練出更具應戰性的賽題，讓人才站在偉人膀子上去探究更前沿的出題，立異搶先一步。
人才視點。，人才培養是華為一直在做的工作，華為將多年來在ICT職業中堆集的人才培養規范奉獻出來，聯合教育主管部門、高等院校、教育組織和合作伙伴等各方生態人物，經過建造人才聯盟、融入人才規范等，強化國產化開發生態，一同也經過舉行工業賽事，全力支撐年青人不設限地發揮創造力。
投入方面。，華為毫不小氣，堅持每年將10%以上的銷售收入投入研討與開發，近十年累計投入的研制費用超越人民幣12490億元，2024年研制投入到達1797億元人民幣，約占全年收入的20.8%。
更務實一點來看，開發者想要參加到AI大模型的科創浪潮中，AI云服務靈敏彈性、按需付費等特色，讓云渠道對開發者的招引力日積月累。華為云重度參加到競賽傍邊，不只有助于進步本身的產品競爭力，也進一步強大了華為根生態，成為華為的人才蓄水池，現在已經有超2000名軟件精英經過大賽參加華為。
華為云CTO張宇昕在頒獎總結致辭中表明，期望經過大賽找到一群情投意合的人，與華為一同攀爬技能頂峰，用軟件技能推進科技前進。
這種科技與人才互為表里的見識，是華為引領智能年代革新的中心競爭力。
經過一場大賽，為存力強基，為人才固本，為根技能生態培源。年青人才和元立異，得以源源不斷地成長起來，這正是我國屹立于大模型年代的本源力氣。
