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。本次会议为大家准备了9场由顶级专家带来的大会报告，28场技术论坛，会议规模预计1200余人。热烈欢迎各位同行报名参会，同时诚邀相关企业单位参与赞助和展览。
本期带来《Storage+创新论坛》论坛介绍。
论坛概要
在智能化与网络化深度融合的数字时代，中国存储大会的”Storage+创新论坛”，聚焦存储芯片设计、处理器设备、并行系统和检索机制等核心方向和关键科学问题。论坛将深入探讨智能存储机理、存储网络加速、存算协同优化等关键技术，重点解析AI大模型训练、海量视频、边缘智能、互联网等场景下的新型存储需求。通过汇聚相关领域的权威专家，推动存储技术在海量信息、实时决策、智慧影像分析等领域的创新实践，构建面向智能时代的高效、可靠的新一代存储基础设施。
论坛主席
华宇 华中科技大学教授，国家杰出青年科学基金获得者，CCF杰出会员和杰出演讲者，长期从事新型存储器件、高性能存储系统和安全架构等方面的研究工作，推动大内存在持久化、原子化、智能化方面的发展，形成了从器件-系统-安全的一体化技术体系。在OSDI、ASPLOS、MICRO、FAST等会议上发表多篇学术论文。在ICDCS 2021、ACM APSys 2019等国际会议上任程序主席/副主席，在OSDI、SIGCOMM、FAST、NSDI、MICRO、ASPLOS等会议上任程序委员，是ACM Transactions on Storage的编委。成果获得教育部自然科学一等奖等三项省部级科技奖励，以及FAST 2023最佳论文奖、IWQoS 2023最佳论文奖、OSDI 2018/USENIX ATC 2021存储方向最佳论文等多项国际会议和期刊的奖励。
谭支鹏 华中科技大学教授，博士生导师，华中科技大学计算机系统结构博士，研究方向主要为计算机系统结构、智能存储与管理、移动存储等。在计算机软件与理论和系统结构两个方向从事过较长时间的系统专门研究，取得了一定的研究成果，具备较强的软件开发能力。主持国家重点研发计划课题、重点项目等，以及IBM、华为、荣耀和OPPO等重要企业合作项目近30余项。作为骨干完成了国家973项目、863项目等重大科研项目。在TCAD、TACO、ICPP、DATE等期刊和会议上发表学术论文50多篇，获授权发明专利23项。获湖北省科学技术进步一等奖两项等。指导研究生、本科生多次获得湖北省优秀学位论文。
嘉宾致辞
肖斌 重庆邮电大学教授、博士生导师，先后入选教育部长江学者特聘教授、教育部长江学者-青年学者，重庆市科学技术带头人，重庆市杰青，巴渝学者特聘教授，重庆市英才-青年拔尖人才。担任教育部“网络空间大数据智能安全”重点实验室副主任，“图像认知”重庆市重点实验室副主任。主要从事计算机视觉、医学图像分析、深度学习理论与应用、数据安全与隐私保护等领域的研究和教学工作。担任IEEE TCSVT 、Pattern Recognition Letter、 Multimedia Systems 等期刊Associate Editor。已在Nature Methods、Nature Photonics、IJCV 、IEEE TPAMI、IEEE TIP、中国科学：信息科学、CVPR、ICCV等国际期刊和会议上发表论文和成果200余篇（其中SCI一、二区、CFF A/B类论文150余篇），授权国家发明专利11项，授权美国发明专利3项。研究成果获重庆市自然科学二等奖、吴文俊人工智能科技进步一等奖、重庆市科技进步一等奖、中国计算机学会自然科学一等奖等科技奖励。
论坛报告
梁云 北京大学集成电路学院长聘教授，博雅特聘教授，国家杰出青年科学基金获得者。主要研究方向为集成电路设计自动化EDA、软硬件协同设计、计算机体系结构，在相关领域的国际顶级会议和期刊DAC、ISCA、MICRO、ICCAD、FPGA等发表论文100余篇,, 担任ACM核心期刊 TECS 和TRETS 的副主编，同时也是MICRO, DAC, FPGA 等会议的技术委员会委员。
报告题目：敏捷芯片设计前端工具
摘要：现有的硬件开发主要基于底层的硬件描述语言Hardware Description Language（HDL）。然而，HDL的表达能力弱，抽象层次低，开发门槛高，优化难度大。同时，随着芯片设计规模的不断增长，仿真和验证工具面临性能低下，可扩展性差的问题。本课题组提出了敏捷芯片设计前端工具AHS (Agile Hardware Specialization) 包括综合、仿真、验证三部分。其中，综合工具包括前端硬件设计语言和后端EDA工具；仿真与验证工具通过访存优化，提高仿真的性能与规模。
刘伟强 南京航空航天大学集成电路学院执行院长、教授、国家杰青。研究方向为高能效高安全新兴计算芯片。现任国家重点研发计划“微纳电子技术”重点专项总体专家组成员、“空天集成电路与微系统”工信部重点实验室主任、IEEE纳米技术理事会（NTC）副主席、IEEE TVLSI期刊指导委员会主席、英国工程技术学会会士（IET Fellow）。主持基金委重大研究计划重点支持项目、基础加强计划领域基金等项目。出版英文专著3部和IEEE期刊100余篇（包括Proceedings of the IEEE、TC、DAC等EDA及计算芯片设计领域顶级期刊和会议）。牵头获江苏省科学技术奖一等奖、第18届霍英东青年科学奖、华为技术成果转化奖和优秀合作奖等，入选全球前2%科学家（终身影响力榜单）。
报告题目：MRAM存内协处理器：电路、系统与应用
摘要：随着人工智能和物联网技术的快速发展，传统计算架构面临着”存储墙”和”功耗墙”的双重挑战。基于新型非易失性存储技术的存内计算技术，通过将计算单元与存储单元深度融合，有机会从根本上突破传统冯·诺依曼架构的局限。其中，磁性存储技术（MRAM）因其高性能读写、高可靠性等优势成为了存内计算的优秀硬件载体之一。然而，低磁阻比（TMR）导致的开关电阻问题制约了其在高性能模拟式存内计算芯片设计领域的发展。本报告将结合数字式存内协处理电路及系统设计，从基础存内算子电路到RISC-V指令驱动架构探讨MRAM技术在数字式存内计算领域的设计优势及可行性。同时，进一步探讨MRAM数字式存内计算电路与系统设计在类脑超维计算芯片设计方面的应用。
孔令和 上海交通大学教授，国家级人才计划获得者，国家重点研发计划首席。长期从事物联网、大数据、人工智能领域研究，出版专著4部，发表论文200余篇，获国际会议最佳论文奖16项。担任国际期刊IEEE TMC、TII、Network编委，中国电子学会理事，中国计算机学会理事。
报告题目：卫星物联网数据存储与星载计算
摘要：在海洋、高山等地面基站难以覆盖的地域，卫星作为基站提供地面终端的接入，形成卫星物联网。由于星载算力有限，现阶段大规模卫星遥感数据需传回地面信关站后才能处理计算，占用非常稀缺的星地通信带宽。然而，随时遥感分辨率的提高，数据量还在进一步增大，对星载数据存储提出了高要求；同时，随着星载智能计算系统的性能提升，对遥感数据的星上直接计算提供了空间。
赵来平 天津大学智能与计算学院教授，博导，国家级青年人才。主要研究方向：云计算、Serverless计算。相关成果发表在在计算系统领域国际顶级会议与期刊发表论文40余篇 ，包括SC，ASPLOS，ATC，EuroSys，TOCS，TPDS，TC等。在高性能计算顶会 SC’21(CCF-A)获最佳论文提名，获得ICPADS22 的最佳论文奖。主持或参与国家重点研发计划、国自科面上、天津市新一代人工智能重大专项、华为、浪潮等项目十余项。获2021年天津市科技进步奖特等奖。
报告题目：基于CXL内存的并行计算系统
摘要：随着异构计算和大模型时代的到来，传统内存架构面临着容量瓶颈与数据共享效率低下等问题。Compute Express Link（CXL）作为新一代高带宽、低延迟的CPU-设备互联标准，正逐步改变现有计算系统的内存组织方式。CXL 2.0/3.0标准的推进，使得内存池化（Memory Pooling）与内存共享（Memory Sharing）成为可能，为构建更高效的并行计算系统奠定了硬件基础。 在CXL内存架构的支持下，系统的内存资源不再局限于本地DRAM，而是转向集中式的大容量CXL内存池，支持多个计算节点以较低开销访问共享内存。这种转变使得并行计算系统的架构形态由传统的分布式共享内存（Distributed Shared Memory, DSM）向集中共享内存（Centralized Shared Memory）演进，在提升数据一致性管理效率、降低通信延迟方面展现出显著优势。 基于这种新的内存范式，传统并行计算系统的构建思路也需要相应调整，从而具备更强的资源整合能力与弹性扩展能力，为超大规模计算任务和新型工作负载提供坚实支撑。
王平辉 西安交通大学网安学院副院长，教授，国家优青，主要研究方向包括网络大数据、网络安全等交叉研究方向,在SIGMOD、KDD、IEEE TKDE、IEEE TIFS 等中国计算机学会（CCF）推荐的 A 类会议和期刊上发表学术论文 90 余篇，获中国电子学会科技进步一等奖等荣誉，培养2名学生入选华为天才少年计划。
报告题目：结合属性过滤的近似向量检索研究
摘要：近年来，随着大模型技术的迅猛发展，结合属性过滤的近似向量检索问题日益受到学术界和工业界的广泛关注。该技术在多模态检索、推荐系统和智能问答等应用中具有重要意义。现有研究提出了多种算法框架，尝试将属性过滤与向量检索有机结合，以提升检索的准确性和效率。然而，多数方法仍采用将两者分离处理的思路，导致在查询选择性较低的场景下表现不佳。尽管部分研究在查询优化和数据划分方面取得了一定进展，但在索引结构设计与整体系统性能提升方面仍有较大提升空间。本报告将系统梳理该领域的研究现状与主流方法，分析当前存在的技术瓶颈，并探讨未来在索引结构优化、信息融合机制设计及在线更新支持等方面的研究方向，旨在为推动属性过滤下的向量检索技术发展提供参考与思路。
