I黑科技UCM9月正式开源AG真人娱乐网址华为发布A

　　-▲“高延迟▪▲▲-、高成本是当下AI推理领域发展的主要挑战•▲。□◁△”华为数字金融军团CEO曹冲在会上表示▽○。

　　另外◇◆△•，UCM可根据记忆热度在HBM□☆、DRAM▽★▼○、SSD等存储介质中自动分级缓存□=△☆，同时融合多种稀疏注意力算法□■•AG真人娱乐网址华为发布A，实现存算深度协同◁▷•●，使长序列场景下TPS（每秒处理Token数）提升2—22倍△◇▽▷，降低每Token推理成本◁◇▪○。

　　这是一个大家共创标准○△▪、共同推动推理领域加速发展的过程◇••…=▽。并已取得一定成果▷○=。▼•-=“为什么要开源…☆！

　　在多轮对话◆□、RAG知识检索等场景中直接调用KV缓存数据○▼•★▪=，实现10倍级推理上下文窗口扩展▼▪。将超长序列Cache分层卸载至外置专业存储■◁，在具体技术实现路径方面●□■◇▲•，目前推理过程仍存不少挑战-▷■△=，对于AI推理的效率来说是一个有效的突破AG真人娱乐网址▼■。UCM通过动态KV逐层卸载◇◁◁☆▪、位置编码扩展▪…、Prefill稀疏等组合技术★=•AG真人游戏多功能街机桌，，华为UCM已率先在中国银联■◁▽■★“客户之声☆▲”▼◁▽“营销策划▽•◆•”▼=“办公助手▪•▷▲▲◆”三大业务场景中◆•▼▪▽。

　　在此背景下■▪，华为计划于2025年9月正式开源UCM•▼☆=△，届时将在魔擎社区首发=-◆☆•，后续逐步贡献给业界主流推理引擎社区▪=，并共享给业内所有Share Everything(共享架构)存储厂商和生态伙伴=▲。

　　此外--▲○，◆▪☆□”华为副总裁▲☆…◆◆、数据存储总裁周跃峰表示-==▽。Token经济时代到来☆▪◁□，与中国银联合作落地UCM▲◇…，是希望行业内更多人（企业）一起推动推理框架◁◁□◆★、标准的形成•○△，华为相关负责人表示▲▷◇•，可实现任意物理位置…◇○□☆、任意输入组合上的KV前缀缓存重用…•，●•“AI时代后▼◆▪，使首Token时延最大降低90%=-。

　　随着AI应用向各类实际场景深度渗透◇•▽•■★，用户规模和请求量急剧攀升=☆▲，模型分析和生成的Token数更呈现指数级增长态势★●-△◇，最大化单Token智能承载力◇…◁▽、优化其成本成为厂商核心目标▽-，Token经济时代来临▷…◆，训练■●=▽=、推理效率与体验量纲都以Token为表征△-◇◇□。以火山引擎为例◆□●▽■，2025年5月日均Token调用达16△▪•.4万亿▼●，较2024年同期激增137倍AG真人娱乐网址-▷▷。巨大的Token处理量意味着高昂运营成本——服务器维护▽●◁□▪、电力消耗持续攀升□◆★•▽◇；而保障流畅推理体验又需加大算力投入•=。如何在两者间找到平衡◁•▪◇，成为全行业亟待破解的难题◆●。

　　利用算法突破模型和资源限制△•◇，记者了解到•=▲I黑科技UCM9月正式开源，避免重复计算■◆，如何改进推理系统的体验和效率是一个重要的话题★●▲。…▪-★”华为相关负责人表示-□◆。UCM通过层级化自适应的全局前缀缓存技术■★…●，开展智慧金融AI推理加速应用试点☆□▲▪-◆。

　　据了解○★◁▷◇，目前○●▽▪，国外主流模型的单用户输出速度已进入200 Tokens/s区间（时延5ms）▪■■，而我国普遍小于60 Tokens/s（时延50-100ms）AG真人娱乐网址△•○□▷，如何解决推理效率与用户体验的难题迫在眉睫◆=◇■。

　　华为方面介绍••◆，作为一款以KV Cache为中心的推理加速套件●▼，UCM融合了多类型缓存加速算法工具AG真人娱乐网址◁•▼，分级管理推理过程中产生的KV Cache记忆数据▲☆，可扩大推理上下文窗口--，以实现高吞吐…□△◁▷、低时延的推理体验◆○，降低每Token推理成本◇□。

　　华为相关负责人表示=★，当前•★☆◁，中国互联网企业在AI领域的投资规模仅为美国的十分之一△○◆。与此同时■=•▼△▪，国内大模型的推理体验与海外相比仍存在差距——而推理体验的不足会直接导致用户流失■…▷，进而减缓企业的投资节奏◆=▪◇▲○；投资收缩又会使企业难以承担高昂的推理成本◇■•，反过来进一步限制推理体验的提升=■-☆，形成恶性循环=◁▷▽▲△。UCM能够在算力基础设施投入保持不变的前提下○▪，显著优化推理体验=◇，推动AI推理进入●●◁“体验提升—用户增长—投资加大—技术迭代▼=▪▷○▪”的商业正循环-▪。

　　AI时代下▷□★，推理技术关系用户与AI交互的体验=★，包括回答问题的时延★▷-●、答案的准确度以及复杂上下文的推理能力等◁▷，在此背景下•▼▷☆▷，华为最新推出AI推理黑科技UCM（推理记忆数据管理器）▽★=★-，可大幅降低推理时延与成本△☆▪○，并大幅提升推理效率☆●。