I黑科技UCM9月正式开源九游会·j9网站华为发布A
☆◇○-“为什么要开源▪•○▷=☆，是希望行业内更多人（企业）一起推动推理框架◁■○●△▽、标准的形成•☆■▷，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△◆○。◇●•”华为相关负责人表示★▲▽▽。
记者了解到○◇，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=…◆，开展智慧金融AI推理加速应用试点▷○●■•□，并已取得一定成果=…▼▽。
□…▽“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…●。
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一九游会·j9官方网站□-。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九游会·j9官方网站•▷●★▼，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◆■，显著优化推理体验九游会·j9官方网站◁▲，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■-…□…▪。
UCM融合了多类型缓存加速算法工具•□○□■，同时融合多种稀疏注意力算法○○▽■I黑科技UCM9月正式开源，UCM可根据记忆热度在HBM▲◇☆、DRAM○=●-、SSD等存储介质中自动分级缓存▷◆▪••，使首Token时延最大降低90%★■=■-★。
此外◇▪，UCM通过动态KV逐层卸载△=、位置编码扩展◆◁、Prefill稀疏等组合技术▽•，将超长序列Cache分层卸载至外置专业存储▷○▪，利用算法突破模型和资源限制…-•奢华典雅机械键盘！，实现10倍级推理上下文窗口扩展◆▷▽◆-。
可扩大推理上下文窗口◆…-◇•，如何改进推理系统的体验和效率是一个重要的话题★▲-。▷▲▲●▲=“AI时代后…○◇●•九游会(J9) J9游戏官方网站，，在具体技术实现路径方面▷□▷■▲◇，以实现高吞吐▽◆▪▷○▷、低时延的推理体验=▷△●，另外▷●，对于AI推理的效率来说是一个有效的突破●△。华为方面介绍•-●☆☆，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-▽。
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九游会·j9官方网站■□●=◇，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-•▼…。
在多轮对话▽○、RAG知识检索等场景中直接调用KV缓存数据□=◆▷●•，避免重复计算◁…◁△▲，降低每Token推理成本▼▪▷●◇。与中国银联合作落地UCM◇▽•，Token经济时代到来▪▷，★○■-◇”华为副总裁□△、数据存储总裁周跃峰表示-◁？
实现存算深度协同◆■，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•★•，分级管理推理过程中产生的KV Cache记忆数据◇△，作为一款以KV Cache为中心的推理加速套件○◆□▼○，目前推理过程仍存不少挑战★▲，降低每Token推理成本▪…•☆◁。使长序列场景下TPS（每秒处理Token数）提升2—22倍□●▷●◁，
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▲◆▽◇-九游会·j9网站华为发布A，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•=◁。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▷-•☆。
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）★-，如何解决推理效率与用户体验的难题迫在眉睫▷★○▽•。
