I黑科技UCM9月正式开源EVO视讯真人华为发布A
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△▪☆。
使长序列场景下TPS（每秒处理Token数）提升2—22倍□■●，实现存算深度协同-◁◆•▷…I黑科技UCM9月正式开，降低每Token推理成本■★▼◁▲。同时融合多种稀疏注意力算法△▲▪•☆▽，另外…□，UCM可根据记忆热度在HBM•■•▷★-、DRAM-☆▷•△•EVO视讯智能监控摄像头，、SSD等存储介质中自动分级缓存○★▷●，
=▼•“AI时代后△○▼☆◆，Token经济时代到来△▷☆◆★，目前推理过程仍存不少挑战☆•，如何改进推理系统的体验和效率是一个重要的话题=▽-★…○。与中国银联合作落地UCM□-△，对于AI推理的效率来说是一个有效的突破○☆■☆☆■。-△”华为副总裁▽=、数据存储总裁周跃峰表示○★…△。
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EVO视讯真人□○▽▼，并大幅提升推理效率•□☆▷△。
◆▪▪“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■◆▼◇•□。
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▼●-。
▪▲…“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▽△。
在具体技术实现路径方面▷▼•…◇△，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●=▽◆-…，可实现任意物理位置◆▪★□、任意输入组合上的KV前缀缓存重用◇★◇，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▽◁▷，使首Token时延最大降低90%…☆=■源EVO视讯真人华为发布A。
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=☆◇。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☆=。
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▪•▼▷▼，实现10倍级推理上下文窗口扩展=◁▷=■。
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EVO视讯真人=★▽●，并共享给业内所有Share Everything(共享架构)存储厂商和生态伙伴EVO视讯真人△★▪-。
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■◁-…☆▷，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◇△◆□。
