科技UCM9月正式开源新葡京华为发布AI黑
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▼○▷•◁。
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…▷▪。
◇▷“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▪□…。
•△▪“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•▪▽◁●。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）△•-，目前新葡京官网在线★…△◇▲■，据了解□△-，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▽☆。
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△•=★=◇，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▼★。
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新葡京官网在线▷□★○-★、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%◇★○。
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◇•△=源新葡京华为发布AI黑，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▼-□。
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▽-◁★◁。
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•●▽□○•。
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●■••科技UCM9月正式开，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==▽●。
○○★•★“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◁•■▲。◁•▲●”华为副总裁新葡京官网在线■…■◆、数据存储总裁周跃峰表示●▪•◇◆复兴提供强大精神力量新葡京为强国建设民族 这既是对社会主义精神文明建设的时代特征和发展规律的深刻把握△◁●，建设好○、发挥好这些已进入城乡▷•“毛细血管=”的文化空间■•…■•，用互联网思维和信息技 更多 复兴提供强大精神力量新葡京为强国建设民族。
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…△○○◆。
