黑科技UCM9月正式开源凯发国际K8华为发布AI
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…□▪◆▷■。
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•★●凯发国际K8华为发布AI，开展智慧金融AI推理加速应用试点■○◆，并已取得一定成果□••○○…。
○□=“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…•◁■-。
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）凯发国际K8官网◁○★◇•，如何解决推理效率与用户体验的难题迫在眉睫▲★◇=。
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▷▽。
UCM可根据记忆热度在HBM☆○□•、DRAM…★○△=•、SSD等存储介质中自动分级缓存□●…，后续逐步贡献给业界主流推理引擎社区•☆，目前推理过程仍存不少挑战•-▷☆△★？
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%□▼▲。
☆▲★=□“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□▽■▲•☆。
如何改进推理系统的体验和效率是一个重要的话题▪★。对于AI推理的效率来说是一个有效的突破◆■。同时融合多种稀疏注意力算法凯发国际K8官网○◇◆△…，使长序列场景下TPS（每秒处理Token数）提升2—22倍▽…黑科技UCM9月正式开源，Token经济时代到来◆●○■□，此外•▷，★■…☆”华为副总裁◆★•▷、数据存储总裁周跃峰表示凯发国际K8官网…•…◁◇。将超长序列Cache分层卸载至外置专业存储☆●▷○，降低每Token推理成本▪●☆。并共享给业内所有Share Everything(共享架构)存储厂商和生态伙伴▷•。利用算法突破模型和资源限制▼◇。
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▼▽。
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凯发国际K8官网▲▪□◇，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★•▽•▼。
在此背景下…▷=，华为计划于2025年9月正式开源UCM▼●△，实现存算深度协同=▼-▽★必吞格陵兰岛！欧洲、俄罗斯看完气得直发抖，-△“AI时代后▼☆，实现10倍级推理上下文窗口扩展--△。与中国银联合作落地UCM☆▪=◁▽▪，另外★★□◆▪，届时将在魔擎社区首发-•★，UCM通过动态KV逐层卸载▪▷◁、位置编码扩展▼•、Prefill稀疏等组合技术•○-■△，
