凯发k8国际娱乐官网入口华为发布A|yy街机三国官网|I黑科技UCM9月正式开源

　　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凯发k8国际娱乐官网入口◈★。

　　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）凯发k8娱乐官网app下载◈★，◈★，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◈★。

　　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◈★。

　　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凯发k8国际娱乐官网入口◈★、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%◈★。

　　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◈★。

　　此外◈★，UCM通过动态KV逐层卸载◈★、位置编码扩展yy街机三国官网◈★、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发电◈★，◈★，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凯发电气◈★，◈★，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◈★。

　　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◈★。

　　“AI时代后凯发k8国际娱乐官网入口◈★，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yy街机三国官网◈★。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凯发k8国际娱乐官网入口◈★。”华为副总裁◈★、数据存储总裁周跃峰表示◈★。

　　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yy街机三国官网◈★，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16.4万亿凯发k8国际娱乐官网入口◈★，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yy街机三国官网◈★。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◈★，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◈★。

　　“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yy街机三国官网凯发k8国际娱乐官网入口◈★、共同推动推理领域加速发展的过程◈★。”华为相关负责人表示yy街机三国官网◈★。