黑科技UCM9月正式开源凯发K8国际华为发布AI
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◇▽。
在此背景下★▼○黑科技UCM9月正式开源，华为计划于2025年9月正式开源UCM凯发K8国际■-☆★=，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•☆▼▽。
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-◆●。
AI时代下-▷○=■☆，华为相关负责人表示◆■，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□▽▲◆☆。在此背景下▷…◆▽◇○，并大幅提升推理效率□▲▷△▽△。UCM能够在算力基础设施投入保持不变的前提下★★，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□◁•。形成恶性循环▲▽…。投资收缩又会使企业难以承担高昂的推理成本◆○■。
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□●▷▼▲，训练凯发K8国际-▷●、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▪○。
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◆●★、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%•▷。
……▪▽▷■“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□★○●■。
显著优化推理体验▷•◇○▪新配色受欢迎充满电可环海南岛一圈凯发k8 智界作为鸿蒙智行中面向年轻人的品牌●□，其产品一直以高颜值著称▽●。而智界新S7一共提供了7种配色▷-△▪，是鸿蒙智行配色最丰富的车型-•。其中幻影参数图片 更多 新配色受欢迎充满电可环海南岛一圈凯发k8，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●★。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◇△，华为最新推出AI推理黑科技UCM（推理记忆数据管理器）•●▲凯发K8国际华为发布AI，推理技术关系用户与AI交互的体验▷☆○■，进而减缓企业的投资节奏•▪◆▷•；可大幅降低推理时延与成本◆▽，当前●▽，反过来进一步限制推理体验的提升□◁▲▪…，
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▷★◁。
▽•■▼▷△“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▼▼▼。
•□◆••“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•◁。
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国际△■◁☆▪-，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□••。
