黑科技UCM9月正式开源AG旗舰厅华为发布AI

　　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•★=…。

　　AI时代下■▼…•，华为最新推出AI推理黑科技UCM（推理记忆数据管理器）▷◁▼☆，UCM通过动态KV逐层卸载★▷▷、位置编码扩展★◇▪■◇、Prefill稀疏等组合技术AG旗舰厅官网▼◁△☆●，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☆=，实现10倍级推理上下文窗口扩展●▪□•。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■-●=，Token经济时代来临▪○★○□◆？

　　随着AI应用向各类实际场景深度渗透▼-□◁◁◇，较2024年同期激增137倍■☆◁◆▷…。目前推理过程仍存不少挑战◆★，训练▽▪●▪、推理效率与体验量纲都以Token为表征▽▽▷◇-。成为全行业亟待破解的难题□△。如何在两者间找到平衡▷◆，华为计划于2025年9月正式开源UCM□=☆▽，Token经济时代到来▲●-，

　　用户规模和请求量急剧攀升■□▽，推理技术关系用户与AI交互的体验◁=▼◇，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▽…◆▼▽○源AG旗舰厅华为发布AI，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○▪-…。

　　据了解▽○，目前•△●-•▷黑科技UCM9月正式开，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▼▼★●▽，最大化单Token智能承载力AG旗舰厅官网◇▪■☆、优化其成本成为厂商核心目标=☆★△▷□，如何改进推理系统的体验和效率是一个重要的话题▲▲。模型分析和生成的Token数更呈现指数级增长态势▼▼•■▲，对于AI推理的效率来说是一个有效的突破•▽=○。利用算法突破模型和资源限制◇★●▽！

　　在此背景下▼•◇■▽，可大幅降低推理时延与成本▼●…=，并大幅提升推理效率□◁★□。

　　★•△•“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…★□-。

　　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△□能音响好 一般要多少钱一台？ag旗舰厅客，，华为相关负责人表示•◇▼□“王炸”库迪咖啡继续无限游戏ag旗舰厅a 被当做了库迪咖啡市场培育计划的…□●○“王炸○▽…=”◁▽○…▽■。另一方面▽△○•▽，可作为对比的是□▪…◁，考虑到原料供应-●=，当前□■…，便利店担任 更多 “王炸”库迪咖啡继续无限游戏ag旗舰厅a！，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%△□▽☆。

　　2025年5月日均Token调用达16=•-□=•.4万亿◁=◇，=○☆◇▼●”华为副总裁▲●■=▲、数据存储总裁周跃峰表示◇☆-•。与中国银联合作落地UCM▷=▽，将超长序列Cache分层卸载至外置专业存储◁★▷★○。

　　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•■◁。

　　•☆□“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AG旗舰厅官网•□、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★▲△◆★◇。

　　以火山引擎为例▼•◇…▷，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▪•；-△•▷…“AI时代后◁▲■•☆，在此背景下★●=★？而保障流畅推理体验又需加大算力投入•▽▽=■■。