華為發(fā)布AI推理創(chuàng)新技術(shù)UCM：實(shí)現(xiàn)高吞吐、低時(shí)延推理體驗(yàn)，降低每Token推理成本

2025-11-30 19:09:54 [百科] 來源：素昧平生網(wǎng)

　　新浪科技訊 8月12日下午消息，發(fā)布在2025金融AI推理應(yīng)用落地與發(fā)展論壇上，推理吞吐n推華為聯(lián)合中國銀聯(lián)共同發(fā)布AI推理創(chuàng)新技術(shù)UCM（推理記憶數(shù)據(jù)管理器），創(chuàng)新實(shí)現(xiàn)高吞吐、技術(shù)低時(shí)延的現(xiàn)高推理體驗(yàn)。

　　在當(dāng)今數(shù)字化時(shí)代，低時(shí)低AI發(fā)展日新月異。延推驗(yàn)降大模型訓(xùn)練的理體理成熱潮尚未消退，AI推理體驗(yàn)卻已悄然成為AI應(yīng)用的發(fā)布關(guān)鍵。中信建投在2025WAIC期間發(fā)布的推理吞吐n推白皮書指出，AI正從訓(xùn)練向推理的創(chuàng)新結(jié)構(gòu)性轉(zhuǎn)變而快速增長。在這樣的技術(shù)大背景下，AI推理體驗(yàn)的現(xiàn)高重要性愈發(fā)凸顯。

　　推理體驗(yàn)直接關(guān)系到用戶與AI交互時(shí)的低時(shí)低感受，包括回答問題的延推驗(yàn)降時(shí)延、答案的準(zhǔn)確度以及復(fù)雜上下文的推理能力等方面。資料顯示，國外主流模型的單用戶輸出速度已進(jìn)入200 Tokens/s區(qū)間（時(shí)延5ms），而我國普遍小于60Tokens/s（時(shí)延50 - 100ms），如何解決推理效率與用戶體驗(yàn)的難題迫在眉睫。

　　據(jù)介紹，華為此次發(fā)布的AI推理創(chuàng)新技術(shù)UCM（推理記憶數(shù)據(jù)管理器），作為一款以KV Cache為中心的推理加速套件，其融合了多類型緩存加速算法工具，分級(jí)管理推理過程中產(chǎn)生的KV Cache記憶數(shù)據(jù)，擴(kuò)大推理上下文窗口，以實(shí)現(xiàn)高吞吐、低時(shí)延的推理體驗(yàn)，降低每Token推理成本。