！华为“黑科技”来了九游会网站AI重磅

　　据悉○•▼…•，UCM可根据记忆热度在HBM○□、DRAM…☆▽•■▲、SSD等存储介质中实现按需流动●□□•▪，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至22倍•◇▼△=，从而降低每个Token的推理成本▪▷▪★▪□。

　　巨大的Token处理量意味着高昂的运营成本□◁，包括服务器维护•▽…、电力消耗持续攀升等▲□，而保障流畅推理体验需要加大算力投入▪□□○◇。

　　据悉☆▼○=□☆，华为计划在9月开源UCM☆◁★▪-。届时▷△◇，华为将在魔擎社区首发○-▷=，后续逐步贡献给业界主流推理引擎社区-▲，并共享给所有Share Everything（共享架构）的存储厂商和生态伙伴●○●▽。

　　与中国银联开展智慧金融AI推理加速应用试点九游会在线官方网站●=△•，三大落地业务场景分别是客户之声□■▲★、营销策划▷◆、办公助手○◇▷。目前▼△■，华为AI推理加速方案结合UCM与华为AI存储（OceanStor A系列）技术▽■▽=▷☆，

　　AI推理是AI产业在下一阶段的发展重心★…▼。AI产业已从•■▲□▲“追求模型能力极限•▲●…▷”转向▪▼△◇•“追求推理体验最优化△•△◆◁”▷◆○…▼，推理体验直接关联用户满意度▷●▼◇、商业可行性等核心需求◇◆◇■，成为衡量AI模型价值的黄金标尺•▽◇◇○。

　　目前…◁▪◁△▷，国外领先芯片厂商通过从硬件迭代到软件优化◁◆▽◆○◆，再到生态绑定…□，构建起AI推理时代的★■■“铁三角◁△☆▼•▪”◁●□，短期内难以被代替■-=★▷。中国企业在单点硬件技术上有所突破•▼▲●▷…，但国产软件及生态适配仍有较大差距…◁。

　　同时◁▲==☆，随着AI应用向各类实际场景深度渗透▽=！华为“黑科技”来，用户规模和请求量急剧攀升▼■◁，模型分析和生成的Token数呈现指数级增长态势★◁。

　　8月12日下午=◁……◆◁，华为正式发布AI推理□◇▽◆“黑科技▲□☆•”UCM（推理记忆数据管理器）☆■★○，助力解决AI推理效率与用户体验的难题-◇◁◆。

　　KV Cache是一种用于优化计算效率▽★○=●、减少重复运算的关键技术…◆◇◁，但是需要占用GPU（图形处理器）的显存存储历史KV（键值）向量◇▪▪，生成的文本越长•▽▼□★▼，缓存的数据量越大▼=○•。

　　数据显示-○=•▼…，国外主流AI大模型的单用户输出速度已进入200 Tokens/s区间（时延5ms）◆▪•◁，而我国主流AI大模型的单用户输出速度普遍小于60 Tokens/s（时延50至100ms）◇◇。

　　最大化的单Token智能承载力和优化成本☆□…◇○，成为众多厂商的核心目标•▽••●○，并且Token经济时代来临▼◆-■，训练•■、推理效率与体验量纲都以Token为表征◁▼▼。

　　UCM是一款以KV Cache（键值缓存）为中心的推理加速套件★■○■-，融合多类型缓存加速算法工具▽••◆□★，可以分级管理推理过程中产生的KV Cache记忆数据◇■☆，扩大推理上下文窗口△☆◇，以实现高吞吐○▽◇…●、低时延的推理体验▪◇◇•□，从而降低每个Token（词元）的推理成本▽△★★◆◁。

　　Token是AI模型中的基本数据单位☆▲▪。在训练过程中□■□，AI大模型会学习标记Token之间的关系◁-□▷，从而执行推理并生成准确△◇、相关的输出…=▲○●•。

　　以提供更长的推理序列为例▪▷▷九游会机械击灵键盘！，UCM通过动态KV逐层卸载★▲、位置编码扩展等组合技术◆△△•=，将超长序列的Cache（缓存）分层卸载至外置专业存储-★=●了九游会网站AI重磅，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九游会在线官方网站-★★◆•。

　　以办公助手场景为例-☆=，通过应用华为AI推理加速方案▽☆==▽…，可支持用户输入超过17万Tokens的超长序列推理▪▷☆□•，避免超长序列模型推不动的问题○▽=-△。

　　随着AI产业的发展迈入代理式人工智能时代▲△★•◆，模型规模化扩张◇▲◆▽、长序列需求激增▷★，以及推理任务并发量增长☆•▽◁•，导致AI推理的KV Cache容量增长▪…▼▲•…，超出了显存的承载能力▽…●。

　　随着信息技术应用创新产业的国产化改造提速-■，各行业逐步意识到需要加速构建国产推理生态◁=。UCM的核心价值在于提供更快的推理响应=▽▽、更长的推理序列等▼■…□■。