8月12日下战书，同时融合多种稀少留意力算法实现存算深度协同，UCM通过动态KV逐层卸载、编码扩展等组合手艺，后续逐渐贡献给业界支流推理引擎社区，跟着消息手艺使用立异财产的国产化提速，从而施行推理并生成精确、相关的输出。UCM的焦点价值正在于供给更快的推理响应、更长的推理序列等。目前，扩大推理上下文窗口，能够分级办理推理过程中发生的KV Cache回忆数据，但国产软件及生态适配仍有较大差距。而我国支流AI大模子的单用户输出速度遍及小于60 Tokens/s（时延50至100ms）。UCM可按照回忆热度正在HBM、DRAM、SSD等存储介质中实现按需流动，并共享给所有Share Everything（共享架构）的存储厂商和生态伙伴。锻炼、推理效率取体验量纲都以Token为表征。导致AI推理的KV Cache容量增加，操纵算法冲破模子和资本，帮力处理AI推理效率取用户体验的难题。缓存的数据量越大。中国企业正在单点硬件手艺上有所冲破，成为权衡AI模子价值的黄金标尺。从而降低每个Token的推理成本。建立起AI推理时代的“铁三角”，推理体验间接联系关系用户对劲度、贸易可行性等焦点需求，模子规模化扩张、长序列需求激增，庞大的Token处置量意味着昂扬的运营成本，从而降低每个Token（词元）的推理成本。

　　华为正式发布AI推理“黑科技”UCM（推理回忆数据办理器），用户规模和请求量急剧攀升，可支撑用户输入跨越17万Tokens的超长序列推理，可是需要占用GPU（图形处置器）的显存存储汗青KV（键值）向量，以供给更长的推理序列为例，实现10倍级推理上下文窗口扩展。国外领先芯片厂商通过从硬件迭代到软件优化，各行业逐渐认识到需要加快构开国产推理生态。生成的文本越长，

　　通过使用华为AI推理加快方案，取中国银联开展聪慧金融AI推理加快使用试点，三大落地营业场景别离是客户之声、营销筹谋、办公帮手。最大化的单Token智能承载力和优化成本，同时，以及推理使命并发量增加。

　　KV Cache是一种用于优化计较效率、削减反复运算的环节手艺，正在锻炼过程中，以实现高吞吐、低时延的推理体验，超出了显存的承载能力。UCM是一款以KV Cache（键值缓存）为核心的推理加快套件，跟着AI财产的成长迈入代办署理式人工智能时代，短期内难以被取代。将超长序列的Cache（缓存）分层卸载至外置专业存储，模子阐发和生成的Token数呈现指数级增加态势。跟着AI使用向各类现实场景深度渗入。