华为发布AI推理创新技术UCM：实现高吞吐、低时延推理体验，降低每Token推理成本

   

　　新浪科技讯 8月12日下午消息，在2025金融AI推理应用落地与发展论坛上，华为联合中国银联共同发布AI推理创新技术UCM（推理记忆数据管理器），实现高吞吐、低时延的推理体验。



　　在当今数字化时代，AI发展日新月异。大模型训练的热潮尚未消退，AI推理体验却已悄然成为AI应用的关键。在2025WAIC期间发布的白皮书指出，AI正从训练向推理的结构性转变而快速增长。在这样的大背景下，AI推理体验的重要性愈发凸显。

　　推理体验直接关系到用户与AI交互时的感受，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方面。资料显示，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60Tokens/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。

　　据介绍，华为此次发布的AI推理创新技术UCM（推理记忆数据管理器），作为一款以KV Cache为中心的推理加速套件，其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，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。