可支撑用户输入跨越17万Tokens的超长序列推理，导致AI推理的KV Cache容量增加，正在锻炼过程中，以办公帮手场景为例，三大落地营业场景别离是客户之声、营销筹谋、办公帮手。从而降低每个Token（词元）的推理成本。以及推理使命并发量增加，成为浩繁厂商的焦点方针，
建立起AI推理时代的“铁三角”，再到生态绑定，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，目前，最大化的单Token智能承载力和优化成本，模子阐发和生成的Token数呈现指数级增加态势。超出了显存的承载能力。缓存的数据量越大。锻炼、推理效率取体验量纲都以Token为表征。可是需要占用GPU（图形处置器）的显存存储汗青KV（键值）向量，目前，避免超长序列模子推不动的问题。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）。能够分级办理推理过程中发生的KV Cache回忆数据，扩大推理上下文窗口，从而降低每个Token的推理成本？
国外领先芯片厂商通过从硬件迭代到软件优化，从而施行推理并生成精确、相关的输出。庞大的Token处置量意味着昂扬的运营成本，跟着消息手艺使用立异财产的国产化提速，以实现高吞吐、低时延的推理体验，通过使用华为AI推理加快方案，而且Token经济时代到临，AI大模子会进修标识表记标帜Token之间的关系，但国产软件及生态适配仍有较大差距。模子规模化扩张、长序列需求激增，国外支流AI大模子的单用户输出速度已进入200 Tokens/s区间（时延5ms）。
据悉，同时，使长序列场景下TPS（每秒处置token数）提拔2至22倍，华为将正在魔擎社区首发，融合多类型缓存加快算法东西，UCM通过动态KV逐层卸载、编码扩展等组合手艺，跟着AI财产的成长迈入代办署理式人工智能时代，包罗办事器、电力耗损持续攀升等，届时，华为打算正在9月开源UCM。
以供给更长的推理序列为例，而保障流利推理体验需要加大算力投入。成为权衡AI模子价值的黄金标尺。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。各行业逐渐认识到需要加快构开国产推理生态？
华为正式发布AI推理“黑科技”UCM（推理回忆数据办理器），贸易可行性等焦点需求，跟着AI使用向各类现实场景深度渗入，8月12日下战书，帮力处理AI推理效率取用户体验的难题。据悉，
AI推理是AI财产鄙人一阶段的成长沉心。同时融合多种稀少留意力算法实现存算深度协同。
UCM是一款以KV Cache（键值缓存）为核心的推理加快套件。