新浪科技訊 8月12日下午消息，發(fā)布在2025金融A(yíng)I推理應用落地與發(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（推理記憶數據管理器），創(chuàng )新實(shí)現高吞吐、技術(shù)低時(shí)延的現高推理體驗。

　　在當今數字化時(shí)代，低時(shí)低AI發(fā)展日新月異。延推驗降大模型訓練的理體理成熱潮尚未消退，AI推理體驗卻已悄然成為AI應用的發(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(shū)指出，AI正從訓練向推理的創(chuàng )新結構性轉變而快速增長(cháng)。在這樣的技術(shù)大背景下，AI推理體驗的現高重要性愈發(fā)凸顯。

　　推理體驗直接關(guān)系到用戶(hù)與AI交互時(shí)的低時(shí)低感受，包括回答問(wèn)題的延推驗降時(shí)延、答案的準確度以及復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(hù)輸出速度已進(jìn)入200 Tokens/s區間（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(hù)體驗的難題迫在眉睫。

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

海量資訊、精準解讀，盡在新浪財經(jīng)APP

責任編輯：郭栩彤