华为破解HBM依赖！AI推理黑科技UCM上线，9月正式开源

(电子发烧友网报道 文/章鹰）8月12日，在2025金融AI推理应用落地与发展论坛上，华为公司副总裁、数据存储产品线总裁周越峰宣布，华为此次和银联联合创新，推出AI推理创新技术UCM（推理记忆数据管理其器）和管理系统的算法，这项突破性成果降低对HBM技术的依赖，提升国内AI大模型的推理能力。

该技术是一款以KV Cache为中心的推理加速套件，UCM集成了多类型缓存加速算法工具，实现推理过程中KV Cache记忆数据的分级管理，从而扩大推理上下文窗口，提升推理效率。“银联的实际案例和大量测试显示，UCM显著降低首Token的时延，最高降低90%，系统吞吐率最大提升22倍，上下文的推理窗口可以扩展10倍以上，这是对于AI推理系统一个巨大的进步。” 周越峰指出。

华为UCM技术已率先应用在中国银联“客户之声”、“营销策划”和“办公助手”三大业务场景，开展智慧金融AI推理加速应用试点，并且已经取得成果。华为表示，计划于2025年9月正式开源UCM，将在魔擎社区首发，并共享给业内所有Share Everything(共享架构)存储厂商和生态伙伴。

AI大模型推理给存储带来哪些挑战？UCM的创新之处如何解读？本文结合中国信通院人工智能研究平台与工程化部主任曹峰、华为数据存储产品线AI存储首席架构师李国杰的观点，进行详细分析。

AI大模型推理给存储带来三重挑战

“ChatGPT的访问量呈现线性增长，最新访问量达到4亿，受益于中国AI大模型DeepSeek爆发，日均调用量也在快速上升，2025年1月开始，中国AI推理的需求增长20倍，未来三年算力需求爆发。IDC表示，2024年算力需求60%是训练，40%是推理，到2027年中国用于推理的算力需求——工作负载将达到72.6%。” 中国信通院人工智能研究平台与工程化部主任曹峰分析说。

当下，AI大模型推理应用落地中，遇到推不动、推得慢和推得贵的三大挑战。首先，长文本越来越多，输入超过模型上下文窗口的内容，推理窗口小就推不动；其次，由于中美在AI基础设施的差距，中国互联网大模型首Token时延普遍慢于美国头部厂商的首Token时延，时延长度为后者的两倍；推得贵，美国大模型的推理吞吐率为中国大模型推理吞吐率的10倍。

华为公司副总裁、数据存储产品线总裁周越峰指出，AI时代，模型训练、推理效率与体验的量纲都以Token数为表征，Token经济已经到来。

在AI基础设施投资，中国和美国有差距，为了保障流畅的推理体验，企业要加大算力投入，但是如何改善AI推理的效率和体验，在推理效率与成本之间找到最佳平衡点？华为推出UCM，以KV Cache和记忆管理为中心提供全场景化系列化推理加速能力。

UCM两大关键能力和创新算法，破解HBM受困难题

HBM是解决"数据搬运"的关键技术。当HBM不足时，用户使用AI推理的体验会明显下降，导致出现任务卡顿、响应慢等问题。华为此次技术突破有望缓解这一瓶颈。

华为重磅推出UCM推理记忆数据管理器，包括对接不同引擎与算力的推理引擎插件（Connector）、支持多级KV Cache管理及加速算法的功能库（Accelerator）、高性能KV Cache存取适配器（Adapter）三大组件，通过推理框架、算力、存储三层协同，实现AI推理“更优体验、更低成本”。

UCM的创新之处，在于可以根据记忆热度在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。

“实时数据放在HBM当中，短期记忆数据放在DRAM中，其他数据就放在共享存储SSD中，极大提高系统的效率和AI推理能力。针对AI推理平衡成本和效能的挑战，华为推出UCM统一的记忆数据管理器，在两个层面以系统化的方案来解决问题。” 华为数据存储产品线AI存储首席架构师李国杰表示。

一、在底层的框架和机制上提供了多级缓存空间，构建智能管理以及智能流动的基础框架能力。在此基础之上，华为构筑了一系列创新的推理的加速算法和加速特性，包括自适应的全局Prefix Cache,降低首Token时延与单位Token成本。

二、采用动态的Training稀疏加速算法，倍数级提升长序列吞吐和体验。还有后缀检索、预测加速算法、PD检索加速和Agent原生记忆加速。

UCM将超长序列Cache分层卸载至外置专业存储，通过算法创新突破模型和资源限制，实现推理上下文窗口的10倍级扩展，满足长文本处理需求。

中国银联执行副总裁涂晓军分享说，华为与中国银联的联合创新技术试点中，在中国银联的“客户之声”业务场景下，借助UCM技术及工程化手段，大模型推理速度提升125倍，仅需10秒就可以精准识别客户高频问题，促进服务质量提升。

众所周知，目前，AI大模型训练对内存带宽需求呈指数级增长，传统DDR内存已无法满足需求。HBM（高带宽内存）是一种专用内存技术，用于 AI 处理器、GPU 和 HPC 系统，这些系统中带宽和能效比原始容量更为重要。HBM3 每堆栈可提供高达 819 GB/s 的传输速度，对于支持大型语言模型 (LLM)、神经网络训练和推理工作负载至关重要。

但是去年12月以来美国将HBM2E列入对中国的禁售清单，国产厂商HBM的突破还在推进中，华为推出UCM的重大意义，在于加速推进国产AI推理生态，其核心价值是推进更快的推理响应和更长的推理序列，以及更优化的成本。

中国信通院人工智能研究平台与工程化部主任曹峰认为，国产化AI推理生态建设应该加速，KV Cache已经成为架构优化的焦点，以KV Cache为核心的推理方案迭出，背后依赖的高性能存储、先进调度策略的重要性愈发显现。

李国杰还强调指出，AI是一个快速发展的行业，每6个月就会迎来新一轮的技术革新，UCM不仅定位于当下，解决AI推理问题，未来发展UCM将从KV Cache分层管理走向Agentic AI原生记忆管理和应用加速。

本文由电子发烧友原创，转载请注明以上来源。微信号zy1052625525。需入群交流，请添加微信elecfans999，投稿爆料采访需求，请发邮箱[e-mail]。