8月12日，2025金融AI推理應(yīng)用落地與發(fā)展論壇在上海舉行。中國銀聯(lián)執(zhí)行副總裁涂曉軍、華為數(shù)字金融軍團CEO曹沖出席本次論壇并發(fā)表致辭。論壇上，華為公司副總裁、數(shù)據(jù)存儲產(chǎn)品線總裁周躍峰博士發(fā)布AI推理創(chuàng)新技術(shù)——UCM推理記憶數(shù)據(jù)管理器，旨在推動AI推理體驗升級，提升推理性價比，加速AI商業(yè)正循環(huán)。同時，華為攜手中國銀聯(lián)率先在金融典型場景開展UCM技術(shù)試點應(yīng)用，并聯(lián)合發(fā)布智慧金融AI推理加速方案應(yīng)用成果。
當前，人工智能已步入發(fā)展深水區(qū)，AI推理正成為下一個爆發(fā)式增長的關(guān)鍵階段，推理體驗和推理成本成為了衡量模型價值的黃金標尺。周躍峰在論壇上強調(diào)：“AI時代，模型訓練、推理效率與體驗的量綱都以Token數(shù)為表征，Token經(jīng)濟已經(jīng)到來”。為保障流暢的推理體驗，企業(yè)需持續(xù)加大算力投入，但如何在推理效率與成本之間找到最佳平衡點，成為了全行業(yè)亟待解決的重要課題。
為此，華為重磅推出UCM推理記憶數(shù)據(jù)管理器，包括對接不同引擎與算力的推理引擎插件（Connector）、支持多級KV Cache管理及加速算法的功能庫（Accelerator）、高性能KV Cache存取適配器（Adapter）三大組件，通過推理框架、算力、存儲三層協(xié)同，實現(xiàn)AI推理“更優(yōu)體驗、更低成本”：
更優(yōu)的推理體驗：依托UCM層級化自適應(yīng)的全局前綴緩存技術(shù)，系統(tǒng)能直接調(diào)用KV緩存數(shù)據(jù)，避免重復計算，使首Token時延最大降低90%。同時，UCM將超長序列Cache分層卸載至外置專業(yè)存儲，通過算法創(chuàng)新突破模型和資源限制，實現(xiàn)推理上下文窗口10倍級擴展，滿足長文本處理需求。
更低的推理成本：UCM具備智能分級緩存能力，可根據(jù)記憶熱度在HBM、DRAM、SSD等存儲介質(zhì)中實現(xiàn)按需流動；同時融合多種稀疏注意力算法，實現(xiàn)存算深度協(xié)同，使長序列場景下TPS（每秒處理token數(shù)）提升2-22倍，顯著降低每Token推理成本，為企業(yè)減負增效。
在與中國銀聯(lián)的聯(lián)合創(chuàng)新技術(shù)試點中，UCM的技術(shù)價值得到充分驗證。在中國銀聯(lián)“客戶之聲”業(yè)務(wù)場景下，借助UCM技術(shù)及工程化手段，大模型推理速度提升125倍，僅需10秒即可精準識別客戶高頻問題，促進服務(wù)質(zhì)量提升。未來，中國銀聯(lián)將依托國家人工智能應(yīng)用中試基地，聯(lián)合華為等生態(tài)伙伴共建“AI+金融”示范應(yīng)用，推動技術(shù)成果從“實驗室驗證”走向“規(guī)�；瘧�(yīng)用”。
論壇現(xiàn)場，華為正式公布了UCM開源計劃。UCM通過開放統(tǒng)一的南北向接口，可適配多類型推理引擎框架、算力及存儲系統(tǒng)。今年9月，UCM將正式開源，后續(xù)逐步貢獻給業(yè)界主流推理引擎社區(qū)，攜手全產(chǎn)業(yè)共同推動AI推理生態(tài)的繁榮發(fā)展。
