AI 推理性能大提升：华为 UCM 技术开源，系统吞吐猛增 22 倍

IT之家 11 月 5 日消息，华为今日宣布，该公司针对 AI 推理加速的关键技术 —— UCM（Unified Cache Manager）推理记忆数据管理正式宣布开源。

UCM 以 KV Cache 多级缓存和推理记忆管理为中心，通过推理框架、算力、存储的三层协同，宣称可破解长序列推理效率低、成本高的难题，为企业提供更优的 AI 推理体验。

UCM 融合了多类型缓存加速算法工具，可分级管理在推理过程中产生的 KV Cache 记忆数据。UCM 架构包含多个协同工作的关键功能模块，具体如下：

• UCM 稀疏化模块（UcmSparseBase）：兼容多种稀疏算法的统一基类，负责稀疏 KV Cache Block 的卸载、加载与计算，实现“零感知”插拔式稀疏化。在不影响整体推理流程的前提下，能够灵活适配不同稀疏算法以提升推理效率。
• 稀疏化 KV 管理器（SparseKVManager）：面向算法级定制的 KV Cache Block 分配总控器，各稀疏算法以多态子类形式将自身分配逻辑注入框架，实现不同稀疏算法策略与推理引擎解耦，满足差异化推理场景需求。
• KV Cache 存储组件（UcmKVStoreBase）：负责提供与外部存储通信的通用接口。该组件支持稀疏算法与存储后端解耦，可无缝对接任意存储系统，同时支持前缀缓存，为数据存储提供了灵活多样的选择。
• UCM 连接器（UC Connector）：桥接 KV Cache 存储组件与推理引擎，保障数据在不同组件之间的高效传输，实现高可靠的前缀缓存能力。

▲ UCM 产品架构

基于以上架构，UCM 目前具备四大关键能力：稀疏注意力、前缀缓存、预填充卸载、异构 PD 解耦，实现首 Token 时延最高降低 90%，系统吞吐最大提升 22 倍，并达到 10 倍级上下文窗口扩展，显著提升了 AI 推理性能。

UCM 已在 ModelEngine 社区开放基础框架与工具链，开发者可通过社区获取 UCM 源代码与技术文档。IT之家附开源地址：

• GitCode：https://gitcode.com/ModelEngine/unified-cache-management
• Github：https://github.com/ModelEngine-Group/unified-cache-management