test

華為正式發布 AI 推理創新技術 UCM（推理記憶數據管理器），這項突破性成果有望降低中國 AI 推理對 HBM（高帶寬記憶體）技術依賴。到底這個新技術如何幫助企業？ 是否可以更節省大量的 AI 成本？ 各位企業老闆可以在這文章找到答案。

 

欠缺 HBM 是中國 AI 發展的絆腳石

HBM 是一種高效能 3D 堆疊 DRAM 技術，廣泛應用於 AI 推理和訓練場景，但其核心技術主要掌握在外國廠商手中，成本高昂且供應受限。透過減少對 HBM 依賴，華為期望能降低 AI 推理系統成本，更能提高系統可擴展性和經濟性，為中國 AI 產業自主發展開闢新路。

目前現實挑戰相當嚴峻。外國主流模型單用戶輸出速度已進入 200 Tokens/s 區間，時延僅 5 毫秒，而中國普遍小於 60 Tokens/s，時延高達 50-100 毫秒。這種差距影響用戶體驗，更制約中國 AI 應用商業競爭力。華為 UCM 技術推出，正是直接針對推理效率與用戶體驗核心難題。

UCM 大大改進現行模型速度及成本

想像企業正使用 AI 客服系統，每日處理 10,000 次查詢。如果系統回應緩慢，客戶體驗差，運算成本也居高不下。更關鍵是，若系統依賴昂貴 HBM 記憶體，採購成本高，還可能面臨供應鏈風險。

在 AI 世代，Token 是計算成本基本單位，企業使用 AI 服務時按 Token 數量計費。UCM 技術在實際應用中展現驚人成效——於中國銀聯「客戶之聲」場景，原本需要超過 20 分鐘客戶問題分析，使用 UCM 後僅需 10 秒完成，推理速度提升 125 倍。在辦公助手場景中，更可支援用戶輸入超過 17 萬 Tokens 超長序列推理，徹底解決超長文件處理瓶頸。

 

核心技術原理

UCM 是一款以 KV Cache 為中心推理加速套件，創新之處在於智能管理 AI 推理過程中記憶數據。理解這項技術，可想像成一個智能檔案管理系統。傳統 AI 推理系統如同把所有檔案堆在昂貴辦公桌上（HBM 高帶寬記憶體），空間有限且成本極高。而 UCM 則像一個智能助理，將正處理熱數據放辦公桌上，今天可能用到放檔案櫃（DRAM 記憶體），其他存放倉庫（專業儲存）。

 

當 AI 處理問題時，UCM 會智能保存和重用已計算結果。例如處理客戶查詢時，常見問題答案會被緩存起來，下次遇到類似問題可直接調用，避免重複計算。這種分級管理將首次回應時間減少 90%，系統吞吐量提升 22 倍，更重要是大幅減少對昂貴 HBM 依賴。

與現有方案關鍵差異

華為 AI 儲存首席架構師李國杰指出，市場上其他方案通常只做到部分改良，而 UCM 是首個端到端完整方案。業界現有方案幾乎只有傳統前綴緩存技術，而 UCM 提供豐富算法庫，包括商用全流程稀疏算法、後綴檢索算法等。

 

特別值得一提，UCM 受打字輸入法聯想功能啟發，開發預測聯想算法，能根據企業私域數據和用戶習慣構建 Token 級後綴索引，突破自回歸限制，一次輸出多詞。據透露 UCM 從 2024 年 6-7 月開始孵化，僅算法團隊就有百人級投入，未來還會面向 Agentic AI（智能體 AI）持續演進。

銀行已有成功案例

華為計劃於 2025 年 9 月正式開源 UCM，屆時將在魔擎社區首發，並共享給業內所有共享架構儲存廠商和生態夥伴。目前企業若想提前使用，可考慮與華為直接合作成為早期試點夥伴。

 

從應用場景來看，金融服務業特別適合採用 UCM 技術。中國銀聯已在「客戶之聲」、「營銷策劃」和「辦公助手」三大業務場景成功應用。電商平台、電訊公司、保險公司等需要處理大量客戶查詢企業，以及律師事務所、顧問公司等需要處理長文件機構，都是理想使用者。

 

技術門檻方面，UCM 可適配 MindIE、SGLang 等多種推理引擎框架，這種開放性設計降低整合難度。由於減少對昂貴硬體依賴，長期來看反而可能降低技術維護複雜度和成本。

投資價值與戰略意義

UCM 價值體現在多個層面。首先是直接成本節省，減少 HBM 使用可顯著降低硬體投資。其次是營運效率提升，更快響應速度意味著同樣資源可服務更多客戶。第三是業務創新能力，17 萬 Tokens 超長序列處理能力可開啟以前無法實現應用場景。

 

更重要是戰略價值。這項技術標誌著中國在 AI 推理改良領域重要突破，透過減少對外國關鍵技術依賴，企業可更自主發展 AI 應用，降低供應鏈風險。隨著 AI 產業從「追求模型能力極限」轉向「追求推理體驗最優化」，掌握 UCM 這類改良技術將成為企業競爭力關鍵。