近日，2025金融AI推理應用落地與發展論壇在上海舉行。中國銀聯執行副總裁涂曉軍、華為數字金融軍團CEO曹沖出席本次論壇并發表致辭。論壇上，華為公司副總裁、數據存儲產品線總裁周躍峰博士發布AI推理創新技術——UCM推理記憶數據管理器，旨在推動AI推理體驗升級，提升推理性價比，加速AI商業正循環。同時，華為攜手中國銀聯率先在金融典型場景開展UCM技術試點應用，并聯合發布智慧金融AI推理加速方案應用成果。

當前，人工智能已步入發展深水區，AI推理正成為下一個爆發式增長的關鍵階段，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：“AI時代，模型訓練、推理效率與體驗的量綱都以Token數為表征，Token經濟已經到來”。為保障流暢的推理體驗，企業需持續加大算力投入，但如何在推理效率與成本之間找到最佳平衡點，成為了全行業亟待解決的重要課題。

為此，華為重磅推出UCM推理記憶數據管理器，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、存儲三層協同，實現AI推理“更優體驗、更低成本”：

更優的推理體驗：依托UCM層級化自適應的全局前綴緩存技術，系統能直接調用KV緩存數據，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存儲，通過算法創新突破模型和資源限制，實現推理上下文窗口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，可根據記憶熱度在HBM、DRAM、SSD等存儲介質中實現按需流動；同時融合多種稀疏注意力算法，實現存算深度協同，使長序列場景下TPS（每秒處理token數）提升2-22倍，顯著降低每Token推理成本，為企業減負增效。

在與中國銀聯的聯合創新技術試點中，UCM的技術價值得到充分驗證。在中國銀聯“客戶之聲”業務場景下，借助UCM技術及工程化手段，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，促進服務質量提升。未來，中國銀聯將依托國家人工智能應用中試基地，聯合華為等生態伙伴共建“AI+金融”示范應用，推動技術成果從“實驗室驗證”走向“規模化應用”。

論壇現場，華為正式公布了UCM開源計劃。UCM通過開放統一的南北向接口，可適配多類型推理引擎框架、算力及存儲系統。今年9月，UCM將正式開源，后續逐步貢獻給業界主流推理引擎社區，攜手全產業共同推動AI推理生態的繁榮發展。