近日，华为针对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，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产品架构如下：

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。

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