在2026 MWC上海展期间，华为与中国移动通信集团湖北有限公司共同宣布，双方成功完成全国运营商首个AI推理加速解决方案的现网测试。这一突破性成果标志着AI技术在运营商领域的应用迈入新阶段，为智能计算业务的高效部署提供了坚实的技术支撑。
此次测试依托华为OceanStor A800存储系统与昇腾A3超节点架构，结合UCM（Unified Cache Manager，推理记忆数据管理）技术，在长序列AI推理场景中实现了Token吞吐率最高提升372%的显著效果。测试团队在湖北移动现网环境中部署了vLLM-Ascend框架，针对MiniMax M2.5、GLM-5.1等主流大模型，模拟了8K至190K长序列输入场景，全面验证了方案的实际性能。
在MiniMax M2.5模型测试中，启用UCM技术后，首Token延迟（TTFT）优化幅度达26%至62%，单NPU卡Token输出效率（TPS）显著提升。具体数据显示，64K序列长度下TPS提升58%，128K序列长度下提升78%，验证了方案在不同长度序列下的稳定性与高效性。
GLM-5.1模型的测试结果更为突出，UCM技术带来的加速效果显著增强。TTFT优化幅度达51%至93%，TPS提升范围为56%至372%。其中，64K序列长度下TPS提升313%，128K序列长度下最高提升372%，充分展现了方案在复杂长序列推理场景中的优势。
华为相关负责人表示，测试数据表明，随着上下文长度的增加，AI推理加速方案的优势将进一步放大。该方案有效突破了长序列推理中的KV Cache容量瓶颈，为运营商在大模型推理、智能客服、内容生成、行业智能体等长序列AI业务场景中提供了高效解决方案，有助于提升现网智算资源的利用率，同时降低长上下文推理带来的性能压力。
