在2026 MWC上海展期间，华为携手中国移动通信集团湖北有限公司（简称“湖北移动”）共同宣布，双方已圆满完成全国运营商首个AI推理加速解决方案的现网测试。这一成果标志着运营商在AI智算业务领域迈出了重要一步，为高效部署相关业务提供了坚实的技术基础。
此次测试依托华为OceanStor A800存储系统与昇腾A3超节点架构，并融入了UCM（统一缓存管理器，即推理记忆数据管理）技术。在长序列AI推理场景下，该方案实现了Token吞吐率最高达372%的显著提升，有效突破了传统技术瓶颈。
测试在湖北移动的实际网络环境中进行，采用了vLLM-Ascend框架，并针对MiniMax M2.5、GLM-5.1等主流大模型，模拟了从8K到190K的长序列输入场景。这一设计确保了测试结果的广泛适用性和实际参考价值。
在MiniMax M2.5模型测试中，启用UCM技术后，首Token延迟（TTFT）得到了26%至62%的优化，同时单NPU卡的Token输出效率（TPS）也有显著提升。具体而言，在64K序列长度下，TPS提升了58%；而在128K序列长度下，这一提升幅度更是达到了78%。
对于GLM-5.1模型，UCM技术的加速效果更为显著。TTFT的优化幅度达到了51%至93%，而TPS的提升则介于56%至372%之间。特别值得注意的是，在64K序列长度下，TPS提升了313%；在128K序列环境下，TPS的最高提升幅度更是达到了372%。
华为方面表示，测试数据充分证明，随着上下文长度的不断增加，AI推理加速方案的优势将愈发明显。这一方案有效解决了长序列推理中的KV Cache容量瓶颈问题，为运营商在处理复杂AI任务时提供了更为高效的技术支持。
对于运营商而言，这一成果意味着在大模型推理、智能客服、内容生成以及行业智能体等长序列AI业务场景中，现网智算资源的利用效率将得到显著提升。同时，它还能有效降低长上下文推理所带来的性能压力，为运营商提供更加稳定、高效的AI服务。
