快科技1月24日消息，华为AI算法团队在人工智能领域取得了显著突破，他们研究并发表了一种创新的大模型KV Cache压缩算法，名为 RazorAttention 。
这一算法具有卓越的性能，能够有效节省高达70%的大模型推理内存占用，为AI大模型的高效运行提供了有力支持。
其论文《RazorAttention: Efficient KV Cache Compression Through Retrieval Heads》已被深度学习领域国际顶级会议ICLR 2025收录。
华为表示，此算法为业界首个基于Attention可解释性的离线静态KV Cache压缩算法，打破了过去AI大模型长序列KV Cache压缩不理想的现状。
该算法通过检索头的设置，确保上下文中重要且主要的信息不丢失，在保持高精度（误差小于1%）的情况下，静态有效压缩了最大到70%的KV Cache内存占用，可以为用户大大节约AI大模型推理的成本。
目前RazorAttention算法已产品化集成在昇腾MindIE/MindStudio，支持主流8K~1M长序列KV Cache压缩，32K以上场景增量吞吐提升20%+。
