华为提出全新压缩算法：节省70%内存占用

文 | 木然 编辑 | 三元 有一类题材，曾经比古装剧和悬疑剧都更火爆-- 谍战剧。 《潜伏》，《风筝》等作品将这类题材推向热潮，随后大量同类剧涌入市场。 ....

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 运行提供了有力支持。

其论文《RazorAttention: Efficient KV Cache Compression Through Ret eval Heads》已被深度学习领域国际 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% 。