华为昇腾出手了！智能体推理慢的根因终于被找到：首Token时延砍半、存储省25%

由华为2012实验室、华为云、计算、终端等团队联合打造的开源智能体平台openJiuwen，近日联合昇腾推出了一项名为“算力亲和”的全链路协同技术。

该技术打通了Agent框架、推理引擎与底层算力之间的协同壁垒，通过让KV Cache（键值缓存）从被动管理走向主动协同，使Agent推理的首Token时延降低57%以上，推理存储占用峰值下降25%。

随着AI Agent应用日益复杂，单个任务可能持续数十分钟甚至数小时，多个Agent还需分工协作。任务越长、协作的Agent越多，推理过程中产生的KV Cache就越庞大，推理时延也越久。

然而，传统推理引擎只能看到请求和缓存，却看不懂Agent正在做什么。如果子任务已经结束，缓存可能还停留在昂贵的NPU显存里；如果会话暂时挂起时，缓存却继续占着最贵的资源位置。

这背后的核心问题是：Agent掌握任务状态，引擎掌握算力资源，两者之间缺一条传递语义的通道。openJiuwen的解法是在Agent与推理引擎之间建立一套“状态契约”，即Agent Hint。

Agent在关键状态变化时发出Hint信号，告诉引擎当前会话的生命周期状态；引擎据此执行对应的缓存动作：驱逐、卸载、预取。缓存不再只有“留在显存”或“排队等淘汰”两种命运，而是随任务节奏在存储层级间主动流动。

测试结果显示，开启算力亲和后，模型请求端到端时延降低27.61%，前缀缓存命中率提升33%，池化缓存使用量峰值降低25.24%。

当前这套能力即将开源，感兴趣的开发者可以关注openJiuwen开源社区。