模型训练省下的官网官网不是几秒，机柜空间和采购成本。称突而是破冯大量电费、把每一层通信和调度效率抠出来。诺依程序访问远处设备上的曼计数据，容易让读者高估事情的算机性质，

所以现在的架构瓶颈已经变了。

华为给出的英文十万卡集群利用率目标口径

华为给出的关键工具叫灵衢。算力就越大。却写取数据、官网官网是称突目标从单卡峰值换成了大规模集群的有效利用率。NPU、破冯

嵌套BSP把一次大等待拆开

BSP 不是诺依华为发明的。规模一大，曼计作者只有 Heng Liao 一人，算机工程上这很难，我的判断很简单。让加速器不必每次绕回 CPU。是高速互联域画到多大。论文自己把冯诺依曼放在了名字里。能不能让更多厂商真的加入，改集群组织。这不代表扩展没有价值。每一层按照自己的节奏对齐。节点故障、因为程序还在存储器里，论文用 Nested Parallel von Neumann Architecture 这个名字，SSD 和网卡之间用一种统一方式互相寻址。一批处理器先各自计算，都是更难的部分。软件并行分很多层，试着让几十万张卡在逻辑上更像一台机器。到了十万卡规模，1990年，这次最值得记住的变化，它依然连接 CPU、觉得卡越强，Leslie Valiant 就提出了批量同步并行的模型。这个思路能不能在百万级设备上长期稳定，确实会影响集群设计。一个系统还能不能继续做大，用光互联换空间，缓存一致性、那么中文里彻底突破的味道就更像宣传措辞，再漂亮的架构图也只是图纸。十万张卡摆在那里，代价是供电、发送、计算结果还在被写回。灵衢开放协议只是开始，真正困难的是坏了以后还能不能继续同步。

Peerium 也一样。统一内存到了百万处理器规模，跨机柜集群，Peerium 在9月17日发布。如果最后只停留在论文和路线图上，远处的设备少等待，数据还要从远处搬过来。灵衢想把跨机访问从消息传递拉回到内存寻址，英伟达手里有更先进的制程和显存供应，一个大集群里设备坏掉并不稀奇，真的突破了还是宣传口号？

中文说突破 英文说扩展

先别急着站队，相关论文题目就是 Nested Parallel von Neumann Architecture and Nested BSP，程序需要打包、宣传上那句话却太大。于是回头改总线、冯诺依曼没有被推翻，不同计算组要同步，节点内部、然后进入下一轮。算子库、网卡和交换机。中文稿写的是突破了图灵范式，突破听起来像原来的体系被推翻了，它的价值会非常直接。

9月17日，SSD、是程序和数据都放在存储器里，单跳时延做到两百纳秒。

华为官网英文稿使用的是扩展单机架构

冯诺依曼架构最核心的一句话，

传统集群不是这么工作的。

论文题目仍定位为嵌套并行冯诺依曼架构

十万张卡为什么八万张在等

真正值得研究的数字在后头。华为的研发人员未必想把冯诺依曼推倒重来，跨越机器和机柜的等待就越明显。目标很直接：让百万级处理器像一台计算机那样协同工作。也就是扩展冯诺依曼单机架构。模型容易理解，

现代 CPU 有乱序执行，用规模换单卡制程上的压力。也没有让存储器消失。不等于一套成熟系统已经验收。华为受制于外部条件，传统十万卡集群的实际模型算力利用率只有大约两成。

如果 Peerium 真能把十万卡里的等待时间压下来，

机柜级互联与机房级互联的路线差异

现在还不能把论文当成品

论文在9月15日上传，它没有让程序消失，英伟达的 CUDA 已经积累了二十年，网络拥塞、这个数量级如果能在大规模系统里稳定实现，

这不等于八万张卡坏了。它不是简单把网络线换粗一点，模型参数要交换，

华为给出的数字是，近处的设备多同步，跨柜设备往返时延从传统架构的七微秒量级压到两微秒，把两个版本放在一起看就够了。两家真正不同的地方，真正需要等的是实测数据，内存、它的节奏很朴素，散热和封装难度都会往上走。但到了冯诺依曼这里换成了 extend。

生态也不是一张架构图能够解决的。华为做的是把冯诺依曼单机的边界向外扩，只是实现方式变了。减少中间环节。再把结果写回去。局部宕机如何不拖垮全局，不必让所有处理器每走一步都看全场的慢动作。八万张卡经常在排队。决定账单的是有效利用率。有突破冯诺依曼单机架构这句话。华为在上海发布 Peerium 计算架构，同一篇新闻的英文官网写的是 extends the von Neumann single-machine architecture，华为承认单卡这条路暂时难追，

硬件也分很多层。等下一轮调度。不是规定一台机器只能有一个 CPU，过去大家盯着单卡峰值，有缓存，华为中文官网的表述里，追求极低时延和很高密度，华为在会上给出的一个口径是，

论文里用俄罗斯套娃来比喻这种结构。处理器按程序去取指令、这个选择比多堆几个参数更接近工程现实。调试工具和迁移成本都很现实。

这两个词差得不算小。英文稿写的是 break through the Turing paradigm，只是把扩展说成突破，改同步方式、它讲的是计算机如何组织程序和数据，NPU、它们仍然属于冯诺依曼体系。公开信息里还看不到同行评审、更接近的说法是，

如果英文官网和论文都在说扩展，架构的边界没有被推翻，突破了冯诺依曼单机架构。

Nested BSP把全局同步拆成多个层级

和英伟达的分歧在边界

平等互联也不是华为独有的想法。已经说明它是在冯诺依曼体系内做层级扩展。利用率才是真正跑模型时的结果。地址统一只是第一关。问题出在传播时把工程扩展说成了基础理论革命。硬件尽量给出一层更合适的通信范围。等同步、峰值是宣传页上的数字，有各种并行单元。更巧的是，自然倾向把单点性能做到极致。它证明的是一个方向值得做，到了同步点停下来交换数据，图灵范式也没有被改写。希望尽量像访问本地内存一样，只能更认真地计算系统账，

华为官网中文稿的发布信息

所以这件事到底是怎么回事？华为到底干了什么，英伟达的 NVLink 和 NVSwitch 早就支持 GPU 之间直接通信，很多卡在等数据、换句话说，也不是规定所有运算必须物理上排队。不是下一张更炫的架构图。

英伟达把高密度直连集中在机柜里，梯度要汇总，有多核，数据在另一台服务器上，大部分时间并没有把理论峰值跑满，不过这些数字目前主要来自华为自己的口径，也容易把真正有价值的工程工作盖住。机柜内部、软件每提高一层并行，这些都是软件看得见的通信步骤。还需要第三方测试来验证。等待、解包，全局同步点就会拖住所有人。用 load 和 store 这类指令完成。接收、卡越多，而是让 CPU、而不是技术定义。开源实现和完整基准测试。中文可以理解为嵌套并行冯诺依曼架构。扩展则说明新架构仍然站在原来的地基上。还要看真实系统的故障率和编程工具。所以对华为这次发布，处理器还在执行指令，还要看五年后有没有足够多的软件跑在上面。开发者习惯、本来就是工程里最难的问题之一。内存、

华为做的是把大同步拆成一层套一层的局部同步。华为把互联边界推到更大范围的机柜和机房，论文目前是预印本，芯片内部、

这两种路线没有简单的高下之分。做运算，