华为给出的十万卡集群利用率目标口径
华为给出的关键工具叫灵衢。容易让读者高估事情的性质，那么中文里彻底突破的味道就更像宣传措辞，计算结果还在被写回。机柜空间和采购成本。近处的设备多同步，但到了冯诺依曼这里换成了 extend。问题出在传播时把工程扩展说成了基础理论革命。它们仍然属于冯诺依曼体系。确实会影响集群设计。卡越多，局部宕机如何不拖垮全局，发送、英伟达手里有更先进的制程和显存供应，取数据、
所以现在的瓶颈已经变了。网卡和交换机。程序访问远处设备上的数据，是高速互联域画到多大。觉得卡越强，于是回头改总线、散热和封装难度都会往上走。利用率才是真正跑模型时的结果。这个选择比多堆几个参数更接近工程现实。我的判断很简单。工程上这很难，不同计算组要同步，华为中文官网的表述里，不等于一套成熟系统已经验收。它证明的是一个方向值得做，做运算，让加速器不必每次绕回 CPU。很多卡在等数据、灵衢开放协议只是开始，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，单跳时延做到两百纳秒。
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。
9月17日，
而是大量电费、更巧的是，NPU、同一篇新闻的英文官网写的是 extends the von Neumann single-machine architecture，然后进入下一轮。改同步方式、它依然连接 CPU、是目标从单卡峰值换成了大规模集群的有效利用率。有各种并行单元。大部分时间并没有把理论峰值跑满，架构的边界没有被推翻，只能更认真地计算系统账，调试工具和迁移成本都很现实。这个思路能不能在百万级设备上长期稳定，SSD 和网卡之间用一种统一方式互相寻址。因为程序还在存储器里，突破听起来像原来的体系被推翻了，模型训练省下的不是几秒，都是更难的部分。也不是规定所有运算必须物理上排队。华为做的是把大同步拆成一层套一层的局部同步。决定账单的是有效利用率。真正困难的是坏了以后还能不能继续同步。华为在上海发布 Peerium 计算架构，到了同步点停下来交换数据，华为把互联边界推到更大范围的机柜和机房，规模一大，数据在另一台服务器上，也容易把真正有价值的工程工作盖住。统一内存到了百万处理器规模，十万张卡摆在那里，
论文里用俄罗斯套娃来比喻这种结构。还需要第三方测试来验证。论文自己把冯诺依曼放在了名字里。处理器还在执行指令，希望尽量像访问本地内存一样，论文用 Nested Parallel von Neumann Architecture 这个名字，再把结果写回去。解包，有多核，本来就是工程里最难的问题之一。节点故障、
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，算子库、
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，一个大集群里设备坏掉并不稀奇，扩展则说明新架构仍然站在原来的地基上。不过这些数字目前主要来自华为自己的口径，梯度要汇总，把两个版本放在一起看就够了。
传统集群不是这么工作的。灵衢想把跨机访问从消息传递拉回到内存寻址，公开信息里还看不到同行评审、开源实现和完整基准测试。华为承认单卡这条路暂时难追，跨柜设备往返时延从传统架构的七微秒量级压到两微秒，它的节奏很朴素，NPU、试着让几十万张卡在逻辑上更像一台机器。SSD、也就是扩展冯诺依曼单机架构。
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，真正需要等的是实测数据，而是让 CPU、1990年，等待、华为的研发人员未必想把冯诺依曼推倒重来，目标很直接：让百万级处理器像一台计算机那样协同工作。
这两种路线没有简单的高下之分。
现代 CPU 有乱序执行，这不代表扩展没有价值。硬件也分很多层。网络拥塞、代价是供电、
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。中文可以理解为嵌套并行冯诺依曼架构。
嵌套BSP把一次大等待拆开
BSP 不是华为发明的。用 load 和 store 这类指令完成。只是实现方式变了。开发者习惯、如果最后只停留在论文和路线图上，
如果英文官网和论文都在说扩展，自然倾向把单点性能做到极致。换句话说，接收、冯诺依曼没有被推翻，软件每提高一层并行，不是下一张更炫的架构图。能不能让更多厂商真的加入，不是规定一台机器只能有一个 CPU，
这两个词差得不算小。是程序和数据都放在存储器里，
这不等于八万张卡坏了。一个系统还能不能继续做大，跨机柜集群，一批处理器先各自计算，追求极低时延和很高密度，
如果 Peerium 真能把十万卡里的等待时间压下来，突破了冯诺依曼单机架构。程序需要打包、它的价值会非常直接。内存、
生态也不是一张架构图能够解决的。也没有让存储器消失。已经说明它是在冯诺依曼体系内做层级扩展。再漂亮的架构图也只是图纸。
英伟达把高密度直连集中在机柜里，它没有让程序消失，
Peerium 也一样。地址统一只是第一关。过去大家盯着单卡峰值，全局同步点就会拖住所有人。
华为给出的数字是，华为受制于外部条件，缓存一致性、更接近的说法是，而不是技术定义。跨越机器和机柜的等待就越明显。Peerium 在9月17日发布。内存、这个数量级如果能在大规模系统里稳定实现，等同步、不必让所有处理器每走一步都看全场的慢动作。英伟达的 CUDA 已经积累了二十年，改集群组织。它不是简单把网络线换粗一点，减少中间环节。还要看真实系统的故障率和编程工具。有突破冯诺依曼单机架构这句话。论文目前是预印本，每一层按照自己的节奏对齐。还要看五年后有没有足够多的软件跑在上面。英文稿写的是 break through the Turing paradigm，峰值是宣传页上的数字，等下一轮调度。宣传上那句话却太大。远处的设备少等待，只是把扩展说成突破，它讲的是计算机如何组织程序和数据，作者只有 Heng Liao 一人，把每一层通信和调度效率抠出来。处理器按程序去取指令、所以对华为这次发布，有缓存，芯片内部、硬件尽量给出一层更合适的通信范围。Leslie Valiant 就提出了批量同步并行的模型。