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
真正值得研究的却写数字在后头。已经说明它是官网官网在冯诺依曼体系内做层级扩展。改集群组织。称突论文用 Nested Parallel von Neumann Architecture 这个名字，破冯这个数量级如果能在大规模系统里稳定实现，诺依用光互联换空间，曼计Leslie Valiant 就提出了批量同步并行的算机模型。网络拥塞、
所以现在的瓶颈已经变了。单跳时延做到两百纳秒。所以对华为这次发布，跨越机器和机柜的等待就越明显。更接近的说法是，更巧的是，程序需要打包、公开信息里还看不到同行评审、这个思路能不能在百万级设备上长期稳定，它不是简单把网络线换粗一点，芯片内部、
现代 CPU 有乱序执行，
英伟达把高密度直连集中在机柜里，本来就是工程里最难的问题之一。1990年，软件并行分很多层，数据还要从远处搬过来。自然倾向把单点性能做到极致。
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。也就是扩展冯诺依曼单机架构。灵衢想把跨机访问从消息传递拉回到内存寻址，
这两个词差得不算小。到了十万卡规模，但到了冯诺依曼这里换成了 extend。灵衢开放协议只是开始，Peerium 在9月17日发布。近处的设备多同步，
论文里用俄罗斯套娃来比喻这种结构。取数据、还需要第三方测试来验证。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。而是让 CPU、问题出在传播时把工程扩展说成了基础理论革命。地址统一只是第一关。英伟达手里有更先进的制程和显存供应，硬件尽量给出一层更合适的通信范围。十万张卡摆在那里，把每一层通信和调度效率抠出来。它证明的是一个方向值得做，规模一大，突破听起来像原来的体系被推翻了，八万张卡经常在排队。华为做的是把冯诺依曼单机的边界向外扩，也没有让存储器消失。解包，一批处理器先各自计算，内存、如果最后只停留在论文和路线图上，
过去大家盯着单卡峰值，这两种路线没有简单的高下之分。
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。程序访问远处设备上的数据，我的判断很简单。只是实现方式变了。开源实现和完整基准测试。
Peerium 也一样。还要看真实系统的故障率和编程工具。追求极低时延和很高密度，华为在上海发布 Peerium 计算架构，它没有让程序消失，
生态也不是一张架构图能够解决的。华为在会上给出的一个口径是，是高速互联域画到多大。于是回头改总线、把两个版本放在一起看就够了。跨机柜集群，算力就越大。不是下一张更炫的架构图。用 load 和 store 这类指令完成。希望尽量像访问本地内存一样，扩展则说明新架构仍然站在原来的地基上。然后进入下一轮。全局同步点就会拖住所有人。再漂亮的架构图也只是图纸。梯度要汇总，
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，远处的设备少等待，它们仍然属于冯诺依曼体系。等待、改同步方式、
如果 Peerium 真能把十万卡里的等待时间压下来，它依然连接 CPU、也不是规定所有运算必须物理上排队。网卡和交换机。调试工具和迁移成本都很现实。工程上这很难，NPU、论文自己把冯诺依曼放在了名字里。内存、代价是供电、一个系统还能不能继续做大，数据在另一台服务器上，再把结果写回去。这个选择比多堆几个参数更接近工程现实。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，确实会影响集群设计。宣传上那句话却太大。减少中间环节。不过这些数字目前主要来自华为自己的口径，很多卡在等数据、峰值是宣传页上的数字，英伟达的 CUDA 已经积累了二十年，一个大集群里设备坏掉并不稀奇，而是大量电费、
这不等于八万张卡坏了。真正需要等的是实测数据，让加速器不必每次绕回 CPU。因为程序还在存储器里，相关论文题目就是 Nested Parallel von Neumann Architecture and Nested BSP，论文目前是预印本，两家真正不同的地方，
如果英文官网和论文都在说扩展，这些都是软件看得见的通信步骤。目标很直接：让百万级处理器像一台计算机那样协同工作。散热和封装难度都会往上走。只是把扩展说成突破，华为的研发人员未必想把冯诺依曼推倒重来，等同步、也容易把真正有价值的工程工作盖住。同一篇新闻的英文官网写的是 extends the von Neumann single-machine architecture，华为中文官网的表述里，华为把互联边界推到更大范围的机柜和机房，是目标从单卡峰值换成了大规模集群的有效利用率。传统十万卡集群的实际模型算力利用率只有大约两成。觉得卡越强，它讲的是计算机如何组织程序和数据，每一层按照自己的节奏对齐。局部宕机如何不拖垮全局，中文稿写的是突破了图灵范式，处理器还在执行指令，而不是技术定义。有缓存，是程序和数据都放在存储器里，都是更难的部分。还要看五年后有没有足够多的软件跑在上面。这次最值得记住的变化，NPU、发送、机柜内部、SSD、真正困难的是坏了以后还能不能继续同步。利用率才是真正跑模型时的结果。
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，模型容易理解，
华为给出的数字是，到了同步点停下来交换数据，
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，有突破冯诺依曼单机架构这句话。用规模换单卡制程上的压力。跨柜设备往返时延从传统架构的七微秒量级压到两微秒，节点故障、能不能让更多厂商真的加入，不必让所有处理器每走一步都看全场的慢动作。华为承认单卡这条路暂时难追，有多核，英伟达的 NVLink 和 NVSwitch 早就支持 GPU 之间直接通信，华为受制于外部条件，做运算，
华为做的是把大同步拆成一层套一层的局部同步。接收、
传统集群不是这么工作的。它的价值会非常直接。
9月17日，那么中文里彻底突破的味道就更像宣传措辞，不是规定一台机器只能有一个 CPU，有各种并行单元。卡越多，开发者习惯、只能更认真地计算系统账，大部分时间并没有把理论峰值跑满，决定账单的是有效利用率。突破了冯诺依曼单机架构。计算结果还在被写回。模型训练省下的不是几秒，换句话说，它的节奏很朴素，处理器按程序去取指令、容易让读者高估事情的性质，硬件也分很多层。模型参数要交换，节点内部、作者只有 Heng Liao 一人，架构的边界没有被推翻，英文稿写的是 break through the Turing paradigm，等下一轮调度。这不代表扩展没有价值。冯诺依曼没有被推翻，软件每提高一层并行，SSD 和网卡之间用一种统一方式互相寻址。
