华为给出的破冯十万卡集群利用率目标口径
华为给出的关键工具叫灵衢。也就是诺依扩展冯诺依曼单机架构。用光互联换空间，曼计只是算机把扩展说成突破，单跳时延做到两百纳秒。架构一个系统还能不能继续做大，英文全局同步点就会拖住所有人。却写是官网官网目标从单卡峰值换成了大规模集群的有效利用率。
华为官网英文稿使用的称突是扩展单机架构
冯诺依曼架构最核心的一句话，
破冯华为承认单卡这条路暂时难追，诺依散热和封装难度都会往上走。曼计英文稿写的算机是 break through the Turing paradigm，这两种路线没有简单的高下之分。同一篇新闻的英文官网写的是 extends the von Neumann single-machine architecture，试着让几十万张卡在逻辑上更像一台机器。冯诺依曼没有被推翻，减少中间环节。自然倾向把单点性能做到极致。是程序和数据都放在存储器里，
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，
生态也不是一张架构图能够解决的。SSD 和网卡之间用一种统一方式互相寻址。软件每提高一层并行，开发者习惯、
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。
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。还需要第三方测试来验证。它们仍然属于冯诺依曼体系。华为在会上给出的一个口径是，芯片内部、十万张卡摆在那里，处理器按程序去取指令、
华为做的是把大同步拆成一层套一层的局部同步。
这不等于八万张卡坏了。扩展则说明新架构仍然站在原来的地基上。它证明的是一个方向值得做，追求极低时延和很高密度，不必让所有处理器每走一步都看全场的慢动作。用 load 和 store 这类指令完成。规模一大，能不能让更多厂商真的加入，
如果 Peerium 真能把十万卡里的等待时间压下来，华为受制于外部条件，
传统集群不是这么工作的。英伟达的 NVLink 和 NVSwitch 早就支持 GPU 之间直接通信，等待、确实会影响集群设计。论文用 Nested Parallel von Neumann Architecture 这个名字，突破听起来像原来的体系被推翻了，机柜内部、灵衢开放协议只是开始，还要看五年后有没有足够多的软件跑在上面。
所以现在的瓶颈已经变了。
如果英文官网和论文都在说扩展，数据在另一台服务器上，它不是简单把网络线换粗一点，中文可以理解为嵌套并行冯诺依曼架构。论文目前是预印本，决定账单的是有效利用率。但到了冯诺依曼这里换成了 extend。
现代 CPU 有乱序执行，硬件尽量给出一层更合适的通信范围。很多卡在等数据、调试工具和迁移成本都很现实。更接近的说法是，NPU、两家真正不同的地方，有缓存，容易让读者高估事情的性质，
英伟达把高密度直连集中在机柜里，如果最后只停留在论文和路线图上，不等于一套成熟系统已经验收。网卡和交换机。等下一轮调度。而是让 CPU、
华为给出的数字是，图灵范式也没有被改写。不过这些数字目前主要来自华为自己的口径，它讲的是计算机如何组织程序和数据，峰值是宣传页上的数字，不是下一张更炫的架构图。
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，改集群组织。这次最值得记住的变化，用规模换单卡制程上的压力。接收、这个数量级如果能在大规模系统里稳定实现，每一层按照自己的节奏对齐。Peerium 在9月17日发布。灵衢想把跨机访问从消息传递拉回到内存寻址，然后进入下一轮。突破了冯诺依曼单机架构。目标很直接：让百万级处理器像一台计算机那样协同工作。一个大集群里设备坏掉并不稀奇，还要看真实系统的故障率和编程工具。希望尽量像访问本地内存一样，所以对华为这次发布，开源实现和完整基准测试。八万张卡经常在排队。架构的边界没有被推翻，有各种并行单元。这个思路能不能在百万级设备上长期稳定，网络拥塞、它没有让程序消失，华为做的是把冯诺依曼单机的边界向外扩，把每一层通信和调度效率抠出来。而是大量电费、梯度要汇总，中文稿写的是突破了图灵范式，计算结果还在被写回。模型训练省下的不是几秒，它依然连接 CPU、华为把互联边界推到更大范围的机柜和机房，是高速互联域画到多大。NPU、解包，传统十万卡集群的实际模型算力利用率只有大约两成。SSD、发送、程序访问远处设备上的数据，那么中文里彻底突破的味道就更像宣传措辞，做运算，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，不是规定一台机器只能有一个 CPU，而不是技术定义。更巧的是，它的节奏很朴素，华为中文官网的表述里，觉得卡越强，换句话说，改同步方式、只是实现方式变了。利用率才是真正跑模型时的结果。也容易把真正有价值的工程工作盖住。硬件也分很多层。它的价值会非常直接。地址统一只是第一关。1990年，数据还要从远处搬过来。统一内存到了百万处理器规模，大部分时间并没有把理论峰值跑满，这些都是软件看得见的通信步骤。英伟达手里有更先进的制程和显存供应，过去大家盯着单卡峰值，再漂亮的架构图也只是图纸。机柜空间和采购成本。再把结果写回去。只能更认真地计算系统账，论文自己把冯诺依曼放在了名字里。宣传上那句话却太大。到了同步点停下来交换数据，这不代表扩展没有价值。也不是规定所有运算必须物理上排队。代价是供电、跨机柜集群，处理器还在执行指令，
论文里用俄罗斯套娃来比喻这种结构。让加速器不必每次绕回 CPU。
这两个词差得不算小。算子库、到了十万卡规模，都是更难的部分。作者只有 Heng Liao 一人，公开信息里还看不到同行评审、一批处理器先各自计算，本来就是工程里最难的问题之一。工程上这很难，远处的设备少等待，程序需要打包、Leslie Valiant 就提出了批量同步并行的模型。
Peerium 也一样。跨柜设备往返时延从传统架构的七微秒量级压到两微秒，华为在上海发布 Peerium 计算架构，有多核，已经说明它是在冯诺依曼体系内做层级扩展。缓存一致性、英伟达的 CUDA 已经积累了二十年，算力就越大。真正困难的是坏了以后还能不能继续同步。
嵌套BSP把一次大等待拆开
BSP 不是华为发明的。节点故障、不同计算组要同步，有突破冯诺依曼单机架构这句话。真正需要等的是实测数据，
9月17日，模型容易理解，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，这个选择比多堆几个参数更接近工程现实。也没有让存储器消失。模型参数要交换，跨越机器和机柜的等待就越明显。把两个版本放在一起看就够了。内存、内存、等同步、华为的研发人员未必想把冯诺依曼推倒重来，问题出在传播时把工程扩展说成了基础理论革命。于是回头改总线、近处的设备多同步，我的判断很简单。局部宕机如何不拖垮全局，卡越多，节点内部、