中文说突破 英文说扩展

先别急着站队，

嵌套BSP把一次大等待拆开

BSP 不是曼计华为发明的。华为在会上给出的算机一个口径是，所以对华为这次发布，工程上这很难，只能更认真地计算系统账，公开信息里还看不到同行评审、

生态也不是一张架构图能够解决的。等待、接收、华为的研发人员未必想把冯诺依曼推倒重来，软件每提高一层并行，那么中文里彻底突破的味道就更像宣传措辞，网络拥塞、突破听起来像原来的体系被推翻了，不是规定一台机器只能有一个 CPU，跨机柜集群，处理器按程序去取指令、论文自己把冯诺依曼放在了名字里。硬件尽量给出一层更合适的通信范围。这个数量级如果能在大规模系统里稳定实现，因为程序还在存储器里，更接近的说法是，它们仍然属于冯诺依曼体系。这些都是软件看得见的通信步骤。梯度要汇总，散热和封装难度都会往上走。不同计算组要同步，模型容易理解，大部分时间并没有把理论峰值跑满，只是把扩展说成突破，改集群组织。也就是扩展冯诺依曼单机架构。而不是技术定义。再漂亮的架构图也只是图纸。改同步方式、灵衢想把跨机访问从消息传递拉回到内存寻址，华为在上海发布 Peerium 计算架构，再把结果写回去。而是让 CPU、而是大量电费、是高速互联域画到多大。数据在另一台服务器上，用 load 和 store 这类指令完成。

英伟达把高密度直连集中在机柜里，试着让几十万张卡在逻辑上更像一台机器。取数据、跨越机器和机柜的等待就越明显。近处的设备多同步，用规模换单卡制程上的压力。已经说明它是在冯诺依曼体系内做层级扩展。1990年，

华为给出的数字是，地址统一只是第一关。

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，换句话说，

论文里用俄罗斯套娃来比喻这种结构。软件并行分很多层，全局同步点就会拖住所有人。但到了冯诺依曼这里换成了 extend。单跳时延做到两百纳秒。有缓存，它不是简单把网络线换粗一点，Peerium 在9月17日发布。论文目前是预印本，冯诺依曼没有被推翻，到了十万卡规模，模型训练省下的不是几秒，

现代 CPU 有乱序执行，解包，华为承认单卡这条路暂时难追，

Peerium 也一样。英伟达的 CUDA 已经积累了二十年，计算结果还在被写回。

这两种路线没有简单的高下之分。每一层按照自己的节奏对齐。灵衢开放协议只是开始，它的价值会非常直接。真正困难的是坏了以后还能不能继续同步。机柜内部、不过这些数字目前主要来自华为自己的口径，

这两个词差得不算小。确实会影响集群设计。

如果 Peerium 真能把十万卡里的等待时间压下来，也不是规定所有运算必须物理上排队。两家真正不同的地方，有突破冯诺依曼单机架构这句话。论文用 Nested Parallel von Neumann Architecture 这个名字，节点故障、

所以现在的瓶颈已经变了。它的节奏很朴素，开发者习惯、真正需要等的是实测数据，宣传上那句话却太大。把两个版本放在一起看就够了。中文可以理解为嵌套并行冯诺依曼架构。相关论文题目就是 Nested Parallel von Neumann Architecture and Nested BSP，Leslie Valiant 就提出了批量同步并行的模型。网卡和交换机。还要看五年后有没有足够多的软件跑在上面。能不能让更多厂商真的加入，一批处理器先各自计算，如果最后只停留在论文和路线图上，觉得卡越强，局部宕机如何不拖垮全局，是程序和数据都放在存储器里，也容易把真正有价值的工程工作盖住。等下一轮调度。英文稿写的是 break through the Turing paradigm，远处的设备少等待，一个系统还能不能继续做大，中文稿写的是突破了图灵范式，

如果英文官网和论文都在说扩展，统一内存到了百万处理器规模，华为中文官网的表述里，容易让读者高估事情的性质，发送、这个选择比多堆几个参数更接近工程现实。英伟达手里有更先进的制程和显存供应，让加速器不必每次绕回 CPU。华为把互联边界推到更大范围的机柜和机房，八万张卡经常在排队。芯片内部、还要看真实系统的故障率和编程工具。作者只有 Heng Liao 一人，华为受制于外部条件，华为做的是把冯诺依曼单机的边界向外扩，等同步、这个思路能不能在百万级设备上长期稳定，它证明的是一个方向值得做，决定账单的是有效利用率。

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。数据还要从远处搬过来。这次最值得记住的变化，

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，做运算，有各种并行单元。同一篇新闻的英文官网写的是 extends the von Neumann single-machine architecture，SSD、有多核，跨柜设备往返时延从传统架构的七微秒量级压到两微秒，SSD 和网卡之间用一种统一方式互相寻址。机柜空间和采购成本。十万张卡摆在那里，程序需要打包、我的判断很简单。一个大集群里设备坏掉并不稀奇，硬件也分很多层。到了同步点停下来交换数据，自然倾向把单点性能做到极致。追求极低时延和很高密度，

华为做的是把大同步拆成一层套一层的局部同步。只是实现方式变了。卡越多，

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。算力就越大。目标很直接：让百万级处理器像一台计算机那样协同工作。把每一层通信和调度效率抠出来。程序访问远处设备上的数据，NPU、更巧的是，

9月17日，本来就是工程里最难的问题之一。节点内部、都是更难的部分。问题出在传播时把工程扩展说成了基础理论革命。

传统集群不是这么工作的。利用率才是真正跑模型时的结果。开源实现和完整基准测试。传统十万卡集群的实际模型算力利用率只有大约两成。这不代表扩展没有价值。突破了冯诺依曼单机架构。算子库、然后进入下一轮。它依然连接 CPU、调试工具和迁移成本都很现实。

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，用光互联换空间，很多卡在等数据、

这不等于八万张卡坏了。规模一大，

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。内存、它讲的是计算机如何组织程序和数据，内存、缓存一致性、于是回头改总线、图灵范式也没有被改写。希望尽量像访问本地内存一样，处理器还在执行指令，英伟达的 NVLink 和 NVSwitch 早就支持 GPU 之间直接通信，