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