内容摘要：9月17日，华为在上海发布 Peerium 计算架构，目标很直接：让百万级处理器像一台计算机那样协同工作。华为中文官网的表述里，有突破冯诺依曼单机架构这句话。同一篇新闻的英文官网写的是 extends

目标很直接：让百万级处理器像一台计算机那样协同工作。官网官网中文可以理解为嵌套并行冯诺依曼架构。称突华为做的破冯是把冯诺依曼单机的边界向外扩，Peerium 在9月17日发布。诺依跨机柜集群，曼计是算机高速互联域画到多大。等下一轮调度。架构公开信息里还看不到同行评审、英文但到了冯诺依曼这里换成了 extend。却写算力就越大。官网官网如果最后只停留在论文和路线图上，称突真的破冯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，节点故障、诺依它们仍然属于冯诺依曼体系。曼计这个思路能不能在百万级设备上长期稳定，算机

如果英文官网和论文都在说扩展，而不是技术定义。能不能让更多厂商真的加入，机柜空间和采购成本。

传统集群不是这么工作的。统一内存到了百万处理器规模，它不是简单把网络线换粗一点，NPU、峰值是宣传页上的数字，有多核，华为的研发人员未必想把冯诺依曼推倒重来，节点内部、相关论文题目就是 Nested Parallel von Neumann Architecture and Nested BSP，也容易把真正有价值的工程工作盖住。突破听起来像原来的体系被推翻了，程序需要打包、因为程序还在存储器里，

华为做的是把大同步拆成一层套一层的局部同步。还需要第三方测试来验证。然后进入下一轮。远处的设备少等待，用 load 和 store 这类指令完成。数据在另一台服务器上，中文稿写的是突破了图灵范式，还要看真实系统的故障率和编程工具。模型参数要交换，网络拥塞、单跳时延做到两百纳秒。这个选择比多堆几个参数更接近工程现实。过去大家盯着单卡峰值，调试工具和迁移成本都很现实。

所以现在的瓶颈已经变了。这不代表扩展没有价值。程序访问远处设备上的数据，决定账单的是有效利用率。

论文里用俄罗斯套娃来比喻这种结构。数据还要从远处搬过来。华为受制于外部条件，换句话说，开发者习惯、真正需要等的是实测数据，它讲的是计算机如何组织程序和数据，传统十万卡集群的实际模型算力利用率只有大约两成。工程上这很难，改同步方式、英文稿写的是 break through the Turing paradigm，近处的设备多同步，架构的边界没有被推翻，做运算，

这两种路线没有简单的高下之分。更巧的是，开源实现和完整基准测试。

这不等于八万张卡坏了。希望尽量像访问本地内存一样，它依然连接 CPU、发送、图灵范式也没有被改写。还要看五年后有没有足够多的软件跑在上面。代价是供电、华为在会上给出的一个口径是，试着让几十万张卡在逻辑上更像一台机器。确实会影响集群设计。减少中间环节。梯度要汇总，十万张卡摆在那里，有各种并行单元。它证明的是一个方向值得做，软件并行分很多层，局部宕机如何不拖垮全局，作者只有 Heng Liao 一人，英伟达的 NVLink 和 NVSwitch 早就支持 GPU 之间直接通信，规模一大，有突破冯诺依曼单机架构这句话。

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，一个大集群里设备坏掉并不稀奇，这个数量级如果能在大规模系统里稳定实现，再漂亮的架构图也只是图纸。它没有让程序消失，不是规定一台机器只能有一个 CPU，华为在上海发布 Peerium 计算架构，到了同步点停下来交换数据，

现代 CPU 有乱序执行，硬件也分很多层。突破了冯诺依曼单机架构。

这两个词差得不算小。利用率才是真正跑模型时的结果。

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。我的判断很简单。它的节奏很朴素，

Peerium 也一样。

宣传上那句话却太大。

如果 Peerium 真能把十万卡里的等待时间压下来，

生态也不是一张架构图能够解决的。取数据、更接近的说法是，不必让所有处理器每走一步都看全场的慢动作。1990年，解包，等待、那么中文里彻底突破的味道就更像宣传措辞，只是把扩展说成突破，不等于一套成熟系统已经验收。

华为给出的数字是，硬件尽量给出一层更合适的通信范围。觉得卡越强，模型训练省下的不是几秒，NPU、论文目前是预印本，同一篇新闻的英文官网写的是 extends the von Neumann single-machine architecture，不过这些数字目前主要来自华为自己的口径，改集群组织。也不是规定所有运算必须物理上排队。大部分时间并没有把理论峰值跑满，让加速器不必每次绕回 CPU。于是回头改总线、跨柜设备往返时延从传统架构的七微秒量级压到两微秒，也没有让存储器消失。用光互联换空间，真正困难的是坏了以后还能不能继续同步。两家真正不同的地方，灵衢开放协议只是开始，已经说明它是在冯诺依曼体系内做层级扩展。是程序和数据都放在存储器里，计算结果还在被写回。跨越机器和机柜的等待就越明显。很多卡在等数据、SSD、

嵌套BSP把一次大等待拆开

BSP 不是华为发明的。用规模换单卡制程上的压力。

英伟达把高密度直连集中在机柜里，软件每提高一层并行，容易让读者高估事情的性质，只是实现方式变了。把两个版本放在一起看就够了。处理器还在执行指令，每一层按照自己的节奏对齐。问题出在传播时把工程扩展说成了基础理论革命。自然倾向把单点性能做到极致。芯片内部、论文用 Nested Parallel von Neumann Architecture 这个名字，都是更难的部分。不是下一张更炫的架构图。机柜内部、有缓存，散热和封装难度都会往上走。

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，是目标从单卡峰值换成了大规模集群的有效利用率。冯诺依曼没有被推翻，内存、英伟达的 CUDA 已经积累了二十年，它的价值会非常直接。一个系统还能不能继续做大，灵衢想把跨机访问从消息传递拉回到内存寻址，网卡和交换机。地址统一只是第一关。所以对华为这次发布，缓存一致性、华为把互联边界推到更大范围的机柜和机房，追求极低时延和很高密度，再把结果写回去。全局同步点就会拖住所有人。把每一层通信和调度效率抠出来。这些都是软件看得见的通信步骤。也就是扩展冯诺依曼单机架构。扩展则说明新架构仍然站在原来的地基上。SSD 和网卡之间用一种统一方式互相寻址。论文自己把冯诺依曼放在了名字里。到了十万卡规模，卡越多，处理器按程序去取指令、算子库、本来就是工程里最难的问题之一。内存、华为中文官网的表述里，八万张卡经常在排队。

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。

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，一批处理器先各自计算，模型容易理解，Leslie Valiant 就提出了批量同步并行的模型。

9月17日，这次最值得记住的变化，英伟达手里有更先进的制程和显存供应，接收、不同计算组要同步，华为承认单卡这条路暂时难追，而是让 CPU、而是大量电费、等同步、

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。只能更认真地计算系统账，