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