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 the von Neumann single-machine architecture，也就是扩展冯诺依曼单机架构。 这两个词差得不算小。突破听起来像原来的体系被推翻了，扩展则说明新架构仍然站在原来的地基上。更巧的是，相关论文题目就是 Nested Parallel von Neumann Architecture and Nested BSP，中文可以理解为嵌套并行冯诺依曼架构。论文自己把冯诺依曼放在了名字里。 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，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，把两个版本放在一起看就够了。中文稿写的是突破了图灵范式，突破了冯诺依曼单机架构。英文稿写的是 break through the Turing paradigm，但到了冯诺依曼这里换成了 extend。 如果英文官网和论文都在说扩展，那么中文里彻底突破的味道就更像宣传措辞，而不是技术定义。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。这不代表扩展没有价值。一个系统还能不能继续做大，本来就是工程里最难的问题之一。只是把扩展说成突破，容易让读者高估事情的性质，也容易把真正有价值的工程工作盖住。 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，是程序和数据都放在存储器里，处理器按程序去取指令、取数据、做运算，再把结果写回去。它讲的是计算机如何组织程序和数据，不是规定一台机器只能有一个 CPU，也不是规定所有运算必须物理上排队。 现代 CPU 有乱序执行，有多核，有缓存，有各种并行单元。它们仍然属于冯诺依曼体系。因为程序还在存储器里，处理器还在执行指令，计算结果还在被写回。架构的边界没有被推翻，只是实现方式变了。 Peerium 也一样。它依然连接 CPU、NPU、内存、SSD、网卡和交换机。它没有让程序消失，也没有让存储器消失。论文用 Nested Parallel von Neumann Architecture 这个名字，已经说明它是在冯诺依曼体系内做层级扩展。 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。华为在会上给出的一个口径是，传统十万卡集群的实际模型算力利用率只有大约两成。换句话说，十万张卡摆在那里，大部分时间并没有把理论峰值跑满，很多卡在等数据、等同步、等下一轮调度。 这不等于八万张卡坏了。更接近的说法是，八万张卡经常在排队。模型参数要交换，梯度要汇总，不同计算组要同步，数据还要从远处搬过来。卡越多，跨越机器和机柜的等待就越明显。 所以现在的瓶颈已经变了。过去大家盯着单卡峰值，觉得卡越强，算力就越大。到了十万卡规模，决定账单的是有效利用率。峰值是宣传页上的数字，利用率才是真正跑模型时的结果。 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。它不是简单把网络线换粗一点，而是让 CPU、NPU、内存、SSD 和网卡之间用一种统一方式互相寻址。程序访问远处设备上的数据，希望尽量像访问本地内存一样，用 load 和 store 这类指令完成。 传统集群不是这么工作的。数据在另一台服务器上，程序需要打包、发送、等待、接收、解包，这些都是软件看得见的通信步骤。灵衢想把跨机访问从消息传递拉回到内存寻址，减少中间环节。 华为给出的数字是，跨柜设备往返时延从传统架构的七微秒量级压到两微秒，单跳时延做到两百纳秒。这个数量级如果能在大规模系统里稳定实现，确实会影响集群设计。不过这些数字目前主要来自华为自己的口径，还需要第三方测试来验证。 嵌套BSP把一次大等待拆开 BSP 不是华为发明的。1990年，Leslie Valiant 就提出了批量同步并行的模型。它的节奏很朴素，一批处理器先各自计算，到了同步点停下来交换数据，然后进入下一轮。模型容易理解，规模一大，全局同步点就会拖住所有人。 华为做的是把大同步拆成一层套一层的局部同步。芯片内部、节点内部、机柜内部、跨机柜集群，每一层按照自己的节奏对齐。近处的设备多同步，远处的设备少等待，不必让所有处理器每走一步都看全场的慢动作。 论文里用俄罗斯套娃来比喻这种结构。软件并行分很多层，硬件也分很多层。软件每提高一层并行，硬件尽量给出一层更合适的通信范围。这个思路能不能在百万级设备上长期稳定，还要看真实系统的故障率和编程工具。 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。英伟达的 NVLink 和