当算力需求以指数级速度膨胀，传统计算架构的“天花板”正在加速逼近。9月17日，华为正式发布面向AI时代的全新计算架构——Peerium计算架构，试图回答一个根本性问题：如何让百万级处理器协同工作，像一台计算机一样高效运转。

这不是一次简单的产品迭代，而是对计算底层逻辑的重构。在冯·诺依曼架构统治数十年之后，AI大模型训练和推理所需的算力规模，已让传统“主从架构”和“图灵范式”力不从心。华为此次提出的Peerium架构，直接挑战这两大经典范式，其行业意义不亚于一次算力基础设施的“换轨”。

打破算力“墙”：从“堆机器”到“造一台机器”

AI算力的核心矛盾在于：单一芯片性能增长有限，而集群扩展又面临通信开销、内存一致性、编程模型复杂度等多重瓶颈。传统做法是不断增加服务器数量，但在大规模集群中，处理器之间的协同效率会随着规模扩大而急剧下降，形成“算力墙”。

华为的解法是“换架构”。Peerium计算架构基于嵌套并行、统一内存寻址和平等互联三大支柱，实现百万级处理器的强扩展能力。所谓“强扩展”，意味着处理器数量增加时，系统整体性能近乎线性提升，而不是边际递减。这背后是对“图灵范式”的突破——传统并行计算模型假设处理器通过共享内存或消息传递通信，而Peerium引入的Nested BSP（嵌套同步并行）模型，将并行任务分层组织，在保证全局同步的同时，大幅降低同步开销。

更关键的是，Peerium架构颠覆了“主从架构”。在传统集群中，通常有主节点负责调度，从节点执行任务，主节点容易成为瓶颈。Peerium通过统一内存寻址和平等互联，让每个处理器都能直接访问全局内存，无需依赖中心化调度，从而消除了单点瓶颈。

灵衢互联：一张“无限扩展”的高速总线

如果说Peerium是“灵魂”，那么灵衢（InterQ）就是支撑其运转的“血管”。灵衢被定位为一种开放协议、可无限扩展的高速总线，能够联接CPU、NPU、内存、SSD、网卡和交换机。它打破了计算、存储和网络之间的边界，实现三者平等互联。

这一设计直击AI训练中的“通信墙”。在大规模分布式训练中，GPU/NPU之间需要频繁交换梯度数据，传统网络协议（如以太网或InfiniBand）在规模和延迟上都有局限。灵衢作为总线级的互联方案，将网络通信“内化”为系统内部总线访问，大幅降低延迟和协议开销，让百万级处理器像访问本地内存一样访问远端资源。

值得注意的是，灵衢强调“开放协议”。这意味着华为有意构建一个生态，而非封闭系统。在AI计算架构竞争白热化的当下，开放互联协议有助于吸引更多硬件厂商和开发者加入，形成对抗英伟达CUDA生态的另一种路径。

Atlas 950超节点：首代产品已落地

架构的最终价值要靠产品验证。华为同步发布了Peerium计算架构的首代产品——Atlas 950超节点。据透露，25.6万卡的Atlas 950超节点集群已在部署中，基于NPO（近封装光学）的Atlas 960系统也正在测试。

25.6万卡是一个惊人的规模。作为对比，当前全球最大的AI超算集群通常以数千至数万卡为单位。华为将目标直接推至“25.6万卡”，显然是为下一代万亿参数甚至十万亿参数大模型准备的算力底座。

NPO技术值得关注。近封装光学将光模块与交换芯片封装在一起，大幅降低功耗和延迟，提升带宽密度。Atlas 960采用NPO后，系统互联性能还将进一步提升，为“百万级处理器一台计算机”的远景奠定物理基础。

从产业格局看，华为此举并非孤立。中国通信产业在AI算力基础设施领域正加速自主创新。在美国出口管制背景下，国内大模型训练对国产算力的需求极为迫切。Peerium架构和Atlas超节点若能量产落地，将为中国AI大模型提供“国产替代”的算力底座，并可能重塑全球AI计算的技术路线。

行业视角：计算架构的“换轨时刻”

计算架构每隔数十年会迎来一次范式转移。从单机到集群，从CPU到GPU/NPU，从集中式到分布式，每一次转移都伴随产业格局的重排。华为此次发布Peerium架构，选择了一个极具战略意义的时机：AI算力供需缺口持续扩大，传统架构的扩展性极限已经显现。

“让百万级处理器成为一台计算机”的愿景，本质上是对算力资源组织方式的重新定义。如果这一架构取得成功，未来数据中心将不再是一排排独立的服务器，而是一个巨型的、统一的“算力单体”。操作系统、编程框架、应用部署方式都将随之改变。

当然，挑战也不容回避。新架构需要完整的软件栈适配，包括编译器、运行时、通信库、并行框架等，目前生态尚需培育。同时，百万级处理器的可靠性和故障管理也是工程难题。但华为选择从架构层面破局，而非仅仅堆叠硬件，其长期战略意图十分清晰。

在AI算力竞赛的下半场，比拼的不仅是单点芯片性能，更是系统架构的先进性和生态凝聚力。华为Peerium架构的提出，为中国通信产业在AI计算领域争夺了定义规则的机遇。无论最终落地效果如何，“换轨”已经开始，行业需要重新思考算力的边界。