集合通信概览
（1）通信的算法 是根据通讯的链路组成的
（2）因为通信链路 跟硬件强相关，所以每个CCL的库都不一样
芯片与芯片、不同U之间是怎么通信的
多卡训练：多维并行（xxx并行在上一期已经讲述过…）
计算与通信解耦
计算与通信解耦：分布式加速库
☆☆☆ 从加速库 -> NPU 的执行过程
（1）硬件的排布 跟 组网拓扑、XCCL 非常的强相关；XCCL 跟 网络拓扑 强相关
（2）分布式加速库：MindSpeed
（3）在计算的时候，用户调用pytorch等AI框架，计算在单机里面就用到了AI的框架了，
（4）在通信的时候，就会把一些张量放到一些桶里面，当桶满的时候/满足某些条件的时候，MindSpeed加速库 就会控制张量 什么时候去调用集合通信库的接口/源语 P2P all2all 相关的内容
（5）
（1）XCCL跟链路层、物理层强相关，所以各个公司都有自己的XCCL；
（2）具体XCCL实现了什么功能呢？---- 参照《XCCL、NCCL、HCCL通信库》
（2）all2all 等相关的接口还是保持跟NCCL一致，方便用户调用
通信算法
不同AI时期对通讯的诉求
大模型对AI集群训练的诉求：大带宽、强同步
集合通讯的难点
