林渊这是在照顾庾明轩的感受。像他这种习惯了风月场所和商业谈判的花花公子，让他在实验室里干坐几个小时听代码架构，估计能把他憋死，到时候走又不好意思走，还不如提前把他支开。
庾明轩一听笑着说：“行，那你们聊，林总我先撤了，车子我给你留在这。”
等庾明轩离开后，吴恩达笑着带林渊穿过走廊，来到了他的课题组机房。
机房的白板上画满了复杂的网络拓扑图。吴恩达指着白板，开始阐述问题：“林渊，你看。我们目前在尝试用多台机器并行处理庞大的神经网络参数。但在高并发状态下，所有的节点（WOrker）都要频繁地跟中央参数服务器（Parameter Server）进行数据同步。节点一多，网络带宽瞬间就被挤爆了，中央服务器成了绝对的瓶颈。这个问题，你怎么看？”
林渊盯着白板，脑海里迅速翻阅起他从 2035 年带回来的记忆。在那个年代，这种早期的分布式训练瓶颈早就被一种叫做“环形同步”（Ring All-RedUCe）的底层算法彻底解决了。
林渊拿起马克笔，在白板上画了一个圆圈，开口道：“吴教授，为什么一定要有一个中央服务器？如果把所有节点连成一个逻辑上的环形网络呢？”
吴恩达皱了皱眉：“环形？节点 1 传给节点 2，节点 2 传给 3？但这样一来，数据跑完整个环的延迟太高了，根本无法满足实时并发的需求。”
“不，数据不是整体传输的。”林渊在环上切了几条线，“我们把庞大的参数数组切分成和节点数量相等的碎块。在第一步（SCatter-RedUCe）里，每个节点只负责把自己计算的那一小块数据传给下一个节点，同时接收上一个节点传来的另一小块数据。”
吴恩达推了推眼镜，目光瞬间亮了起来：“同时收发不同的数据块？这样就不会出现单点拥堵了。”
林渊继续说道：“对，因为所有节点的上下行带宽都在被满负荷利用。无论集群里有 10 台机器还是 100 台机器，单次同步的通信总量都是恒定的。这就是去中心化。”
吴恩达立刻转身，拿起笔在黑板上快速写下了一串公式。他敏锐的数学直觉瞬间将林渊的设想具象化：“如果总数据量是 K，节点数是 N。传统的中央服务器带宽瓶颈是 O(N)，但按照你这个环形切块的设想，每个节点在每一步只需要传输 \fraC{K}{N} 的数据。总的传输时间 T
…。。