但我了解到的是，华为基本有解决的办法，昇腾AI计算集群Atlas，是用算力冗余的办法解决的。也就是即使英伟达的集群训练时，也会经常出错，然后重新开始训练，这样比较浪费时间，而华为服务器价格相对更便宜，可以提供更多的冗余算力，这样在出错时，及时用冗余算力替补上，避免了重新开始，节省了时间，整体训练效果也很好。

个人理解，仅供参考。