据Google DeepMind在X平台表示，其新研究展示了可跨地域、跨算力规模与异构芯片的分布式训练架构，突破地理与硬件束缚。根据该推文链接的DeepMind研究文章，系统通过弹性调度、拓扑感知通信与容错聚合，在多数据中心与多种加速器上协同训练，维持高利用率并稳定成本。依据Google DeepMind的技术说明，该方法支持GPU与专用加速器的供应商无关训练，使企业可整合闲置产能、缩短训练周期、并降低大型作业排队与宕区风险。正如Google DeepMind所述，这将带来更高吞吐、更强区域故障韧性，以及按区域与芯片类型优化的性价比提升。