本课程围绕AI集群与大模型训练中的集合通讯展开，从整体导论、XCCL架构、通信原语与并行策略映射，到PyTorch中的通信域、rank、stream/event及计算-通信重叠，最后延伸至片内多Die/Chiplet互联硬件。课程核心价值在于帮助学习者打通“硬件链路—通信库—通信算法—通信原语—上层框架”的全栈认知，理解NCCL/HCCL/XCCL在分布式训练中的关键位置，并掌握DP、PP、TP、EP、SP各自依赖的通信操作与性能优化思路。适合系统工程师、AI集群算法开发者、分布式训练框架研发者，以及关注集群效率与大模型训练性能的从业者。学完后，你将能建立集合通讯术语体系，读懂通信域、进程组与rank的关系，理解计算与通讯解耦/overlap机制，并能从通信原语和硬件拓扑角度分析训练瓶颈，为后续深入NCCL/HCCL源码、集群调优与并行策略设计打下基础。