本文研究了分布式学习中的模型聚合问题，提出了一种新方法，通过优化本地训练和节能聚合，提升模型性能并降低通信开销。该方法实现了异步共识迭代，确保在通信误差下仍能收敛到全局最优模型，且在不同设备上表现优异。实验结果表明，相较于传统方案，该方法显著改善了通信效率。

软硬一体化技术与异步共识相关，实现存储系统的核心IO链路和周边功能分离。共识协议在分布式系统中至关重要，希腊群岛被用来命名共识协议。共识领域仍有发展空间。