快科技5月7日消息，OpenAI今日通过开放计算项目（OCP）正式发布MRC（多路径可靠连接）协议，解决大规模AI训练中的GPU网络通信瓶颈。
该协议由OpenAI与AMD、NVIDIA、Intel、微软和博通历时两年联合开发，目前已在搭载NVIDIA GB200的超算集群中投入实际使用。
MRC要解决的核心问题是：在训练大规模AI模型时，单次数据传输延迟就足以导致整个训练过程中断，GPU集体空转等待，而集群规模越大，由网络拥塞、链路和设备故障引发的延迟问题越频繁。
MRC的方案是将单条800Gb/s网络接口拆分为多条更小的链路，例如将一个接口连接至8台不同交换机，构建8条独立的100Gb/s并行网络，而非依赖单一800Gb/s网络。
这一改变对集群拓扑结构的影响极为明显，一台支持64个800 Gb/s端口的交换机，在拆分后可连接512个100 Gb/s端口，使得仅用两层交换机即可实现约13.1万块GPU的全互联网络。
传统800 Gb/s方案则需要三到四层交换机才能达到同等规模，层数减少直接意味着延迟降低和故障点减少。
MRC基于现有的RDMA over RoCE（融合以太网）协议扩展，支持GPU和CPU的硬件加速远程直接内存访问。
OpenAI已在Oracle Cloud Infrastructure和微软Fairwater超算上的GB200集群中部署MRC，用于训练前沿模型。
该协议也将成为OpenAI正在建设的Stargate超算的基础网络架构，该超算目标在2029年部署10GW AI算力，过去三个月已部署超过3GW。
MRC协议还向整个AI行业开放，OpenAI表示希望借此推动跨行业协作，共同解决AI基础设施中最棘手的网络难题。
【本文结束】如需转载请务必注明出处：快科技
责任编辑：黑白
科元网提示：文章来自网络，不代表本站观点。
