OpenAI携手AMD、博通、英特尔、微软、英伟达发布MRC协议，提升大规模AI训练网络韧性

5月7日，OpenAI于昨日（5月6日）发布公告，宣布携手AMD、博通、英特尔、微软和英伟达，共同推出多路径可靠连接协议，并通过开放计算项目（OCP）向全行业开放。该协议旨在解决大规模AI训练中面临的网络延迟和故障问题。

据介绍，MRC全称为Multipath Reliable Connection，基于RoCE标准扩展，并结合SRv6技术。它通过OCP向全行业开源，致力于提升超级计算机网络的性能与韧性。大规模AI训练模型时，单一数据传输的延迟可能导致整个进程中断，造成GPU闲置，而网络拥塞、链路及设备故障是主要诱因，集群规模越大，问题发生频率越高。

针对传统网络架构扩展性不足的问题，MRC采用多平面网络设计。它将单一800Gb/s接口拆分为多个较小链路，仅需两层交换机即可连接约13.1万块GPU。相比传统三层或四层架构，这一设计显著降低了网络功耗与组件数量，既降低了成本，又提升了路径多样性。

在流量调度方面，MRC引入了自适应数据包喷淋技术。与传统单路径传输不同，该技术将单一传输任务的数据包分散至数百条路径并行传输，有效避免核心网络拥塞。即使数据包乱序到达，接收端也能依据内存地址信息正确重组。

为了简化网络控制，MRC摒弃了复杂的动态路由协议（如BGP），转而采用SRv6源路由。发送端直接指定数据包路径，交换机仅需依据静态配置表转发。这种机制消除了动态路由的故障行为，使网络故障恢复时间从秒级缩短至微秒级。

实际部署数据显示，MRC已应用于NVIDIA GB200超级计算机及Oracle Cloud Infrastructure站点。在真实训练场景中，即使发生链路抖动或交换机重启，MRC也能在不中断训练任务的情况下自动绕过故障。