# 策展 · X (Twitter) 🔥🔥🔥🔥🔥

> 作者：OpenAI (@OpenAI) · 平台：X (Twitter) · 日期：2026-05-07

> 原始來源：https://x.com/OpenAI/status/2052025532485902368

## 中文摘要

OpenAI 與 AMD、Broadcom、Intel、Microsoft、NVIDIA 合作推出 MRC 網路協定，提升超級電腦 AI 訓練效能與可靠性。

OpenAI 於 2026 年 5 月 5 日發布 Multipath Reliable Connection (MRC)，這是全新開放式網路協定，已部署於所有最大規模超級電腦，包括德州 Abilene 的 Oracle Cloud Infrastructure (OCI) 站點與 Microsoft 的 Fairwater 超級電腦，用以加速前沿模型（Frontier models）訓練。透過 [Open Compute Project (OCP)](https://opencomputeproject.org/) 開放規格，讓產業廣泛採用，解決大規模叢集中的網路擁塞與故障問題。

**合作夥伴與發布背景**
OpenAI 與 AMD、Broadcom、Intel、Microsoft、NVIDIA 攜手開發 MRC，歷時兩年，已整合至最新 800Gb/s 網路介面卡。MRC 延伸 RDMA over Converged Ethernet (RoCE) 標準，借鏡 Ultra Ethernet Consortium (UEC) 技術，並加入 SRv6 來源路由，支援大規模 AI 網路架構。規格已透過 OCP 貢獻公開，並發表論文「Resilient AI Supercomputer Networking using MRC and SRv6」，記錄實作經驗。

**網路挑戰與必要性**
訓練大型 AI 模型單步驟涉及數百萬資料傳輸，一筆延遲即波及全工作，導致 GPU 閒置。常見問題包括網路擁塞、鏈路與裝置故障，隨叢集規模擴大而加劇，尤其在同步預訓練中，單一故障如鏈路抖動會放大影響，迫使從檢查點重啟或停滯數秒，浪費 GPU 時脈與時間。Stargate 規模超級電腦設計因此視網路為關鍵，需最小化擁塞並減低故障衝擊。

**MRC 核心解決方案**
MRC 不僅追求高速，更確保預測性效能，即使故障時訓練不中斷。目標是讓單一傳輸分散至數百路徑，微秒級繞過故障，並簡化控制平面。

**多平面網路基礎**
將單一 800Gb/s 介面拆分為多個 100Gb/s 小鏈路，例如一介面連八個交換器，形成八平面平行網路。單交換器從 64 個 800Gb/s 埠擴至 512 個 100Gb/s 埠，僅需兩層交換器全連約 131,000 個 GPU，傳統 800Gb/s 設計則需三至四層。此設計降低功耗、元件數、故障點與成本，提供更多路徑多樣性，並讓更多流量留於 Tier 0 交換器，提升效能。

**適應性封包噴灑機制**
傳統 RoCE 要求單路徑傳輸，易在多平面中碰撞造成擁塞，影響同步訓練。MRC 將單傳輸封包噴灑至數百路徑跨所有平面，封包攜帶最終記憶體位址，無序到達即寫入記憶體。
- 避免熱點，防止單交易延遲拖累整體。
- 每個 MRC 連線追蹤多路徑狀態，偵測擁塞即切換路徑，平衡負載。
- 封包遺失時假設路徑故障，立即停用並重傳，後續發探針確認恢復。
- 目的地擁塞時，交換器「封包裁剪」僅轉發標頭，觸發明確重傳，減少誤判。
此組合讓 MRC 微秒級偵測故障並繞行，傳統網路需數秒至數十秒穩定。

**SRv6 來源路由取代動態路由**
傳統 BGP 等動態路由複雜，交換器軟體故障難診斷，常致連線中斷。MRC 停用動態路由，改用 IPv6 Segment Routing (SRv6)：發送端嵌入交換器 ID 序列於目的位址。
- 交換器檢查自身 ID，若匹配則移除並移位下一 ID，依靜態路由表轉發。
- 靜態表初次配置後不變，交換器僅盲從，無需重算路徑。
MRC 藉 SRv6 同時噴灑所有平面與內部多路徑，故障時直接停用，消除動態路由故障類型。

**生產環境實測成果**
MRC 已部署於所有 OpenAI 最大 NVIDIA GB200 超級電腦，用於訓練多個模型，包括 ChatGPT 與 Codex 的前沿模型。訓練網路有數百萬鏈路，每分鐘 Tier 0 與 Tier 1 間多起鏈路抖動，但 MRC 確保同步預訓練無可測影響，無需立即修復。
- 重啟四個 Tier 1 交換器時，無需協調訓練團隊。
- 維修中可邊用邊修，MRC 避開不良鏈路。
- GPU 介面至 Tier 0 鏈路故障時，訓練存活，效能降幅小於物理容量損失（如 8 埠失一埠，降 1/8 但實際更低）；MRC 偵測後重算路徑，通知對端避開，1 分內恢復即重用。

**三大關鍵優勢**
- **兩層多平面架構**：超 100,000 GPU 僅兩層乙太交換器，提供足夠冗餘，功耗低於三四層單平面。
- **無核心擁塞**：適應性噴灑消除流量變異，多工作共享叢集互不干擾，適合同步訓練。
- **快速故障繞行**：SRv6 靜態控制平面，簡化運維，避開動態路由問題。

**開放策略與影響**
MRC 加速前沿模型訓練，網路追上研究路線圖，穿越擁塞、故障與維護而不中斷 GPU 同步，為 AGI 帶來可靠效益。OpenAI 強調共享標準降低堆疊複雜度，並感謝合作夥伴在部署上的共同努力。隨著叢集成長，網路決定可用運算比例，MRC 使可靠性成為同步訓練可行關鍵，非可有可無。

## 標籤

新產品, 開源專案, 產業趨勢, OpenAI, Microsoft, NVIDIA