OpenAI 联合巨头发布 MRC 协议：微秒级故障绕行与多路径并行，彻底解决百万 GPU 集群网络拥塞难题

随着人工智能模型规模的指数级增长，传统数据中心网络架构已难以支撑数十万甚至百万级 GPU 集群的高效协同训练。网络拥塞、链路故障导致的 GPU 空转和训练中断，成为制约算力释放的最大瓶颈。

• 官方介绍：https://openai.com/index/mrc-supercomputer-networking

OpenAI 联合 AMD、微软、英伟达、博通、英特尔 等行业巨头，通过开放计算项目（OCP）正式发布 多路径可靠连接协议（MRC, Multipath Reliable Connection）。这一全新网络协议旨在通过多路径并行传输、微秒级自动绕行和静态源路由技术，彻底消除大规模 AI 训练中的网络不确定性，为即将到来的 Stargate 超级计算机项目 奠定坚实基础。

核心突破：为何 MRC 是革命性的？

1. 多平面网络架构：化整为零，天然冗余

MRC 摒弃了传统单一高速链路（如单条 800Gb/s）的设计，转而将单个网络接口拆分为多条低速子链路（如 8 条 100Gb/s），分别连接不同的交换机，构建多平面网络。

• 层级简化：仅需两层交换机即可覆盖约 13.1 万块显卡的全互联网络，而传统架构需三至四层。
• 成本与功耗双降：更少的交换机层级意味着更低的硬件成本、功耗和延迟。
• 本地流量优化: 更多流量可在零层级交换机内本地流转，提升整体吞吐效率。

2. 自适应数据包分发：数百路径并行，消除拥塞

传统协议要求单次传输固定单一路径以保序，极易引发拥塞。MRC 重构了这一模式：

• 并行传输：将单次传输的数据包拆分，分散至数百条路径、所有独立网络平面并行发送。
• 无需保序：接收端根据数据包携带的目标内存地址随到随存，无需等待按序抵达。
• 智能负载均衡：实时检测路径状态，一旦某条路径拥塞，立即切换至其他路径，均衡全网负载。

3. 微秒级故障自愈：静态源路由取代动态路由

MRC 引入 IPv6 分段路由（SRv6） 技术，用静态配置取代复杂的动态路由协议（如 BGP）：

• 源路由机制：发送端直接在数据包中指定完整传输路径（交换机标识序列）。
• 快速绕行：检测到路径故障或丢包时，MRC 在微秒级时间内停用该路径并切换，无需交换机重新计算路由。
• 数据包裁剪：若因拥塞即将丢包，交换机仅转发头部触发重传，避免误判为路径故障，减少不必要的路径切换。

实际落地效果：从“脆弱”到“坚韧”

在 OpenAI 现有的英伟达 GB200 超级计算机集群（包括甲骨文云和微软费尔沃特节点）中，MRC 已展现出卓越的性能：

三大核心优势总结

1. 极简架构，超大规模：仅用两层交换机即可构建支持超 10 万块显卡的高速网络，功耗低于传统三层/四层架构。
2. 零拥塞，高稳定：自适应负载均衡消除核心网络拥塞，大幅降低同步训练中的吞吐量波动，确保多任务共享集群时无性能干扰。
3. 静态控制，高可靠：基于 SRv6 的静态源路由彻底规避动态路由引发的隐性故障，实现故障节点的快速绕过与无缝恢复。

行业意义：开源开放，共建未来

MRC 协议的发布不仅是 OpenAI 算力战略的重要一环，更是整个 AI 基础设施行业的里程碑。通过 OCP 开源，MRC 将成为跨厂商、跨平台的标准规范，促进更广泛的生态兼容。

对于正在构建下一代大模型训练集群的企业和研究机构而言，MRC 提供了一套经过实战验证的高可靠性网络蓝图。它证明了在超大规模算力部署中，高可靠性与高效率并非不可兼得，而是可以通过架构创新实现完美统一。