OpenAI联手微软NVIDIA等推出MRC协议：十万级GPU集群训练告别拥堵

2026年5月5日，OpenAI 联合 AMD、Broadcom、Intel、Microsoft、NVIDIA 等芯片与云巨头，正式发布名为 MRC（Multipath Reliable Connection，多路径可靠连接） 的全新网络协议。该协议通过开放运算计划（OCP）开源，并已部署于全球最大的 NVIDIA GB200 超级电脑中，用于训练前沿 AI 模型。

传统网络瓶颈：单点故障拖垮整个集群

训练大模型的 GPU 集群规模动辄数万甚至十万张。在传统网络架构下，只要一个数据包发生延迟或交换器故障，整个同步训练步骤就会卡住，大量 GPU 被迫闲置。过去，单链路故障往往导致训练中断、重启，或浪费大量时间等待路由重新收敛，成本极高。随着集群规模扩大，这一痛点越发致命。

OpenAI 决定从底层重新设计网络，目标是让十万级 GPU 的通信达到“几乎不受故障影响”的可靠度。

MRC 三大核心设计：多平面、自适应喷撒、静态源路由

MRC 协议通过三项底层架构创新实现超低延迟与超高容错：

• 多平面（Multi-plane）拓扑：将 800Gb/s 网络接口拆分为多个小链接（如8个100Gb/s），连接至不同交换器形成平行平面。系统仅需 2 层交换器即可连接超过 10 万个 GPU，而传统架构需要 3-4 层。这大幅降低建置成本、功耗与元件数量。
• 自适应封包喷撒（Adaptive Packet Spraying）：不再让单一传输走固定路径，而是将封包分散到数百条路径上。系统动态负载平衡，探测到拥塞自动切换；若交换器过载，则启动“封包修剪（Packet Trimming）”仅转发标头以触发快速重传，减少误判。
• 静态源路由（SRv6 Source Routing）：停用传统 BGP 动态路由协议，由发送端在封包中嵌入完整路径。交换器只需遵循静态转发表，消除动态故障的复杂性。当故障发生时，MRC 能在 微秒级别 绕过故障路径，训练作业几乎感觉不到中断。

已部署于全球最大 GB200 超级电脑，��用于训练下一代模型

MRC 并非纸上谈兵。OpenAI 证实，该协议已全面部署在其所有最大型的 NVIDIA GB200 超级电脑上，包括与甲骨文（Oracle Cloud）在德州 Abilene 合作的站点以及微软的 Fairwater 超级电脑中，并正用于训练多个下一代前沿大模型。OpenAI 强调：“在生产环境中，即使每分钟有多个链接发生抖动或需要重启第一层交换器，训练作业也几乎不受影响，无需特别协调维护时间。”