OpenAI 发布 MRC 网络协议，让超大规模 GPU 集群训练更抗断、更省电

Unlocking large scale AI training networks with MRC (Multipath Reliable Connection)

OpenAI 把自家训练大模型用的网络方案 MRC（多路径可靠连接）通过 OCP 开源了。MRC 解决的是老问题：集群大到一定程度，网络抖动和链路故障会频繁卡死训练任务，GPU 空转烧钱。它的做法是把一次数据传输拆成几百条路径同时发（packet spraying），哪条路断了就在微秒级绕开，不用等全网重算路由。协议跑在 800Gb/s 网卡上，基于 ...

推荐理由：MRC 是个多路径可靠连接协议，简单说就是给 GPU 集群的通信多备几条路，一条断了还能走别的，训练不容易崩。OpenAI 通过 OCP 公开这个方案，对自建大规模训练集群的团队是个信号——他们可能也在解决类似的网络稳定性问题。但正文没给任何性能数据，延迟降多少、吞吐提多少、实际跑过多大的集群，全都没写。所以我会先打个折，这更像一个技术方向的路标，离能评估效果还差得远。