Architecture Shift
影响: Major
强度: High
置信: 85%
AMD联合OpenAI发布下一代AI训练网络传输协议MRC
内容摘要
AMD联合OpenAI、微软等行业领导者发布Multipath Reliable Connection（MRC）协议规范，旨在解决RoCEv2在超大规模AI训练集群中的性能瓶颈。该协议通过智能包喷洒、选择性重传和网络信号拥塞控制等机制，提升网络带宽利用率和训练任务弹性。
核心要点
AMD官方博客宣布，为应对万亿参数规模AI模型训练的挑战，其与OpenAI等共同开发了MRC传输协议。该协议针对传统RoCEv2在单路径限制、链路故障恢复和低效重传（go-back-N）等方面的不足，引入了多项关键改进。
核心创新包括：1) 智能包喷洒负载均衡，利用ECMP实现多路径并发传输；2) 基于SACK/NACK的选择性丢包重传，减少网络开销；3) 源自超以太网联盟（UEC）规范的网络信号拥塞控制（NSCC），替代PFC以缓解大规模拥塞传播。
AMD深度参与了协议定义，贡献了NSCC拥塞控制算法，并扩展了IB/RDMA传输语义以兼容现有编程模型。其Pensando Pollara 400 AI网卡已在MI350/355集群中完成验证，下一代“Vulcano”800网卡正为MI400系列进行适配。
核心创新包括：1) 智能包喷洒负载均衡，利用ECMP实现多路径并发传输；2) 基于SACK/NACK的选择性丢包重传，减少网络开销；3) 源自超以太网联盟（UEC）规范的网络信号拥塞控制（NSCC），替代PFC以缓解大规模拥塞传播。
AMD深度参与了协议定义，贡献了NSCC拥塞控制算法，并扩展了IB/RDMA传输语义以兼容现有编程模型。其Pensando Pollara 400 AI网卡已在MI350/355集群中完成验证，下一代“Vulcano”800网卡正为MI400系列进行适配。
重要性说明
这标志着AI基础设施网络层正经历架构级演进。MRC若成为行业标准，将重塑超大规模AI集群的网络设计范式，从依赖无损网络硬件（PFC）转向更智能、软件定义的传输层协议，直接影响未来AI算力集群的构建成本与效率。
PRO 决策建议
**控制层转移型**
厂商：应评估在智能网卡或交换机中集成或支持MRC协议的机会，控制新兴的AI优化传输层软件栈。不行动可能在未来AI数据中心网络标准中失去话语权。
企业：为未来AI基础设施规划时，需将网络传输协议（如MRC vs RoCEv2）作为关键评估维度，其选择将影响集群规模上限和运维复杂度。建议在12-18个月内进行技术验证。
投资者：关注价值从传统网络硬件（如支持PFC的交换机）向AI优化网络软件栈和智能网卡（如DPU）迁移的趋势。监测超以太网联盟（UEC）及主要云厂商对MRC的采纳信号。
厂商：应评估在智能网卡或交换机中集成或支持MRC协议的机会，控制新兴的AI优化传输层软件栈。不行动可能在未来AI数据中心网络标准中失去话语权。
企业：为未来AI基础设施规划时，需将网络传输协议（如MRC vs RoCEv2）作为关键评估维度，其选择将影响集群规模上限和运维复杂度。建议在12-18个月内进行技术验证。
投资者：关注价值从传统网络硬件（如支持PFC的交换机）向AI优化网络软件栈和智能网卡（如DPU）迁移的趋势。监测超以太网联盟（UEC）及主要云厂商对MRC的采纳信号。
💬 评论 (0)