OpenAI presenta MRC, un protocolo de red para supercomputadores con millones de GPU

OpenAI, en colaboración con AMD, Broadcom, Intel, Microsoft y NVIDIA, ha presentado MRC (Multipath Reliable Connection), un nuevo protocolo de red abierto para grandes clústeres de IA. Aborda un problema clave: cómo construir un supercomputador con cientos de miles de GPU cuando la fiabilidad de la red se convierte en el cuello de botella.

Cómo funciona MRC

MRC distribuye los paquetes de datos por cientos de rutas de red al mismo tiempo. Si una ruta falla, los datos circulan por rutas alternativas sin perder velocidad. La recuperación tras un fallo tarda microsegundos, tan rápido que el entrenamiento de la red neuronal apenas nota la interrupción.

Los protocolos de red tradicionales eligen una ruta principal y solo cambian a una de respaldo si la principal se rompe. MRC funciona con un principio radicalmente distinto: monitoriza cientos de rutas potenciales en tiempo real y reparte dinámicamente la carga entre los enlaces sanos. Es como la diferencia entre una carretera con desvío y una red de callejuelas por las que los coches pueden circular por cualquier ruta libre.

Ventajas prácticas

El principal logro de MRC es simplificar la arquitectura de los supercomputadores. Antes, los clústeres con más de 100 000 GPU requerían una jerarquía de tres niveles de conmutadores Ethernet. Es caro, complejo de instalar y exige mucha energía para refrigeración. MRC se las arregla con solo dos niveles, lo que simplifica radicalmente el diseño y reduce los costes de equipamiento.

• Menos equipamiento de red, lo que facilita la instalación y el mantenimiento
• Menor latencia de red gracias a rutas más directas entre GPU
• Menor consumo de energía para refrigerar los conmutadores
• Mejor escalabilidad: la arquitectura funciona hasta millones de GPU

Un estándar abierto para el ecosistema

MRC no es una solución cerrada de una sola empresa. OpenAI optó por un enfoque abierto y reunió a los principales fabricantes de equipos de red: AMD, Broadcom, Intel, Microsoft y NVIDIA. Esto significa que otras empresas, proveedores de nube y centros de investigación podrán implantar MRC en sus supercomputadores.

La apertura del estándar importa precisamente porque, a esta escala, incluso mejoras pequeñas en la fiabilidad y la eficiencia de la red afectan al coste de entrenar modelos y al ritmo de toda la industria de la IA.

Qué significa

MRC es una respuesta al reto de la escala. A medida que crecen los modelos de IA, aumentan las exigencias sobre la infraestructura de cómputo. Una arquitectura de red que funciona para un clúster de 10 000 GPU puede convertirse en un cuello de botella con 500 000 GPU. MRC permite construir supercomputadores aún mayores sin replantear radicalmente la arquitectura.

Para la industria, esto se traduce en un entrenamiento de modelos más barato y una adopción más rápida de las innovaciones.