OpenAI apresenta MRC, protocolo de rede para supercomputadores com milhões de GPUs

A OpenAI, em colaboração com AMD, Broadcom, Intel, Microsoft e NVIDIA, apresentou o MRC (Multipath Reliable Connection), um novo protocolo de rede aberto para grandes clusters de IA. Ele ataca um problema central: como construir um supercomputador com centenas de milhares de GPUs quando a confiabilidade da rede vira o gargalo.

Como o MRC funciona

O MRC distribui os pacotes de dados por centenas de caminhos de rede ao mesmo tempo. Se um caminho falha, os dados seguem por rotas alternativas sem perder velocidade. A recuperação após falhas leva microssegundos, tão rápido que o treinamento da rede neural quase não percebe a interferência.

Os protocolos de rede tradicionais escolhem um caminho principal e só passam para o reserva se o principal quebrar. O MRC funciona com um princípio totalmente diferente: monitora centenas de caminhos potenciais em tempo real e distribui a carga dinamicamente entre os canais saudáveis. É como a diferença entre uma estrada única com desvio e uma malha de ruelas em que os carros podem seguir por qualquer rota livre.

Vantagens práticas

A principal conquista do MRC é simplificar a arquitetura dos supercomputadores. Antes, clusters com mais de 100 mil GPUs exigiam uma hierarquia de três camadas de switches Ethernet. Isso é caro, complicado de instalar e consome muita energia com refrigeração. O MRC se vira com apenas duas camadas, o que simplifica radicalmente o projeto e reduz o custo do equipamento.

• Menos equipamento de rede, o que facilita instalação e manutenção
• Menor latência de rede graças a caminhos mais diretos entre as GPUs
• Menor consumo de energia na refrigeração dos switches
• Escala melhor: a arquitetura funciona até milhões de GPUs

Um padrão aberto para o ecossistema

O MRC não é uma solução fechada de uma única empresa. A OpenAI optou por uma abordagem aberta e reuniu os principais fabricantes de equipamentos de rede: AMD, Broadcom, Intel, Microsoft e NVIDIA. Isso significa que outras empresas, provedores de nuvem e centros de pesquisa poderão adotar o MRC em seus supercomputadores.

A abertura do padrão importa justamente porque, nessa escala, até pequenas melhorias na confiabilidade e na eficiência da rede afetam o custo de treinar modelos e o ritmo de toda a indústria de IA.

O que isso significa

O MRC é uma resposta ao desafio da escala. À medida que os modelos de IA crescem, aumentam as exigências sobre a infraestrutura de computação. Uma arquitetura de rede que funciona para um cluster de 10 mil GPUs pode virar gargalo com 500 mil GPUs. O MRC permite construir supercomputadores ainda maiores sem repensar radicalmente a arquitetura.

Para a indústria, isso significa treinamento de modelos mais barato e adoção mais rápida de inovações.