OpenAI apresenta o protocolo MRC para redes de supercomputadores com milhões de GPUs

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 AI. O protocolo resolve um problema-chave: como construir um supercomputador com centenas de milhares de GPUs quando a confiabilidade da rede se torna um gargalo.

Como o MRC Funciona

O MRC distribui pacotes de dados por centenas de caminhos de rede simultaneamente. Isso significa que se um caminho falhar, os dados viajam por rotas alternativas sem perder velocidade. A recuperação de falhas ocorre em microssegundos — tão rápido que o treinamento da rede neural mal nota as interrupções. Os protocolos de rede tradicionais selecionam um caminho primário e comutam para um backup apenas se o primário falhar. O MRC funciona em um princípio fundamentalmente diferente: monitora centenas de caminhos potenciais em tempo real e distribui dinamicamente a carga entre canais saudáveis. É como a diferença entre uma única estrada com um desvio e uma rede de vielas onde os carros podem viajar por qualquer rota livre.

Vantagens Práticas

O principal sucesso do MRC é simplificar a arquitetura do supercomputador. Anteriormente, clusters com 100.000+ GPUs exigiam uma hierarquia de três níveis de comutadores Ethernet. Caro, complexo de montar e exige muita energia para resfriamento. O MRC permite apenas dois níveis, o que simplifica radicalmente o design e reduz os custos de equipamento.

• Menos equipamento de rede — montagem e manutenção simplificadas
• Latência de rede reduzida graças a caminhos mais diretos entre GPUs
• Redução no consumo de energia para resfriamento de comutadores
• Melhor escalabilidade — arquitetura funciona até milhões de GPUs

Padrão Aberto para o Ecossistema

O MRC não é uma solução fechada de uma empresa. OpenAI escolheu uma abordagem aberta e envolveu os principais fabricantes de equipamento de rede: AMD, Broadcom, Intel, Microsoft, NVIDIA. Isso significa que outras empresas, provedores de nuvem e centros de pesquisa poderão implementar o MRC em seus supercomputadores. A abertura do padrão é importante justamente porque nesses níveis de escala, até pequenas melhorias em confiabilidade e eficiência de rede afetam o custo do treinamento de modelos e a velocidade de desenvolvimento em toda a indústria de AI.

O Que Isso Significa

MRC é uma resposta ao desafio de escala. À medida que os modelos de AI crescem, aumentam as demandas sobre a infraestrutura computacional. A arquitetura de rede que funciona para um cluster de 10.000 GPUs pode se tornar um gargalo em 500.000 GPUs. O MRC permite construir supercomputadores ainda maiores sem uma revisão radical da arquitetura. Para a indústria, isso significa treinamento de modelos mais barato e implementação mais rápida de inovações.