（文/陈济深 裁剪/张广凯）

好意思东时刻5月5日，OpenAI联结英伟达、AMD、英特尔、微软和博通，发布了一项名为MRC的新式集结传输公约，标的是科罚大领域AI集群中GPU之间的数据传输效力问题。

OpenAI在公告中提到，ChatGPT每周活跃用户也曾冲破9亿。用户领域陆续彭胀，背后对应的是查考、推理和更动系统的持续扩张。集结运行从底层配套，变成影响GPU有用产能的要津步伐。

现时，MRC也曾部署在OpenAI最大领域的超算集群中，而五家和解伙伴险些心事了好意思国AI芯片和云磋磨产业的通盘中枢力量。

5月21日，中国大模子独角兽智谱文书，联结清华大学与驭驯集结，在GLM-5.1线上坐蓐集群中完成了另一种全新集结架构ZCube的领域化落地。

三个月前，智谱刚经验过一轮着实的算力危险。2月12日GLM-5上线后，民众范围内的需求激增，并发探询量冲破了既有策动的上限，劳动出现列队、反应蔓延和卡顿。智谱屡次对国产芯片集群进行扩容，限量发售GLM Coding Plan套餐，仍然无法澈底科罚供不应求的处所，不得不在2月16日发公告，面向芯片厂商和算力劳动商公开启动「算力搭伙东说念主」招募遐想。

堆卡扩容是最平直的搪塞技能，但卡的供给有天花板。ZCube的落地，意味着智谱和和解伙伴给出了另一种想路：在现存GPU领域不变的前提下，从集结架构层挖掘效力空间。

昔日两年，AI算力竞赛的干线是拼GPU数目。万卡集群、十万卡集群，险些成了斟酌AI公司基础设施智商的硬磋议。但OpenAI和智谱险些同期开释的信号标明，AI基建也曾参加了一个新阶段：GPU除外，集结运行成为超大领域AI基础设施的下一个主战场。

算力的避讳瓶颈：GPU仍然不够，集结更成了问题

大模子推理不是单张GPU的事。每处理一次用户申请，集群里面王人要高频传递多数中间数据。

当今业界主流的作念法是PD分离部署，安适「意会问题」的GPU和安适「生成回应」的GPU分开部署在不同节点上，中间有一块叫KV Cache的数据需要跨节点搬运，搬运量大且极不均匀。

传统的集结架构很难适配这种不均匀的流量模式。少数几台交换机和链路反复拥挤，其他链路却莫得被充分诳骗。舍弃即是，总带宽看起来够，但有用隐隐上不去，GPU只可等数据。

智谱时刻团队作念过一组限制变量实验：相似的GPU和软件，仅将集结带宽从100Gbps擢升到200Gbps，推理总隐隐就涨了约19%，首Token时延下落了约22%。

这阐述，现存集群里相配一部分GPU并莫得充分开释产能。卡没坏，但路运行成为决定有用产能的要津变量。

业界沿用了二十多年的组网花样叫Clos架构。它的基本形态，是交换机一层一层往上堆，底层Leaf交换机连GPU，顶层Spine交换机安适转发跨组流量，像金字塔。

英伟达在此基础上推过一个优化版ROFT，把琢磨编号的GPU接到归并台Leaf交换机上，查科场景下效力可以。但到了PD分离推理场景，问题涌现了。

KV Cache传输自然是不合称的，不同GPU、不同网卡承担的负载各异很大，ROFT假定的「均匀分派」不开发。少数几台Leaf交换机变成热门，PFC反压时常触发，链路拥塞进一步放大尾时延，拖慢所有集群。

打个比喻，ROFT假定每条车说念上的车流量差未几，是以均匀分派红绿灯时长。实际上有几条说念车异常多，有几条说念险些没车，红绿灯有遐想就失效了。

推翻二十年旧架构：ZCube奈何破局

智谱、清华大学和驭驯集结这次落地的有遐想ZCube，则是选拔把金字塔拍平。

这一拓扑架构此前已由清华大学、中关村实验室、驭驯集结、字节越过等团队在ACM SIGCOMM 2025论文中系统提议。SIGCOMM是磋磨机集结领域公认的民众最高等别学术会议。据智谱浮现，评审曾评价ZCube「显赫更变了所有行业对集结的贯通花样」（significantly change the way we think about and understand networking）。

这次智谱将其引入GLM-5.1 coding坐蓐推理集群，是ZCube初次在着实大领域推理环境中完成考证。

传统Clos架构的金字塔结构里，底层交换机连GPU，顶层交换机安适转发，数据跨组传输要先上楼再下楼，旅途长，也更容易形成局部拥塞。

ZCube的作念法是砍掉顶层，只留底层交换机，2026世界杯中国最新押注app分红两组作念绝对互联，再用一种混杂接入花样让每张GPU同期相连两组交换机。

最终效力是，全网猖狂两张GPU之间只需过程两台交换机就能通讯，每对GPU之间王人唯有一条最优旅途。由拓扑映射和旅途选拔形成的不消冲突，被大幅压低。

自然，这并不虞味着所有拥塞王人会灭绝。多个GPU同期向归并主见地写入数据这类弗成幸免的拥塞仍然存在，但那需要拥塞限制和更动战略行止理，也曾不是ZCube主要科罚的问题。

因为砍掉了所有顶层，ZCube还能平直减少交换机和光模块数目。按照智谱浮现的数据，交换机与光模块老本开支减少约三分之一。

扩展性上，使用一层容量为51.2T的交换机，也即是128个400Gbps端口，ZCube就能构建一个相连16384块400Gbps网卡的集结。若是使用更高容量的交换机，不祥将ZCube折柳为多个平面，领域可以进一步推到数万乃至数十万张GPU。

这套架构的适用范围也不啻推理，查科场景下相似有用。

回到刚才的比喻：ZCube不是优化红绿灯，而是重新画路网，让蓝本由拓扑结构形成的不消冲突大幅减少。

智谱在一个千卡级的GLM-5.1 coding推理集群上作念了实测。GPU型号、软件栈、业务代码通盘不动，只把集结从ROFT换成ZCube。

据智谱浮现，GPU平均推理隐隐擢升15%，TTFT P99，也即是首Token时延的99分位，裁减40.6%，交换机与光模块成本减少三分之一。按万卡领域估算，仅集结硬件一项可精真金不怕火2.1亿至6.4亿元。

现时，该集群已在线上踏实运行特出两周，在GLM-5.1 coding推理劳动中阐述着进攻作用。

ZCube的部署并非软件升级，而是物理校阅。布线有遐想、IP编址、路由战略、交换机成就通盘要针对新架构重新遐想。驭驯集结团队为此开发了一套圆善的自动化器用链，心事机房布局遐想、连线正确性校验、成就自动生成与批量下发，这是短时刻内完成大领域坐蓐集群校阅的要津。

OpenAI走的是另一条路

OpenAI的MRC公约科罚的亦然大领域集群的集结瓶颈，但场景和阶梯王人不同。

MRC主要面向查考集结，科罚的是大领域GPU集群作念同步预查考时，尾部蔓延和链路故障拖慢所有查考功课的问题。ZCube这次落地在推理集结，强迫的是PD分离场景下KV Cache传输形成的结构性拥塞。

归并类瓶颈，在查考和推理两头各有各的发扬形态。

时刻阶梯上，MRC莫得像ZCube那样重构拓扑，而是在现存多平面两层以太网结构上，通过多旅途并发传输和智能路由把旅途诳骗率拉高，哪条路堵了就微秒级绕过。

MRC也曾部署在OpenAI通盘最大领域的英伟达GB200超算集群上，并已用于查考多个前沿模子。公约轨范则通过Open Compute Project向全行业洞开。

两种有遐想甚而不互斥，表面上可以重叠。但它们在归并个月被推到产业台前这件事本人，比单项时刻更值得温煦：GPU武备竞赛打了两年之后，中好意思双方王人运行在集结层出手了。

OpenAI手抓五家好意思国芯片和云巨头的全产业链撑持，选拔在现存架构上作念公约层优化；智谱联结清华和驭驯集结走产学研旅途，平直从架构层重新遐想。

两条路各自科罚各自的问题，但共同指向一个判断：昔日比的是谁能拿到更多卡，当今运行比谁能把已有卡组织得更有用率。

AI基建迎来效力时期

若是说OpenAI和智谱的共同点，是把集结推到AI基建台前，那么两家公司面临的资源拘谨其实绝对不同。

本年5月，黄仁勋搭上特朗普的「空军一号」再度访华，英伟达在中国市集的姿态看上去比以往任何时候王人积极。但姿态归姿态，H100和GB200仍受严格放纵；H200固然出现了一定松动，能否形成踏实、领域化的供给仍充满不笃定性。

与此同期，国产算力正在快速补位。

智谱在2月发布算力搭伙东说念主遐想时，明确提到已「屡次对国产芯片集群进行扩容」。GLM-5本人也已完成与华为昇腾、寒武纪、摩尔线程等多家国产芯片平台的推理适配。

中国AI公司手里的牌，也曾从单一的英伟达GPU，变成了国产芯片与存量英伟达芯片混杂的多元组合。

ZCube的价值赶巧在这里：它科罚的是集结层的效力问题，并不绑定特定GPU居品和生态。不管集群里跑的是昇腾、寒武纪如故英伟达，只消领域上千卡、走PD分离推理，集结拥塞的瓶颈就客不雅存在。

ZCube免却的三分之一交换机和光模块成本，在万卡领域下是2亿到6亿元级别的真金白银。更进攻的是，这类架构优化并不依赖恭候下一代GPU供给放开，而是从现存系统里平直挖效力。

ZCube还莫得走出智谱成为行业通用有遐想，但论文、坐蓐数据和自动化部署器用链也曾把一件事评释晰了：集结架构优化不仅仅实验室里的拓扑遐想，而是可以平直参加坐蓐集群、滚动为隐隐和成本收益的工程智商。

当民众AI基建从单纯堆卡参加系统效力时期2026世界杯最新押注登录平台，这种从架构层向内挖潜的智商，正在成为中国AI产业的一张新牌。