（文/陈济深 裁剪/张广凯）

好意思东时期5月5日，OpenAI联合英伟达、AMD、英特尔、微软和博通，发布了一项名为MRC的新式辘集传输条约，地点是处分大范畴AI集群中GPU之间的数据传输效能问题。

OpenAI在公告中提到，ChatGPT每周活跃用户照旧窒碍9亿。用户范畴连接彭胀，背后对应的是考研、推理和退换系统的连续扩张。辘集运行从底层配套，变成影响GPU灵验产能的关键方法。

现时，MRC照旧部署在OpenAI最大范畴的超算集群中，而五家合营伙伴险些灭绝了好意思国AI芯片和云运筹帷幄产业的一齐中枢力量。

5月21日，中国大模子独角兽智谱晓喻，联合清华大学与驭驯辘集，在GLM-5.1线上出产集群中完成了另一种全新辘集架构ZCube的范畴化落地。

三个月前，智谱刚资格过一轮信得过的算力危急。2月12日GLM-5上线后，民众范围内的需求激增，并发拜访量窒碍了既有权略的上限，做事出现列队、反应延长和卡顿。智谱屡次对国产芯片集群进行扩容，限量发售GLM Coding Plan套餐，仍然无法透顶处分供不应求的局势，不得不在2月16日发公告，面向芯片厂商和算力做事商公开启动「算力合鼓励谈主」招募蓄意。

堆卡扩容是最胜仗的叮咛技能，但卡的供给有天花板。ZCube的落地，意味着智谱和合营伙伴给出了另一种念念路：在现存GPU范畴不变的前提下，从辘集架构层挖掘效能空间。

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，险些成了臆想AI公司基础设施材干的硬蓄意。但OpenAI和智谱险些同期开释的信号标明，AI基建照旧参预了一个新阶段：GPU以外，辘集运行成为超大范畴AI基础设施的下一个主战场。

算力的荫藏瓶颈：GPU仍然不够，辘集更成了问题

大模子推理不是单张GPU的事。每处理一次用户央求，集群里面齐要高频传递无数中间数据。

现时业界主流的作念法是PD分离部署，正经「协调问题」的GPU和正经「生成回话」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。

传统的辘集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驾驭。放弃等于，总带宽看起来够，但灵验隐约上不去，GPU只可等数据。

智谱技巧团队作念过一组活动变量实验：雷同的GPU和软件，仅将辘集带宽从100Gbps进步到200Gbps，推理总隐约就涨了约19%，首Token时延下跌了约22%。

这证据，现存集群里非常一部分GPU并莫得充分开释产能。卡没坏，但路运行成为决定灵验产能的关键变量。

业界沿用了二十多年的组网样子叫Clos架构。它的基本款式，是交换机一层一层往上堆，底层Leaf交换机连GPU，顶层Spine交换机正经转发跨组流量，像金字塔。

英伟达在此基础上推过一个优化版ROFT，把交流编号的GPU接到吞并台Leaf交换机上，考研场景下后果可以。但到了PD分离推理场景，问题深刻了。

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「均匀分拨」不建设。少数几台Leaf交换机变成热门，PFC反压鄙俗触发，链路拥塞进一步放大尾时延，拖慢悉数这个词集群。

打个譬如，ROFT假定每条车谈上的车流量差未几，是以均匀分拨红绿灯时长。试验上有几条谈车非常多，有几条谈险些没车，红绿灯有蓄意就失效了。

推翻二十年旧架构：ZCube何如破局

智谱、清华大学和驭驯辘集这次落地的有蓄意ZCube，则是收受把金字塔拍平。

这一拓扑架构此前已由清华大学、中关村实验室、驭驯辘集、字节跳跃等团队在ACM SIGCOMM 2025论文中系统冷漠。SIGCOMM是运筹帷幄机辘集范围公认的民众最高等别学术会议。据智谱泄漏，评审曾评价ZCube「权贵改革了悉数这个词行业对辘集的知道样子」（significantly change the way we think about and understand networking）。

这次智谱将其引入GLM-5.1 coding出产推理集群，是ZCube初度在信得过大范畴推理环境中完成考据。

传统Clos架构的金字塔结构里，底层交换机连GPU，顶层交换机正经转发，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世界杯比赛买输赢中国官网分红两组作念全齐互联，再用一种搀和接入样子让每张GPU同期聚积两组交换机。

最终后果是，全网恣意两张GPU之间只需经由两台交换机就能通讯，每对GPU之间齐只好一条最优旅途。由拓扑映射和旅途收受变成的不消冲突，被大幅压低。

自然，这并不虞味着悉数拥塞齐会消除。多个GPU同期向吞并见识地写入数据这类不成幸免的拥塞仍然存在，但那需要拥塞活动和退换政策行止理，照旧不是ZCube主要处分的问题。

因为砍掉了悉数这个词顶层，ZCube还能胜仗减少交换机和光模块数目。按照智谱泄漏的数据，交换机与光模块本钱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，也等于128个400Gbps端口，ZCube就能构建一个聚积16384块400Gbps网卡的辘集。要是使用更高容量的交换机，大略将ZCube分袂为多个平面，范畴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，考研场景下雷同灵验。

回到刚才的譬如：ZCube不是优化红绿灯，而是再行画路网，让原来由拓扑结构变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、业务代码一齐不动，只把辘集从ROFT换成ZCube。

据智谱泄漏，GPU平均推理隐约进步15%，TTFT P99，也等于首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。按万卡范畴估算，仅辘集硬件一项可从简2.1亿至6.4亿元。

现时，该集群已在线上踏实运行突出两周，在GLM-5.1 coding推理做事中施展着垂死作用。

ZCube的部署并非软件升级，而是物理纠正。布线有蓄意、IP编址、路由政策、交换机树立一齐要针对新架构再行遐想。驭驯辘集团队为此开导了一套齐全的自动化器用链，灭绝机房布局遐想、连线正确性校验、树立自动生成与批量下发，这是短时期内完成大范畴出产集群纠正的关键。

OpenAI走的是另一条路

OpenAI的MRC条约处分的亦然大范畴集群的辘集瓶颈，但场景和阶梯齐不同。

MRC主要面向考研辘集，处分的是大范畴GPU集群作念同步预考研时，尾部延长和链路故障拖慢悉数这个词考研功课的问题。ZCube这次落地在推理辘集，拼凑的是PD分离场景下KV Cache传输变成的结构性拥塞。

吞并类瓶颈，在考研和推理两头各有各的施展款式。

技巧阶梯上，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驾驭率拉高，哪条路堵了就微秒级绕过。

MRC照旧部署在OpenAI一齐最大范畴的英伟达GB200超算集群上，并已用于考研多个前沿模子。条约法式则通过Open Compute Project向全行业绽开。

两种有蓄意以至不互斥，表面上可以重叠。但它们在吞并个月被推到产业台前这件事自身，比单项技巧更值得平和：GPU武备竞赛打了两年之后，中好意思双方齐运行在辘集层出手了。

OpenAI手捏五家好意思国芯片和云巨头的全产业链撑持，收受在现存架构上作念条约层优化；智谱联合清华和驭驯辘集走产学研旅途，胜仗从架构层再行遐想。

两条路各自处分各自的问题，但共同指向一个判断：昔日比的是谁能拿到更多卡，现时运行比谁能把已有卡组织得更灵验率。

AI基建迎来效能期间

要是说OpenAI和智谱的共同点，是把辘集推到AI基建台前，那么两家公司濒临的资源照管其实全齐不同。

本年5月，黄仁勋搭上特朗普的「空军一号」再度访华，英伟达在中国阛阓的姿态看上去比以往任何时候齐积极。但姿态归姿态，H100和GB200仍受严格狂放；H200诚然出现了一定松动，能否形成踏实、范畴化的供给仍充满不细目性。

与此同期，国产算力正在快速补位。

智谱在2月发布算力合鼓励谈主蓄意时，明确提到已「屡次对国产芯片集群进行扩容」。GLM-5自身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，照旧从单一的英伟达GPU，变成了国产芯片与存量英伟达芯片搀和的多元组合。

ZCube的价值刚巧在这里：它处分的是辘集层的效能问题，并不绑定特定GPU居品和生态。无论集群里跑的是昇腾、寒武纪如故英伟达，只须范畴上千卡、走PD分离推理，辘集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，在万卡范畴下是2亿到6亿元级别的真金白银。更垂死的是，这类架构优化并不依赖恭候下一代GPU供给放开，而是从现存系统里胜仗挖效能。

ZCube还莫得走出智谱成为行业通用有蓄意，但论文、出产数据和自动化部署器用链照旧把一件事评释晰了：辘集架构优化不仅仅实验室里的拓扑遐想，而是可以胜仗参预出产集群、转动为隐约和成本收益的工程材干。

当民众AI基建从单纯堆卡参预系统效能期间世界杯比赛买输赢(中国)2026最新官方网站，这种从架构层向内挖潜的材干，正在成为中国AI产业的一张新牌。