AMD和Meta发布MetaRoCE以支持AI规模的以太网

Meta和AMD发布了MetaRoCE，这是一种新的RDMA传输协议，旨在应对大规模AI训练和推理带来的独特网络挑战。MetaRoCE于2026年8月24日宣布，它引入了一种多路径数据传输方法，可以优化网络资源利用率并减少跨越数千个GPU的AI环境中的拥塞。该协议利用了AMD的可编程AI NIC，这是其快速开发和部署的关键推动力。

传统的以太网协议，例如RoCEv2，通常难以满足庞大AI集群的需求。这些系统需要在日益增长的加速器数量之间实现一致的高吞吐量通信。MetaRoCE通过将传输智能移至网络端点来解决这些问题。该协议动态地将流量分配到多个路径上，适应实时网络状况，并针对丢失的数据包实施选择性重传，从而确保更高的弹性和效率。

MetaRoCE如何改变现状

MetaRoCE的多路径传输功能显著不同于传统的单路径方法。通过允许数据同时流经多个网络路径，它最大程度地减少了拥塞并提高了带宽利用率。这在AI集群中尤为重要，因为作业完成时间对网络性能瓶颈非常敏感。

该协议还引入了一种由接收端驱动的拥塞管理机制。接收端NIC向发送端发出目标数据速率信号，这会限制传输并相应地安排流量。这种方法改善了流量控制，降低了网络范围内中断的可能性。

Meta在一个64节点的AMD GPU集群上进行了测试，结果显示MetaRoCE在1%数据包丢失条件下的吞吐量达到了86%，优于RoCEv2。该协议还在线性扩展到4-plane和8-plane拓扑结构时支持多达4000个并发连接，突显了其在处理大规模AI工作负载方面的稳健性。

AMD的角色：加速创新

AMD的可编程Pensando AI NIC在MetaRoCE的开发中发挥了重要作用。最初的测试在Pensando Pollara 400 AI NIC上进行，随后过渡到具有更高带宽的Vulcano 800 AI NIC。这些NIC的可编程特性使Meta能够通过软件迭代协议设计，从而避免了硬件刷新周期通常带来的延迟。

这种灵活性不仅加快了从概念验证到生产的过渡，还为未来的改进提供了路径。MetaRoCE的更新或新传输协议可以通过软件更新部署，既保留了现有硬件投资，又能跟上AI需求的不断变化。

对AI网络的更广泛影响

Meta计划在2026年10月的OCP全球峰会上，通过开放计算项目发布MetaRoCE规范、软件参考实现和合规框架。此举旨在促进整个行业的协作并加速该协议的采用。

MetaRoCE的引入突显了在AI基础设施中对自适应、可编程网络解决方案日益增长的需求。随着AI工作负载和部署模型的持续演变，基础设施提供商必须采用可以适应快速变化的灵活设计。AMD的可编程NIC和MetaRoCE代表了一种面向未来的方法，可以在无需等待新一代硬件的情况下推动进步。

对于AI行业而言，这一发展强调了高效、可扩展网络作为未来增长基石的重要性。通过MetaRoCE，AMD和Meta正在为智能网络如何推动大规模AI进步树立新的标杆。