5 Bullet-Points aus OpenAI Podcast Ep. 18 – AI Supercomputer Networks • Multipath Reliable Connection (MRC): Neue Netzwerk-Protokoll-Kombination von OpenAI, NVIDIA, Broadcom, AMD, Intel und Microsoft für GPU-Cluster – verteilt Daten über mehrere Pfade und eliminiert Netzwerk-Ausfallzeiten durch autonome Fehlererkennung (Konvergenz in Millisekunden statt Sekunden) • Synchrone Workload-Anforderung: AI-Training erfordert, dass Tausende GPUs gleichzeitig koordiniert arbeiten – ein einzelner langsamer GPU oder Netzwerk-Ausfall stoppt den gesamten Job (worst-case/P100-Statistiken statt Durchschnittswerte entscheidend) • Netzwerk-Skalierungsproblem: GPU-Cluster haben Millionen optischer Links und mehrere tausend Switches pro Rechenzentrum – bei Verdopplung der Systemgröße halbiert sich die mittlere Zeit zwischen Ausfällen (MTBF), was ohne Lösung zu permanenten Fehlern führt • Packet Trimming-Technik: Bei Netzwerk-Überlastung wird Paket-Payload gesendet, nur der Header weitergeleitet – ermöglicht sofortige Neuübertragung und eliminiert Ambiguität zwischen Paket-Verlust und Neuordnung • Statisches Routing statt BGP: MRC ermöglicht vollständig statische Switch-Konfigurationen ohne dynamische Routing-Protokolle – reduziert Komplexität und Fehlerquellen durch lokale, dezentrale Pfad-Auswahl durch jede GPU • Standardisierung via OCP: Spezifikation wird als offener Standard über Open Compute Project veröffentlicht – industrieweite Collaboration statt proprietärer Lösungen für Infrastruktur-Scaling