（文/陈济深 编辑/张广凯）
美东时间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的新型网络传输协议，目标是解决大规模AI集群中GPU之间的数据传输效率问题。
OpenAI在公告中提到，ChatGPT每周活跃用户已经突破9亿。用户规模继续膨胀，背后对应的是训练、推理和调度系统的持续扩张。网络开始从底层配套，变成影响GPU有效产能的关键环节。
目前，MRC已经部署在OpenAI最大规模的超算集群中，而五家合作伙伴几乎覆盖了美国AI芯片和云计算产业的全部核心力量。
5月21日，中国大模型独角兽智谱宣布，联合清华大学与驭驯网络，在GLM-5.1线上生产集群中完成了另一种全新网络架构ZCube的规模化落地。
三个月前，智谱刚经历过一轮真实的算力危机。2月12日GLM-5上线后，全球范围内的需求激增，并发访问量突破了既有规划的上限，服务出现排队、响应延迟和卡顿。智谱多次对国产芯片集群进行扩容，限量发售GLM Coding Plan套餐，仍然无法彻底解决供不应求的局面，不得不在2月16日发公告，面向芯片厂商和算力服务商公开启动「算力合伙人」招募计划。
堆卡扩容是最直接的应对手段，但卡的供给有天花板。ZCube的落地，意味着智谱和合作伙伴给出了另一种思路：在现有GPU规模不变的前提下，从网络架构层挖掘效率空间。
过去两年，AI算力竞赛的主线是拼GPU数量。万卡集群、十万卡集群，几乎成了衡量AI公司基础设施能力的硬指标。但OpenAI和智谱几乎同时释放的信号表明，AI基建已经进入了一个新阶段：GPU之外，网络开始成为超大规模AI基础设施的下一个主战场。
算力的隐藏瓶颈：GPU仍然不够，网络更成了问题
大模型推理不是单张GPU的事。每处理一次用户请求，集群内部都要高频传递大量中间数据。
现在业界主流的做法是PD分离部署，负责「理解问题」的GPU和负责「生成回答」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。
传统的网络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堵，其他链路却没有被充分利用。结果就是，总带宽看起来够，但有效吞吐上不去，GPU只能等数据。
智谱技术团队做过一组控制变量实验：同样的GPU和软件，仅将网络带宽从100Gbps提升到200Gbps，推理总吞吐就涨了约19%，首Token时延下降了约22%。
这说明，现有集群里相当一部分GPU并没有充分释放产能。卡没坏，但路开始成为决定有效产能的关键变量。
业界沿用了二十多年的组网方式叫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交换机负责转发跨组流量，像金字塔。
英伟达在此基础上推过一个优化版ROFT，把相同编号的GPU接到同一台Leaf交换机上，训练场景下效果不错。但到了PD分离推理场景，问题暴露了。
KV Cache传输天然是不对称的，不同GPU、不同网卡承担的负载差异很大，ROFT假设的「均匀分配」不成立。少数几台Leaf交换机变成热点，PFC反压频繁触发，链路拥塞进一步放大尾时延，拖慢整个集群。
打个比方，ROFT假设每条车道上的车流量差不多，所以均匀分配红绿灯时长。实际上有几条道车特别多，有几条道几乎没车，红绿灯方案就失效了。
推翻二十年旧架构：ZCube如何破局
智谱、清华大学和驭驯网络此次落地的方案ZCube，则是选择把金字塔拍平。
这一拓扑架构此前已由清华大学、中关村实验室、驭驯网络、字节跳动等团队在ACM SIGCOMM 2025论文中系统提出。SIGCOMM是计算机网络领域公认的全球最高级别学术会议。据智谱披露，评审曾评价ZCube「显著改变了整个行业对网络的认知方式」（significantly change the way we think about and understand networking）。
此次智谱将其引入GLM-5.1 coding生产推理集群，是ZCube首次在真实大规模推理环境中完成验证。
传统Clos架构的金字塔结构里，底层交换机连GPU，顶层交换机负责转发，数据跨组传输要先上楼再下楼，路径长，也更容易形成局部拥塞。
ZCube的做法是砍掉顶层，只留底层交换机，分成两组做完全互联，再用一种混合接入方式让每张GPU同时连接两组交换机。
最终效果是，全网任意两张GPU之间只需经过两台交换机就能通信，每对GPU之间都只有一条最优路径。由拓扑映射和路径选择造成的无谓冲突，被大幅压低。
当然，这并不意味着所有拥塞都会消失。多个GPU同时向同一目的地写入数据这类不可避免的拥塞仍然存在，但那需要拥塞控制和调度策略去处理，已经不是ZCube主要解决的问题。
因为砍掉了整个顶层，ZCube还能直接减少交换机和光模块数量。按照智谱披露的数据，交换机与光模块资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，也就是128个400Gbps端口，ZCube就能构建一个连接16384块400Gbps网卡的网络。如果使用更高容量的交换机，或者将ZCube划分为多个平面，规模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止推理，训练场景下同样有效。
回到刚才的比方：ZCube不是优化红绿灯，而是重新画路网，让原本由拓扑结构造成的无谓冲突大幅减少。
智谱在一个千卡级的GLM-5.1 coding推理集群上做了实测。GPU型号、软件栈、业务代码全部不动，只把网络从ROFT换成ZCube。
据智谱披露，GPU平均推理吞吐提升15%，TTFT P99，也就是首Token时延的99分位，降低40.6%，交换机与光模块成本减少三分之一。按万卡规模估算，仅网络硬件一项可节省2.1亿至6.4亿元。
目前，该集群已在线上稳定运行超过两周，在GLM-5.1 coding推理服务中发挥着重要作用。
ZCube的部署并非软件升级，而是物理改造。布线方案、IP编址、路由策略、交换机配置全部要针对新架构重新设计。驭驯网络团队为此开发了一套完整的自动化工具链，覆盖机房布局设计、连线正确性校验、配置自动生成与批量下发，这是短时间内完成大规模生产集群改造的关键。
OpenAI走的是另一条路
OpenAI的MRC协议解决的也是大规模集群的网络瓶颈，但场景和路线都不同。
MRC主要面向训练网络，解决的是大规模GPU集群做同步预训练时，尾部延迟和链路故障拖慢整个训练作业的问题。ZCube此次落地在推理网络，对付的是PD分离场景下KV Cache传输造成的结构性拥塞。
同一类瓶颈，在训练和推理两端各有各的表现形态。
技术路线上，MRC没有像ZCube那样重构拓扑，而是在现有多平面两层以太网结构上，通过多路径并发传输和智能路由把路径利用率拉高，哪条路堵了就微秒级绕过。
MRC已经部署在OpenAI全部最大规模的英伟达GB200超算集群上，并已用于训练多个前沿模型。协议规范则通过Open Compute Project向全行业开放。
两种方案甚至不互斥，理论上可以叠加。但它们在同一个月被推到产业台前这件事本身，比单项技术更值得关注：GPU军备竞赛打了两年之后，中美两边都开始在网络层动手了。
OpenAI手握五家美国芯片和云巨头的全产业链支撑，选择在现有架构上做协议层优化；智谱联合清华和驭驯网络走产学研路径，直接从架构层重新设计。
两条路各自解决各自的问题，但共同指向一个判断：过去比的是谁能拿到更多卡，现在开始比谁能把已有卡组织得更有效率。
AI基建迎来效率时代
如果说OpenAI和智谱的共同点，是把网络推到AI基建台前，那么两家公司面对的资源约束其实完全不同。
今年5月，黄仁勋搭上特朗普的「空军一号」再度访华，英伟达在中国市场的姿态看上去比以往任何时候都积极。但姿态归姿态，H100和GB200仍受严格限制；H200虽然出现了一定松动，能否形成稳定、规模化的供给仍充满不确定性。
与此同时，国产算力正在快速补位。
智谱在2月发布算力合伙人计划时，明确提到已「多次对国产芯片集群进行扩容」。GLM-5本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，已经从单一的英伟达GPU，变成了国产芯片与存量英伟达芯片混合的多元组合。
ZCube的价值恰好在这里：它解决的是网络层的效率问题，并不绑定特定GPU产品和生态。无论集群里跑的是昇腾、寒武纪还是英伟达，只要规模上千卡、走PD分离推理，网络拥塞的瓶颈就客观存在。
ZCube省掉的三分之一交换机和光模块成本，在万卡规模下是2亿到6亿元级别的真金白银。更重要的是，这类架构优化并不依赖等待下一代GPU供给放开，而是从现有系统里直接挖效率。
ZCube还没有走出智谱成为行业通用方案，但论文、生产数据和自动化部署工具链已经把一件事讲清楚了：网络架构优化不只是实验室里的拓扑设计，而是可以直接进入生产集群、转化为吞吐和成本收益的工程能力。
当全球AI基建从单纯堆卡进入系统效率时代，这种从架构层向内挖潜的能力，正在成为中国AI产业的一张新牌。