MetaRoCE：为 AI 规模以太网打造的全新 RDMA 传输协议

一句话看懂：Meta 正式发布专为 AI 训练和推理场景设计的全新 RDMA 传输协议 MetaRoCE，并将其规范、参考实现和测试套件通过 OCP 开源。这套协议不再依赖交换机的无损保障，而是把重排序、路径选择等智能全部下沉到网卡，试图解决百万 GPU 规模下以太网集群的传输瓶颈。

事件核心：发生了什么

Meta 工程团队于 2026 年 8 月 24 日通过官方博客公布了 MetaRoCE 的技术细节。这是一套从零设计的 RDMA 传输协议，目标是让商品化以太网在百万 GPU 级别的 AI 集群中替代 InfiniBand。Meta 已将该协议的规范文本、参考软件实现以及合规性测试套件提交给 Open Compute Project（OCP）开放给行业使用。

MetaRoCE 的核心改变在于角色分配：传统 RoCE 依赖交换机提供无损网络和报文保序，而 MetaRoCE 将智能全部放到网卡（NIC）侧。它采用原生乱序到达设计，通过 UDP 源端口变化实现 ECMP 多路径喷洒，每个路径拥有独立的 RTT、ECN 状态和拥塞窗口。协议不再要求交换机开启 PFC 或 pause 帧，而是将网络视为有损链路，用接收端返回的公平速率提示和 256 位选择性确认位图来精确重传丢失报文。Meta 已在跨数据中心、数十万 GPU 规模的集群上验证过该协议的实际运行。

为什么重要

当前 AI 训练集群的规模已经远远超出单数据中心的容量，跨地域、多平面组网成为常态。传统 RoCE 为了保证按序交付而抑制多路径喷洒，在规模扩大后反而拖慢整体性能——一次集合通信中，最慢的传输节点决定整个任务的完成时间。MetaRoCE 把流量管理从交换机转移到网卡，利用每条路径独立的遥测数据来区分拥塞和硬件故障，避免单一坏链路拖垮整条连接。

这一协议若能通过 OCP 被更多厂商采纳，意味着以太网在 AI 算力基础设施中从“可选方案”进一步转向“默认底座”。同时，MetaRoCE 不要求交换机支持 packet trimming、INT 或 credit-based 流控，仅需现有的 ECN 和 ECMP 功能，这大大降低了现有数据中心升级的门槛。

对用户/开发者/开发者/创作者的影响

对于使用云服务或模型训练平台的开发者，MetaRoCE 的采用会间接降低大规模分布式训练的时间和成本，尤其对涉及千卡以上集群的推理服务，低延迟通信有助于改善 API 响应速度。对于网络硬件厂商和 RDMA 网卡供应商，这是明确的技术路线信号：网卡需要具备更强大的乱序处理、多路径管理和拥塞控制计算能力，固件和 SDK 的升级需求将增加。对于普通 AI 应用使用者，短期内不会感知到直接变化，但规模化训练效率的提升最终会反映在模型迭代速度和推理成本上。

值得关注的后续

目前公开信息显示，MetaRoCE 的规范与代码已通过 OCP 发布，但尚未披露具体的商用网卡支持时间表。接下来值得留意三点：一是英伟达或其他主流网卡厂商是否会在下一代产品中实现 MetaRoCE 的端点逻辑；二是该协议在跨地域、多集群场景下的实际性能数据是否会进一步公布；三是超大规模云厂商是否会跟随 Meta 的思路，在自家数据中心内部部署类似机制，进而影响主流 RDMA over Ethernet 的行业标准演进。