UCCL-EP开源：支持任意网卡实现专家并行，移除GPU通信依赖

近日，一项名为 UCCL-EP 的开源技术项目在技术社区引发关注。该项目提出了一种创新的通信协议，旨在优化大模型训练中的“专家并行”。在传统的大规模分布式训练，特别是 Mixture of Experts (MoE) 架构中，高效的 All-to-All 通信往往依赖于昂贵的特定网卡或 GPU 主动发起的通信机制。UCCL-EP 的核心价值在于打破了这一硬件限制，允许在任何标准网卡（NIC）上实现类似 DeepEP 的高效通信模式，并彻底消除了由 GPU 发起通信的需求。这一改进不仅释放了 GPU 的计算资源，使其专注于核心的张量运算，还通过降低网络硬件要求，显著降低了高性能 AI 训练集群的构建成本。该技术为构建低成本、高吞吐量的 AI 基础设施提供了新的可行性路径。

事件分析

💡 核心观点：通过软件层解耦通信与硬件绑定，该技术有望大幅降低MoE大模型训练的硬件门槛与成本。