19 ноября 2026 года Microsoft анонсировала предварительную версию RDMA over USB4 для Windows 11. Технология позволит соединить два или несколько совместимых ПК кабелями USB4 и распределить одну ИИ-модель между их памятью и графическими процессорами. Специализированные серверные сетевые карты и отдельный коммутатор для этого не понадобятся.
Это пока не готовая функция Windows: сборка должна появиться позднее в экспериментальном канале Future Platforms программы Windows Insider. Microsoft уже открыла провайдер NetworkDirect для USB4, инструменты проверки соединения и экспериментальную версию llama.cpp, но включать механизм придётся вручную с тестовой подписью драйверов и изменением реестра.
Практический смысл разработки не в том, чтобы автоматически удвоить скорость двух компьютеров. Она нужна прежде всего для моделей, которые не помещаются в памяти одного ПК. Независимые эксперименты с Intel AI PC и Mac Studio показывают общий принцип: суммарная ёмкость действительно растёт, но обмен данными и самый медленный узел могут съесть большую часть выигрыша в производительности.

Что происходит
Обычная локальная ИИ-модель хранит веса и выполняет вычисления на одном компьютере. Если памяти не хватает, разработчику приходится сильнее сжимать модель, выбирать меньшую версию, переносить работу в облако или собирать серверный кластер.
RDMA, или прямой доступ к памяти удалённого компьютера, сокращает накладные расходы при передаче данных. Вместо прохождения через большую часть обычного сетевого стека данные перемещаются непосредственно между зарегистрированными областями памяти двух систем. Windows уже поддерживает программный интерфейс NetworkDirect для серверных сетей Ethernet и InfiniBand; новая реализация переносит тот же подход на USB4.
Microsoft испытывала предварительную версию на выбранных компьютерах с AMD Ryzen AI Max, объединяя до трёх ПК, а также на системах с Intel Core Ultra Series 3 и Thunderbolt 4, где кластер включал до четырёх машин. Это перечень протестированных платформ, а не окончательная таблица совместимости.
Компания также подчёркивает, что одного подходящего кабеля недостаточно. Потребуются обновлённые драйверы USB4, провайдер NetworkDirect и среда выполнения, которая умеет разделять конкретную модель. В демонстрационном стенде эту роль выполняет изменённая llama.cpp. Обычная программа, рассчитанная на одну видеокарту, не начнёт использовать второй компьютер автоматически.
Как модель делится между компьютерами
Память нескольких ПК не превращается в единый физический массив. У каждого процессора остаётся собственная память, а программа решает, какую часть весов и вычислений закрепить за каждым узлом. Поэтому доступная ёмкость складывается лишь логически, а задержка внешнего соединения никуда не исчезает.
Один из вариантов — конвейерный параллелизм. Модель делят по слоям: первый компьютер обрабатывает свою часть и передаёт следующему промежуточный результат, называемый активациями. Исследователи Intel использовали такую схему с заранее собранными фрагментами OpenVINO. Она позволила четырём ПК на Lunar Lake запустить модель на 70 млрд параметров, которая не помещалась ни на одном из них отдельно.
Другой вариант — тензорный параллелизм, который Microsoft добавила в экспериментальную llama.cpp. В этом случае между устройствами делятся операции внутри отдельных слоёв. Процессоры могут считать одновременно, но при создании каждого токена им приходится многократно синхронизироваться. Поэтому важна не только максимальная пропускная способность кабеля, но и задержка каждого обмена.
При генерации ответа модель сначала обрабатывает исходный запрос, а затем последовательно создаёт токены. Между этими этапами возможен разный результат: дополнительный компьютер способен немного ускорить генерацию, но замедлить начальную обработку длинного текста из-за постоянной синхронизации.
Что показывают цифры
В измерениях Microsoft круговая задержка небольших сообщений между двумя ПК через RDMA over USB4 составляла примерно 28–50 микросекунд. Это приблизительно в четыре раза меньше, чем при использовании Ethernet поверх того же соединения USB4. Переход от 40 к 80 Гбит/с удваивал доступную полосу, но почти не менял задержку.
Эти результаты получены самой Microsoft на предварительной реализации. Они показывают возможности транспорта, но не гарантируют такого же ускорения любой модели: итог зависит от процессоров, памяти, сборки фреймворка, способа разделения весов и топологии соединений.
Исследование Intel даёт пример другой схемы. Конвейер из двух узлов с Llama 3.1 8B в четырёхбитном формате при двух одновременных пользователях обеспечил в 1,79 раза большую пропускную способность, чем один запрос на том же оборудовании. Четыре узла запустили 70-миллиардную модель с интерактивной скоростью. Однако рост пропускной способности для нескольких пользователей нельзя приравнивать к ускорению одного диалога в 1,79 раза.
Независимый эксперимент с двумя неодинаковыми Mac Studio оказался менее впечатляющим. Llama 3.3 70B размером около 40 ГБ помещалась на каждом компьютере по отдельности. При распределении через RDMA генерация ускорилась примерно на 15%, но обработка запроса стала более чем вдвое медленнее. Выбор программного механизма обмена повлиял на результат сильнее, чем подключение второй машины само по себе.
Когда автор теста распределил модель MiMo объёмом 164 ГБ, она запустилась, но выдавала только 0,86 токена в секунду. Компьютеры получили равные части модели, и младший Mac с 96 ГБ памяти почти исчерпал запас и начал использовать подкачку. Более мощный узел простаивал, ожидая медленный.
Нужно учитывать и накопитель. В использованной программе exo полный файл весов загружался на каждый Mac, хотя в оперативной памяти компьютер держал только свою часть. Кластер позволил сложить память для вычислений, но не сократил требуемое место на диске.
Кто выигрывает и кто платит за обмен данными
Такой кластер полезен разработчикам и небольшим командам, у которых уже есть несколько совместимых компьютеров, но нет одной машины с достаточной памятью. Он может открыть доступ к более крупной модели без серверных сетевых карт и сохранить обработку кода или документов на собственном оборудовании.
Лучший сценарий — задача, которая вообще не запускается на одном узле. Тогда даже умеренная скорость кластера лучше невозможности загрузить модель. Это особенно важно для моделей с открытыми весами, локального поиска по документам и экспериментов, где данные нельзя отправлять внешнему оператору.
Если модель свободно помещается на одном мощном компьютере, кластер часто проигрывает по простоте и предсказуемости. Внутреннее соединение памяти и ускорителя быстрее внешнего кабеля, а самый медленный узел задаёт темп каждого токена; при разрыве соединения NetworkDirect приложение должно восстановить его. Кластеру нужны одинаково настроенные версии системы, совместимые драйверы, свободные порты и фреймворк с подходящим способом распределения.
Особенно плохо сочетаются заметно разные компьютеры. Самый слабый участник способен задавать темп всей цепочке. Разделение модели также не гарантирует экономии дискового пространства и может увеличить энергопотребление по сравнению с одной системой.
Альтернатива — компьютер с большой общей памятью. За день до анонса Microsoft Nvidia начала продажи компактных RTX Spark от Asus, Dell и MSI с объёмом общей памяти до 128 ГБ. Компания заявляет локальный запуск поддерживаемых моделей до 120 млрд параметров. Это более простая архитектура из одного узла, но она требует покупки отдельного устройства и тоже не гарантирует, что любая модель указанного размера поместится вместе с контекстом и служебными данными.
Последствия для разработчиков в России
Новый режим Microsoft пока нельзя считать доступным инструментом: дата выхода сборки не названа, окончательные требования к оборудованию не опубликованы, а сама функция предназначена для экспериментального канала Windows Insider. Покупать компьютеры специально под неё до независимых тестов рискованно.
Для российских разработчиков практический интерес состоит прежде всего в возможности использовать уже имеющееся оборудование с открытыми моделями без оплаты каждого запроса зарубежному API. После загрузки весов распределённая генерация может идти внутри локальной сети, однако установка программ, получение моделей и обновлений первоначально потребуют доступа к соответствующим ресурсам.
Перед сборкой кластера нужно проверить четыре вещи: поддерживает ли каждый компьютер USB4 или совместимый режим Thunderbolt; хватает ли памяти самому слабому узлу для назначенной ему части; умеет ли выбранный фреймворк распределять нужную архитектуру; насколько задержка обмена влияет именно на используемую длину контекста и число одновременных запросов.
Пока разумнее воспринимать RDMA over USB4 как перспективный способ увеличить доступную память, а не как обещание бесплатного ускорения. Окончательный выбор между несколькими ПК, одной рабочей станцией и облаком зависит от размера модели, частоты работы, требований к конфиденциальности и стоимости уже имеющегося оборудования.
Вопросы и ответы
- Можно ли объединить видеопамять двух компьютеров?
Фреймворк может логически распределить одну модель между памятью нескольких узлов. Физически память остаётся раздельной, а промежуточные данные передаются по USB4 или другой сети. Складывается доступная ёмкость, но не скорость обращения к ней.
- Достаточно ли соединить два ПК кабелем USB4?
Нет. Нужны совместимые контроллеры и драйверы, провайдер RDMA, поддерживаемая версия Windows и среда выполнения, умеющая разделять модель. Предварительная реализация Microsoft также требует тестовой подписи и ручного включения через реестр.
- Появилась ли функция в обычной Windows 11?
Нет. 19 ноября Microsoft только анонсировала предварительную версию. Компания обещает позднее выпустить её для Windows Insider в экспериментальном канале Future Platforms, но точную дату не назвала.
- Станет ли модель работать вдвое быстрее на двух ПК?
Не обязательно. В независимом тесте двух Mac генерация ускорилась примерно на 15%, тогда как начальная обработка запроса стала более чем вдвое медленнее. Результат зависит от модели, фреймворка, задержки соединения и баланса между узлами.
- Когда кластер действительно имеет смысл?
Когда модель не помещается в памяти одного компьютера, а подходящие машины уже есть. Если модель свободно работает на одном узле, одиночная система обычно проще и может оказаться быстрее.
- Можно ли после настройки работать без облачного API?
Да, если веса модели и все необходимые программы находятся на компьютерах, а выбранная среда выполнения не требует внешнего сервиса. Это не означает полной независимости от интернета: он может понадобиться для первоначальной загрузки и обновлений.
