利用『IOWN APN』在東京-福岡間遠端分散式AI基礎設施驗證中，確認了符合工作負載特性的實用性能
GMO Internet、NTT東日本、NTT西日本和QTnet四家公司，已完成利用IOWN APN在東京-福岡間進行的遠端分散式AI基礎設施技術驗證。驗證結果顯示，大型語言模型訓練的性能下降僅約0.5%，證實了其在實用層面的可行性。
📋 文章處理履歷
- 📰 發表: 2026年3月30日 19:30
- 🔍 收集: 2026年3月30日 22:56（發表後3小時26分鐘）
- 🤖 AI分析完成: 2026年4月22日 22:24（收集後551小時28分鐘）
GMO Internet集團旗下的GMO Internet株式會社（總公司：東京都澀谷區，代表取締役 社長執行役員：伊藤 正，以下簡稱GMO Internet）、NTT東日本株式會社（總公司：東京都新宿區，代表取締役社長：澁谷直樹，以下簡稱NTT東日本）、NTT西日本株式會社（總公司：大阪府大阪市，代表取締役社長：北村亮太，以下簡稱NTT西日本）、株式會社QTnet（總公司：福岡縣福岡市，代表取締役社長：小倉 良夫，以下簡稱QTnet）已完成利用「IOWN (Innovative Optical and Wireless Network)」的「APN (All-Photonics Network)」在東京-福岡間進行的遠端分散式AI基礎設施技術驗證。
本次驗證於2025年11月至2026年2月期間進行，在東京（儲存）-福岡（GPU）之間鋪設了IOWN APN實體線路，並在連接了「GMO GPU雲端」的GPU和大容量儲存的AI開發基礎設施上，測量和評估了AI工作負載性能。結果顯示，在大型語言模型（LLM）的訓練中，與本地環境相比，性能下降僅約0.5%，確認其影響極為有限。對於涉及資料讀取的圖像分類任務，也透過訓練資料的優化等方式，確認即使在遠端環境下也能進行實用級別的處理，證明了透過符合工作負載特性的設計，可以在遠端分散式環境中進行實用的AI開發。
在此次驗證之前，四家公司已於2025年7月作為事前驗證（Phase 1），在模擬東京-福岡間（約1,000公里）的遠端環境中進行了性能測試，並將其詳細內容作為技術報告公開。
新聞稿：https://internet.gmo/news/article/88/
技術報告：https://internet.gmo/news/article/87/
四家公司將繼續根據本次驗證的成果，推進符合客戶需求的遠端分散式AI基礎設施的實用化。
**【背景與目的】**
近年來，隨著生成式AI和大型語言模型（LLM）的普及，對AI開發基礎設施的需求急劇擴大。傳統上，GPU和大容量儲存必須物理上鄰近配置。然而，由於資料中心的空間限制以及企業希望在自有據點管理資料的需求，實現超越地理限制的分散式AI開發基礎設施已成為必要。四家公司一直在探討利用具有高速、大容量且低延遲特點的IOWN APN，連接遠端GPU和儲存設備的技術可行性。
**▼建構AI開發基礎設施的挑戰範例**
[建構AI開發基礎設施的挑戰範例圖片]
本次驗證於2025年11月至2026年2月期間進行，在東京（儲存）-福岡（GPU）之間鋪設了IOWN APN實體線路，並在連接了「GMO GPU雲端」的GPU和大容量儲存的AI開發基礎設施上，測量和評估了AI工作負載性能。結果顯示，在大型語言模型（LLM）的訓練中，與本地環境相比，性能下降僅約0.5%，確認其影響極為有限。對於涉及資料讀取的圖像分類任務，也透過訓練資料的優化等方式，確認即使在遠端環境下也能進行實用級別的處理，證明了透過符合工作負載特性的設計，可以在遠端分散式環境中進行實用的AI開發。
在此次驗證之前，四家公司已於2025年7月作為事前驗證（Phase 1），在模擬東京-福岡間（約1,000公里）的遠端環境中進行了性能測試，並將其詳細內容作為技術報告公開。
新聞稿：https://internet.gmo/news/article/88/
技術報告：https://internet.gmo/news/article/87/
四家公司將繼續根據本次驗證的成果，推進符合客戶需求的遠端分散式AI基礎設施的實用化。
**【背景與目的】**
近年來，隨著生成式AI和大型語言模型（LLM）的普及，對AI開發基礎設施的需求急劇擴大。傳統上，GPU和大容量儲存必須物理上鄰近配置。然而，由於資料中心的空間限制以及企業希望在自有據點管理資料的需求，實現超越地理限制的分散式AI開發基礎設施已成為必要。四家公司一直在探討利用具有高速、大容量且低延遲特點的IOWN APN，連接遠端GPU和儲存設備的技術可行性。
**▼建構AI開發基礎設施的挑戰範例**
[建構AI開發基礎設施的挑戰範例圖片]