運用 IOWN APN 於東京至福岡間的遠端分散式 AI 基礎設施實證，確認符合工作負載特性的實用效能
運用 IOWN APN 實證東京至福岡間遠端分散式 AI 基礎設施的實用性。
📋 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16日 07:38（收集後392小時42分鐘）
GMO Internet 集團的 GMO Internet, Inc.（總部：東京都澀谷區；董事長兼集團 CEO：伊藤 正；以下簡稱 GMO Internet）、NTT East Corporation（總部：東京都新宿區；董事長：澁谷 直樹；以下簡稱 NTT East）、NTT West Corporation（總部：大阪府大阪市；董事長：北村 亮太；以下簡稱 NTT West）以及 QTnet, Inc.（總部：福岡縣福岡市；董事長：小倉 良夫；以下簡稱 QTnet）已完成運用「IOWN (Innovative Optical and Wireless Network)」的「APN (All-Photonics Network)」於東京至福岡間的遠端分散式 AI 基礎設施技術實證。
本次實證於 2025 年 11 月至 2026 年 2 月期間，在東京（儲存）與福岡（GPU）之間鋪設了 IOWN APN 實體線路，並在連接「GMO GPU Cloud」的 GPU 與大容量儲存的 AI 開發平台上，測量並評估了 AI 工作負載的效能。結果顯示，在大型語言模型（LLM）的學習方面，與本地環境相比，效能僅下降約 0.5%，影響極為有限。對於涉及資料讀取的圖像分類任務，也確認透過訓練資料的最佳化等方式，即使在遠端環境也能實現實用級別的處理，證明了透過符合工作負載特性的設計，可在遠端分散式環境中實現實用的 AI 開發。
在此實證之前，四家公司已於 2025 年 7 月進行了初步實證（Phase 1），在模擬的遠端環境（假設東京至福岡間距離約 1,000 公里）進行了效能測試，並已將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/
基於本次實證的成果，四家公司今後將持續推進旨在實現滿足客戶需求的遠端分散式 AI 基礎設施的實用化。
【背景與目的】
隨著近年來生成式 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，但為了應對資料中心空間限制以及客戶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當務之急。四家公司一直致力於透過利用 IOWN APN 的高速、大容量和低延遲特性，來探討連接遠端 GPU 和儲存的技術可行性。
▼建構 AI 開發基礎設施的挑戰範例
常見問題
What is IOWN APN?
IOWN APN (All-Photonics Network) is a next-generation network infrastructure that utilizes optical technologies to achieve high-speed, high-capacity, and low-latency communication.
What was the purpose of this technical demonstration?
The purpose was to demonstrate the feasibility and practical performance of a remote distributed AI infrastructure connecting GPUs and storage over long distances (Tokyo to Fukuoka) using IOWN APN, addressing challenges like data center space constraints and data management needs.
What were the key findings of the demonstration?
The demonstration confirmed that AI workloads, such as LLM training and image classification, could be performed with minimal performance degradation (approx. 0.5% for LLM training) compared to local environments, proving the practical usability of remote distributed AI infrastructure.
Which companies were involved in this demonstration?
The demonstration was a collaboration between GMO Internet, Inc., NTT East Corporation, NTT West Corporation, and QTnet, Inc.
What are the implications of this demonstration for AI development?
This demonstration suggests that AI development can be effectively conducted in a distributed manner across geographically separate locations, offering greater flexibility and scalability for businesses and researchers.