運用 IOWN APN 於東京-福岡間遠端分散式 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，成功實證了東京與福岡之間遠端分散式 AI 基礎設施的實用性。
📋 文章處理履歷
- 📰 發表: 2026年3月31日 01:54
- 🔍 收集: 2026年3月30日 22:56
- 🤖 AI分析完成: 2026年4月15日 10:52（收集後371小時56分鐘）
GMO Internet 集團的 GMO Internet, Inc.（總部：東京都澀谷區，代表取締役社長執行役員：伊藤 正；以下稱 GMO Internet）、NTT East Corporation（總部：東京都新宿區，代表取締役社長：澁谷直樹；以下稱 NTT East）、NTT West Corporation（總部：大阪府大阪市，代表取締役社長：北村亮太；以下稱 NTT West）以及 QTnet, Inc.（總部：福岡縣福岡市，代表取締役社長：小倉 良夫；以下稱 QTnet）已完成運用「IOWN (Innovative Optical and Wireless Network)」的「APN (All-Photonics Network)」於東京與福岡之間進行遠端分散式 AI 基礎設施的技術實證。
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，並對連接「GMO GPU Cloud」的 GPU 與大容量儲存的 AI 開發平台進行了 AI 工作負載性能的測量與評估。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，也透過訓練資料的最佳化等方式，確認了在遠端環境下仍可達到實用級別的處理能力。這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 月進行了預備實證（Phase 1），在模擬東京至福岡間（約 1,000 公里）的遠端環境下進行了性能測試，並已將詳細內容作為技術報告公開。
新聞稿：https://www.ntt-east.co.jp/release/detail/20251002_01.html
技術報告：https://www.ntt-east.co.jp/release/detail/pdf/20251002_01_01.pdf
未來，四家公司將以本次實證的成果為基礎，持續推動滿足客戶需求的遠端分散式 AI 基礎設施的實用化相關工作。
背景與目的
隨著近年生成式 AI 和大型語言模型（LLM）的普及，AI 開發基礎設施的需求急劇擴大。傳統上，GPU 與大容量儲存必須物理上鄰近配置。然而，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。四家公司正利用具備高速、大容量及低延遲特點的 IOWN APN，建構遠端分散式 AI 基礎設施。
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, large capacity, and low latency, enabling new services and applications.
What was the purpose of the demonstration between Tokyo and Fukuoka?
The purpose was to demonstrate the feasibility and practical performance of a remote distributed AI infrastructure connecting GPUs in Fukuoka with storage in Tokyo, utilizing the IOWN APN, to address challenges like data center space limitations and the need for geographically dispersed AI development.
What were the key findings of the demonstration?
The demonstration confirmed that the performance degradation for LLM training was minimal (around 0.5% compared to local environments) and that practical AI development is possible in a remote distributed setting by optimizing for workload characteristics.
Who were the companies involved in this demonstration?
The companies involved were 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 performed effectively across geographically separated locations, offering greater flexibility and scalability for AI infrastructure by overcoming physical constraints.