活用『IOWN APN』在東京-福岡間遠程分佈式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-福岡間的遠程分佈式AI基礎設施技術驗證。在大規模語言模型訓練中，與本地環境相比，性能下降僅約0.5%，確認其影響極為有限，證明了在遠程環境下進行實用AI開發的可能性。
📋 文章處理履歷
- 📰 發表: 2026年3月30日 19:31
- 🔍 收集: 2026年3月30日 22:56（發表後3小時24分鐘）
- 🤖 AI分析完成: 2026年4月22日 22:31（收集後551小時35分鐘）
GMO Internet集團旗下的GMO Internet株式會社（總部：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（總部：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（總部：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）以及株式會社QTnet（總部：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-福岡間遠程分佈式AI基礎設施的技術驗證。
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實際線路，並在連接「GMO GPU雲」的GPU和大容量儲存的AI開發平台上，測量和評估了AI工作負載性能。結果顯示，在大規模語言模型（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。對於涉及數據讀取的圖像分類任務，也透過訓練數據的優化等方式，確認即使在遠程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，在遠程分佈式環境下進行實用AI開發的可能性。
在此次驗證之前，這四家公司已於2025年7月進行了事前驗證（Phase1），在模擬東京-福岡（約1,000公里）距離的遠程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：
「啟動利用『GMO GPU雲』和低延遲線路『IOWN APN』的下一代分佈式AI基礎設施技術驗證」
技術報告：
「利用『IOWN APN』在模擬遠程環境中GPU-儲存互連性能測試的詳細內容和結果」
基於本次驗證的成果，這四家公司將繼續努力，以實現符合客戶需求的遠程分佈式AI基礎設施的實際應用。
## 【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開發平台的需求正在迅速擴大。傳統上，GPU和大容量儲存必須物理上鄰近配置。然而，為應對數據中心的空間限制以及企業希望在自有據點管理數據的需求，實現超越地理限制的分佈式AI開發平台已成為必要。這四家公司旨在透過IOWN實現這一目標，IOWN具有高速、大容量和低延遲的特點。
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實際線路，並在連接「GMO GPU雲」的GPU和大容量儲存的AI開發平台上，測量和評估了AI工作負載性能。結果顯示，在大規模語言模型（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。對於涉及數據讀取的圖像分類任務，也透過訓練數據的優化等方式，確認即使在遠程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，在遠程分佈式環境下進行實用AI開發的可能性。
在此次驗證之前，這四家公司已於2025年7月進行了事前驗證（Phase1），在模擬東京-福岡（約1,000公里）距離的遠程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：
「啟動利用『GMO GPU雲』和低延遲線路『IOWN APN』的下一代分佈式AI基礎設施技術驗證」
技術報告：
「利用『IOWN APN』在模擬遠程環境中GPU-儲存互連性能測試的詳細內容和結果」
基於本次驗證的成果，這四家公司將繼續努力，以實現符合客戶需求的遠程分佈式AI基礎設施的實際應用。
## 【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開發平台的需求正在迅速擴大。傳統上，GPU和大容量儲存必須物理上鄰近配置。然而，為應對數據中心的空間限制以及企業希望在自有據點管理數據的需求，實現超越地理限制的分佈式AI開發平台已成為必要。這四家公司旨在透過IOWN實現這一目標，IOWN具有高速、大容量和低延遲的特點。