GMO Internet, Inc.（總公司：東京都澀谷區，代表取締役社長執行役員：伊藤 正，以下稱 GMO Internet）、NTT East Corporation（總公司：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（總公司：大阪府大阪市，代表取締役社長：北村 亮太，以下稱 NTT West）、QTnet Co., Ltd.（總公司：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)」於東京至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 工作負載效能的測量與評估。結果顯示，在大型語言模型（LLM）的學習方面，與本地環境相比僅有約 0.5% 的效能下降，確認其影響極為有限。對於涉及資料讀取的圖像分類任務，也透過訓練資料的最佳化等方式，確認了在遠端環境下亦可達到實用級別的處理能力。這證明了透過針對工作負載特性進行設計，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），在模擬東京至福岡間（約 1,000 公里）的偽遠端環境下進行了效能測試，並已將詳細內容以技術報告形式公開。
新聞稿：
運用『GMO GPU Cloud』與低延遲線路『IOWN APN』啟動次世代分散式AI基礎設施技術實證
技術報告：
運用『IOWN APN』於偽遠端環境下的 GPU・儲存間連接效能測試詳情與結果
四家公司今後也將基於本次實證的成果，持續推進旨在實現滿足客戶需求的遠端分散式AI基礎設施的實用化相關工作。
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，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，但為了應對資料中心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當務之急。四家公司正利用 IOWN 具備高速、大容量且低延遲的特點...
常見問題
What is IOWN APN?
IOWN APN (All-Photonics Network) is a next-generation network technology that utilizes optical technologies to achieve high-speed, high-capacity, and low-latency communication, aiming to realize a more advanced and efficient network infrastructure.
What was the purpose of this technical demonstration?
The purpose was to demonstrate the feasibility and practical performance of a remote distributed AI infrastructure between Tokyo and Fukuoka using IOWN APN, connecting GPUs and large-capacity storage across geographical distances.
What were the key findings of the demonstration?
The demonstration confirmed that AI workloads, such as LLM training, experienced only a minimal performance degradation (around 0.5%) compared to local environments. Image classification tasks were also found to be practically feasible in the remote setup through data optimization.
Who were the participating companies?
The participating companies were GMO Internet, Inc., NTT East Corporation, NTT West Corporation, and QTnet Co., Ltd.
What are the implications of this demonstration for AI development?
This demonstration shows that it is possible to build practical and high-performance AI development infrastructure that is not limited by physical proximity, addressing data center space constraints and enabling distributed data management.
