東京と福岡を結ぶ次世代AIインフラ実証の成果が示す可能性

GMOインターネットグループ、NTT東日本、NTT西日本、QTnetの4社が、IOWN（Innovative Optical and Wireless Network）のAPN（All-Photonics Network）を利用した東京－福岡間の遠隔分散型AIインフラの技術実証を成功裏に終了しました。この取り組みは、生成AIや大規模言語モデルの急速な普及に伴うAI開発基盤のニーズに応えるものです。

実証の概要と進展

本実証は、2025年11月から2026年2月の期間にわたり、東京のストレージと福岡のGPUサーバーを接続し、AIワークロードの性能を測定しました。実際に得られたデータでは、ローカル環境と比較して大規模言語モデル（LLM）の学習性能がわずか0.5%の低下に抑えられており、非常に優れた結果が出ました。また、画像分類タスクでは、適切なデータ最適化を行った結果、遠隔環境でも実用的な処理能力を発揮することが確認されました。

このような成果は、従来のデータセンターにおける物理的な制約を超えた、地理的に分散した環境でのAI開発の実現を可能にします。

背景と目的

AI開発基盤の需要が高まる中、確保すべき環境は変貌を遂げています。以前は、GPUとストレージを近接して配置することが必要でしたが、IOWN APNの導入により、遠隔地にあるリソースを有効活用できるようになります。これにより、データを自社の管理下に置いたまま、遠隔のAIリソースを活用することが可能になるのです。このようなモデルは、特にセキュリティと内部統制が重要な金融や医療、行政の分野での活用が期待されています。

事前実証と商業化へ向けた取り組み

2025年7月には、四社共同で事前実証を行い、東京－福岡間の約1000kmを想定した疑似遠隔環境での性能テストを実施しました。その際、画像認識タスクと大規模言語モデル学習において商業利用が可能な範囲の性能を確認し、本実証に進みました。特に、ResNetやLlama2 70Bといったタスクにおける処理能力は非常に高く、商用利用の展望が開かれました。

実証の成果

本実証の成果として、以下のポイントが挙げられます。

- 大規模言語モデルの学習速度: ローカル環境での24.87分に対し、IOWN APN経由では24.99分であり、実質的な遅延の影響は0.5%未満でした。
- 画像分類の処理速度: 遠隔環境での処理でも実用レベルをクリアし、データ整形による高度なタスクの実現が可能に。

これにより、AI開発における地理的制約が大きく緩和され、効果的な開発環境が整備されることになります。

期待される活用事例

今後の展開として、以下の活用が予想されます。
1. 大規模データの保持と学習: 機密データを管理しながら、クラウドGPUを通じてAIモデルの学習が可能。
2. ハイブリッド環境の整備: 自社のリソースを活用しつつ、不足分をクラウドで補填することができる。
3. BCP対応: 災害時にも高可用性を維持できる計算資源の分散配置。

これにより、データ転送の無駄を省き、コストの削減にもつながると考えられます。