新たなAI開発基盤『IOWN APN』の実証結果から見る未来の遠隔分散型インフラ

遠隔分散型AIインフラの技術実証結果

GMOインターネット株式会社、NTT東日本株式会社、NTT西日本株式会社、株式会社QTnetの4社は、最新の光通信技術『IOWN (Innovative Optical and Wireless Network)』の『APN (All-Photonics Network)』を活用し、東京から福岡までの遠隔分散型AIインフラの技術実証を実施しました。この実証では、AI開発基盤の性能を測定し、都市間でのデータ処理の実用可能性を確認しました。

実証の概要と実施内容

今回の実証は2025年11月から2026年2月にかけて行われ、Tokyo（ストレージ施設）とFukuoka（GPUサーバー）を結ぶ実回線が敷設されました。AI開発基盤としては、GMOの『GMO GPUクラウド』が利用され、その性能評価が行われました。大規模言語モデル（LLM）の学習では、接続による性能低下がわずか0.5%程度にとどまり、これは極めて小さな影響であると認識されました。例えば、画像分類のタスクにおいても、新たなデータ読み込みの最適化により、遠隔環境でも実用レベルでの性能が示されました。

背景とニーズ

近年、AI技術の普及に伴い、特に生成AIやLLMに対する需要が急速に高まっています。従来、AI開発にはGPUと大容量ストレージが物理的に近接する必要がありましたが、これはデータセンターのスペース不足や、自社施設でのデータ管理を希望する企業にとって制約となります。そこで、地理的制約を越えた分散型開発基盤のニーズが高まっており、IOWN APNの導入が期待されています。

事前実証と本実証

事前実証(Phase1)は2025年7月に行われ、疑似遠隔環境での性能テストを実施しました。この段階ですでに、過去のデータを基に商用利用範囲内での性能が確認されていました。続く本実証(Phase2)では、実際の拠点間を接続し、GMO GPUクラウドの高速ストレージとGPUを連携させる形で画像認識や言語学習における性能を測定しました。

実証結果の詳細

本実証から得られた結果を見てみると、以下のような数値が示されました:

- LLM学習タスク

- ローカル環境での時間: 24.87分
- 遠隔環境（IOWN APN経由）: 24.99分
- 遅延の影響は約0.5%であり、効率的に処理できることが確認されました。

- 画像分類タスク

- ローカル環境: 13.72分
- 遠隔環境: 14.38分
- データの整形によって遅延があったにも関わらず、実用的な処理が行えることが証明されました。

システムの意義

本実証の成功は、遠隔にある計算資源とデータの分離による課題の解決に寄与します。これまでAI学習においては、データをデータセンターに移動させることが一般的でしたが、今回のモデルは「データを動かさず、計算資源がデータにアクセスする」新たな手法を提案しています。これにより、データ転送にかかる時間やコストの削減が期待できるほか、データの管理負担も軽減されます。

特に、金融や医療、公共機関などデータ管理が厳格な分野では、自社のデータを保持したままクラウドのGPUリソースを活用できるこのモデルが、多大な利便性をもたらすと考えられています。

今後の展開

4社は今後もこの実証の成果を活かしながら、利用者のニーズに合った遠隔分散型AIインフラの実用化に向けて取り組んでいく計画です。高速大容量で低遅延のIOWN APN技術を基盤にした新しいAI開発環境は、今後のビジネスや社会のあり方を変える可能性を秘めています。

以上、東京-福岡間の人工知能インフラに対する技術実証の内容をお伝えしました。今後の進展に期待が高まります。