IOWN APNが可能にする東京-福岡間でのAI開発の新時代

IOWN APNが切り拓くAI開発の新次元

東京と福岡間を結ぶ高速かつ高容量のIOWN APN（All-Photonics Network）を利用した、遠隔分散型のAIインフラ実証が成功しました。これにより、AI開発の進化が期待されています。

実証の概要と技術的意義

gMOインターネット株式会社、NTT東日本、NTT西日本、QTnetの4社が共同で行ったこの実証は、2025年11月から2026年2月にかけて実施されました。主な目的は、東京のストレージと福岡のGPUを有するデータセンターをIOWN APNを通じて接続し、AIのワークロード性能を測定することです。実証の結果、特に大規模言語モデル（LLM）の学習においてローカル環境との差が約0.5%に留まり、遅延の影響がほとんど無いことが確認されました。

この技術が示すのは、分散型AI開発基盤の実現可能性です。データを物理的に移動させることなく、計算資源から遠隔地のデータにアクセスするモデルが構築されました。このアプローチは、データ主権やセキュリティ面で厳しい要件が求められる分野において、新たな選択肢を提供します。

遠隔でも実用的なAI開発が可能に

実証は具体的にどう進められたのでしょうか。最初に行われた事前実証（Phase1）では、福岡のデータセンター内に遅延調整装置を設置し、東京-福岡間を約1,000kmと想定した条件で画像認識や言語学習のタスクを実施。ここでは処理時間の低下が商用利用に適した範囲であることが確認されました。

続く本実証（Phase2）では、実際の拠点間ネットワークとしてGMOインターネットの第2本社とQTnetのデータセンターを用い、IOWN APNで接続。さらに、福岡側にはGPUサーバー「NVIDIA HGX H100」を配置し、実際にAI学習性能を評価しました。画像分類タスクや大規模言語モデル処理タスクにおいて、遠隔環境でもローカルと遜色ない成果を挙げることができました。

- 大規模言語モデル（Llama2 70B）：

- ローカル環境：24.87分
- 遠隔環境：24.99分

- 画像分類（ResNet）：

- ローカル環境：13.72分
- 遠隔環境：14.38分

これらの結果は、データ移動を最小限に抑えた設計で、効率的なAI開発環境を実現する可能性を示唆しています。

今後の展望と活用事例

本実証がもたらす変革の中で、特に期待されるのは金融、医療、防衛、行政といった、高度なデータ統制や規制が求められる分野での適用です。遠隔位置にあるデータを自社で管理したままでAIモデルを学習可能にし、データの運搬や重複管理の必要が無くなるため、運用コストも削減されるでしょう。

また、既存のオンプレミス環境と連携を図ることで、柔軟かつ効率的なAI開発が実現され、地方分散配置によるBCP（事業継続計画）対応も可能になるなど、多岐にわたるメリットが考えられます。

本実証は単なる技術の成功に留まらず、IOWN APNがAIやクラウド基盤を支える新たな社会インフラとしての役割を果たすことを示しています。4社の連携により、これからも焦点を合わせてこの技術の普及と活用を進めていくことでしょう。

このように、東京と福岡を結ぶIOWN APNが実現する遠隔分散型AIインフラの進展には、大きな期待が寄せられています。