本次GMO Internet等四家公司利用IOWN APN驗證了什麼技術？

本次驗證了利用IOWN APN在東京-福岡間進行遠端分散式AI基礎設施的技術可行性，並確認了其實用性能。

這次在東京-福岡間的遠端分散式AI基礎設施技術驗證，具體使用了哪些設備和線路？

驗證在東京部署了儲存設備，福岡部署了GPU，並鋪設了IOWN APN實體線路連接兩地，同時使用了「GMO GPU雲端」。

在大型語言模型（LLM）的訓練中，與本地環境相比，性能下降幅度僅約0.5%，影響極為有限。

因為生成式AI和大型語言模型普及導致AI開發基礎設施需求擴大，加上資料中心空間限制及企業希望在自有據點管理資料的需求。

是的，在本次驗證之前，四家公司已於2025年7月進行了事前驗證（Phase 1），在模擬東京-福岡間的遠端環境中測試了性能。

AI News NQ Analysis

NQ 評分 44/100

N1 內容完整性 5

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-福岡間進行的遠端分散式AI基礎設施技術驗證。驗證結果顯示，大型語言模型訓練的性能下降僅約0.5%，證實了其在實用層面的可行性。

Q: 本次GMO Internet等四家公司利用IOWN APN驗證了什麼技術？: A: 本次驗證了利用IOWN APN在東京-福岡間進行遠端分散式AI基礎設施的技術可行性，並確認了其實用性能。
Q: 這次在東京-福岡間的遠端分散式AI基礎設施技術驗證，具體使用了哪些設備和線路？: A: 驗證在東京部署了儲存設備，福岡部署了GPU，並鋪設了IOWN APN實體線路連接兩地，同時使用了「GMO GPU雲端」。
Q: 在大型語言模型（LLM）的訓練中，與本地環境相比，使用IOWN APN的性能下降幅度是多少？: A: 在大型語言模型（LLM）的訓練中，與本地環境相比，性能下降幅度僅約0.5%，影響極為有限。
Q: 為什麼需要實現超越地理限制的分散式AI開發基礎設施？: A: 因為生成式AI和大型語言模型普及導致AI開發基礎設施需求擴大，加上資料中心空間限制及企業希望在自有據點管理資料的需求。
Q: 四家公司在本次驗證之前，是否進行過其他形式的性能測試？: A: 是的，在本次驗證之前，四家公司已於2025年7月進行了事前驗證（Phase 1），在模擬東京-福岡間的遠端環境中測試了性能。