『IOWN APN』を活用した東京-福岡間の遠隔分散型AIインフラ実証において、ワークロード特性に応じた実用性能を確認
NQ 評分
50/100
尚無 AI 分析資料。
常見問題
- Q: GMO網際網路股份有限公司與其他三家公司在2025年11月至2026年2月期間，利用什麼技術進行了東京至福岡間的遠端分散式人工智慧基礎設施驗證？
- A: GMO網際網路股份有限公司、日本電信電話東日本股份有限公司、日本電信電話西日本股份有限公司與QTnet股份有限公司，利用具備高速大容量且低延遲特性的創新光與無線網路之全光網路技術進行了技術驗證。
- Q: 在第二階段的實際據點驗證中，東京與福岡之間的網路連線頻寬是多少？兩端分別配置了什麼硬體設備？
- A: 在第二階段驗證中，東京與福岡兩地透過頻寬達100GbE的全光網路進行連接，並在福岡端配置了輝達NVIDIA HGX H100型號的圖形處理器伺服器，在澀谷端則配置了DDN AI400X2的高速儲存設備。
- Q: 本次技術驗證在進行大型語言模型訓練任務時，相較於同一個資料中心內的本地環境，其訓練性能下降幅度為多少？
- A: 根據驗證實驗的數據結果顯示，在進行大型語言模型Llama2 70B的訓練任務時，經由全光網路的遠端分散式環境與本地環境相比，其性能下降幅度僅約百分之零點五，確認影響極為有限。
- Q: 四家公司在2025年7月進行的第一階段事前驗證中，使用了什麼裝置來模擬東京至福岡之間的延遲？當時設定的模擬延遲時間為多少？
- A: 四家公司在第一階段事前驗證中，於福岡的資料中心內設置了名為OTN Anywhere的延遲調整裝置，用以模擬相當於東京至福岡間約一千公里的遠端環境，當時設定的模擬延遲時間為十五毫秒。
- Q: 在第一階段事前驗證中，針對影像辨識任務進行測試時，所使用的模型名稱為何？其基準測試分數下降幅度約為多少？
- A: 第一階段事前驗證針對影像辨識任務進行測試時，使用了ResNet的模型進行基準測試，在模擬延遲條件下，確認其基準測試分數下降幅度約為百分之十二，當時判斷該結果已達到商用範圍。