日本GMO互联网株式会社、日本NTT东日本株式会社、日本NTT西日本株式会社及日本株式会社QTnet于3月30日宣布，已完成利用IOWN APN（全光网络）技术，在东京至福冈之间构建远程分布式AI基础设施的技术验证。
随着生成式AI和大型语言模型（LLM）的普及，AI开发基础设施的需求迅速增长。传统上，GPU与大容量存储设备必须物理邻近部署，但由于数据中心空间限制或企业希望在自有场所管理数据，亟需突破地理限制，实现分布式AI开发基础设施。
四家公司利用高速大容量且低延迟的IOWN APN，探讨了远程连接GPU与存储设备的技术可行性。
此次验证于2025年11月至2026年2月期间，在东京（存储端）与福冈（GPU端）之间铺设了IOWN APN实际线路，连接了“GMO GPU云”的GPU与大容量存储，测量并评估了AI开发基础设施的AI工作负载性能。
结果显示，即使在通过IOWN APN构建的远程分布式环境中，性能与本地环境（同一数据中心内连接）相当。与本地环境相比，大型语言模型（LLM）训练的计算性能仅下降约0.5%，而涉及数据读取的图像分类任务（ResNet）性能下降约5%。
基于此次验证的技术实用化，预计可实现以下应用场景：
保持大规模训练数据或机密数据的同时进行AI训练
无需将数据存储至外部，即可在远程云GPU上执行AI模型训练，确保数据安全。
与现有本地环境的混合使用
利用自有存储和GPU资源，同时从云端补充不足的GPU资源，灵活构建AI开发环境。
通过地方分散部署实现业务连续性计划（BCP）
地理分散计算资源和存储，保障在灾害或故障时AI处理的持续性，构建高可用性环境。
四家公司表示，未来将推动IOWN APN的普及，结合“GMO GPU云”等云服务提供商及日本地方数据中心如QTnet的合作，致力于将IOWN APN作为AI基础设施的骨干网络，推广至社会各领域。
