日本KDDI、Morgenrot（モルゲンロット）和Talknet（トークネット）三家公司于9月联合启动了一项实证项目，旨在通过零售机器人应用，解决AI时代面临的电力和GPU资源短缺问题，推动分布式数据中心的发展。
此次实证项目中，KDDI将其位于日本大阪堺的数据中心与多摩网络中心通过APN（专用接入网络）连接起来。多摩网络中心则采用点对多点（Point-to-Multipoint）型APN，模拟数据中心与用户端点之间的网络连接环境。
为了验证分布在多个地点的计算资源的最优利用方式及其有效性，项目结合了各数据中心内部配置的GPU资源和由Morgenrot开发的GPU虚拟化平台，利用零售机器人开展物理AI的分布式学习与远程推理。
未来，三家公司计划将APN连接范围扩展至日本东北地区，推动区域内计算资源和电力的高效利用。通过构建分布式数据中心，加速物理AI的社会应用，助力缓解劳动力不足问题。
零售机器人分布式学习效果验证
在多摩网络中心模拟的零售店实证场景中，收集机器人作业相关的学习数据，比较“单一近端数据中心学习”、“单一远端数据中心（大阪堺）学习”以及“近端与远端数据中心联合分布式学习”三种模式下的学习时间缩短效果。
零售机器人远程推理效果验证
针对GPU部署在终端内（0公里）、县内近邻（20公里以上）、县内远端（50公里以上）及县外（500公里以上）四种不同距离的场景，比较零售机器人作业的远程推理处理效果。
