ネットアップ合同会社は、NTT株式会社と共同で実施した概念実証実験（PoC）を完了したと発表しました。本PoCでは、IOWN APN（All-Photonics Network）とNetAppのストレージ最適化技術を組み合わせ、遠隔GPU環境でのAIトレーニング実現性を検証しています。
実証実験の概要
此次の実証実験では、NTTが開発した軽量大規模言語モデル「tsuzumi軽量版」を用い、100kmから3,000kmまでの距離を模擬した環境でAIトレーニングを実施しました。APNの低遅延・ロスレス通信特性とRDMA（Remote Direct Memory Access）を活用し、従来ネットワークで問題となる遅延やデータロスを解消。さらに、キャッシュ戦略やレプリケーションなど複数のデータアクセス方法を比較し、遠隔GPU活用における最適なアーキテクチャを評価しました。
Ms.ガジェット主な成果とデータ転送性能
実証実験では、以下の重要な成果が確認されました。
| 評価項目 | 結果 |
|---|---|
| AIトレーニング性能の劣化抑制 | 3,000kmの遠隔環境でも、同一データセンター内と比べて性能劣化を1%未満に抑制 |
| データ転送性能の向上 | APNとストレージ最適化技術の組み合わせにより、従来のIP-VPN接続比で最大約12倍に向上 |
| 電力使用効率化 | 再生可能エネルギー比率が高い地域のGPUを活用することで、最大30%の効率化を達成 |
具体的には、APN+RDMA構成ではAPN+TCP比で約2.5倍、IP-VPN+TCP比で約12倍のデータ転送性能向上を確認。これにより、トレーニングに必要な大規模データの高速読み込みが可能となりました。
Ms.ガジェットAI需要の高まりと電力課題
生成AIや大規模言語モデルの急速な普及により、企業は分散した膨大なデータを効率的に接続・活用する必要性が高まっています。一方、GPUリソースは高価で消費電力が大きく、都市部では電力単価の上昇やCO2排出削減への対応が急務となっています。そのため、グリーンエネルギーが豊富で電力効率に優れた地域にGPUを集約し、遠隔で利用する取り組みが注目されていますが、遅延によるトレーニング速度の低下が普及の障壁となっていました。
Ms.ガジェット実験構成と技術の詳細
実験では、APN+RDMA、APN+TCP、IP-VPN+TCPの3つの構成を比較しました。APNの特性に加え、NetAppのデータアクセス最適化技術（キャッシュ、レプリケーション等）を適用することで、長距離条件下での効率的なデータ転送を実現。評価の結果、APN+RDMAが最も高い性能を示し、遠隔GPU環境における最適な構成として確認されました。
Ms.ガジェット今後の展望と関係者コメント
NetAppとNTTは、今回の成果を基に以下の領域への応用拡大を進めていきます。
- テラバイト規模の画像・映像データを扱うAIワークロードへの適用
- 数百～数千GPUを用いた大規模分散学習への拡張
- 企業のAI研究開発における最適なデータセンター配置の検討支援
ネットアップ合同会社 代表執行役員社長の斉藤千春は「本PoCが示した成果は、持続可能なAIインフラの実現に向けた大きな前進であり、グリーンエネルギーの活用を最大化する次世代AIプラットフォームの姿を具現化するものです」と述べました。NTT株式会社 IOWNプロダクトデザインセンタ センタ長の渡辺真太郎氏は「電力使用効率化とGPU利用の柔軟性を同時に実現できる可能性を示せたことは、お客様企業のAI活用において大きな意義がある」としています。
Ms.ガジェット
最後までお読みいただきありがとうございました！
- 本記事の評価は当サイト独自のものです。
- 特段の表示が無い限り、商品の価格や情報などは記事執筆時点での情報です。
- この情報が誤っていても当サイトでは一切の責任を負いかねますのでご了承ください。
- 当サイトに記載された商品・サービス名は各社の商標です。
- 本記事で使用している画像は、メディアユーザーとしてPR TIMESより提供されたプレスリリース素材を利用しています。