ネットワンシステムズとNTT西日本、IOWN APNを活用した分散データセンターでのAI処理を実証

　ネットワンシステムズとNTT西日本は、IOWN オールフォトニクス・ネットワーク（All-Photonics Network／以下、IOWN APN）を活用した次世代オートメーション実証の結果、模倣動作によるモデル学習における分散データセンターの有効性、自律型協働ロボティクスの遠隔推論、マルチベンダーデバイスとのAPN接続といった有効性を確認したと発表した。

実証の概要

　NTT西日本が運営するIOWN APN実証環境として、大阪京橋、堂島および福岡の3拠点を接続し、分散データセンターでAI処理を行うシステム構成の実験を実施。また、このシステム構成上で、模倣学習によるAI基盤でのモデル学習と、IOWN APN経由での自律型協働ロボティクスの実験を実施したとのことだ。

• 実施期間：2025年8月27日～11月18日
• 実施場所：大阪府大阪市、福岡県福岡市

役割分担

ネットワンシステムズ

• 分散クラスタ型AI基盤およびIOWN APNとの統合設計・インテグレーション
• 機能・性能検証、ユースケース創出とビジネスモデル検討
• 模倣学習による協働ロボティクス環境の提供（※TechShareの技術を利用）

NTT西日本

• IOWN APNに関する3拠点実証環境の構築・提供
• ユースケースの実証、ビジネスモデル検討

実証の成果

　大阪京橋、堂島および福岡の3拠点をIOWN APNで接続し、分散データセンターを構成した環境において、自律型協働ロボティクスの模倣動作によるモデル学習および遠隔推論動作に成功したとのことだ。

　この取り組みは、労働人口減少などの社会課題解決に向けた次世代オートメーションの実現を目指し、AIの処理負荷を分散データセンターで制御・管理する新たなシステム構成の有効性を確認したものだという。これにより、社会実装の可能性を高める重要な成果になったと述べている。

主な成果

• 自律型協働ロボティクスの模倣動作によるモデル学習における分散データセンターの有効性の確認
• IOWN APNによる遠隔からの自律型協働ロボティクスの推論動作への影響確認
• OpenZRを用いたマルチベンダーデバイスによるAPN接続の実現

　約600km離れた拠点を含む3拠点のGPUノードを活用した分散学習において、ネットワーク遅延に対するチューニングを実施した結果、ローカルデータセンター環境と比較して約86.0％の処理能力を達成（学習時間は約1.17倍）。この結果、自律型協働ロボティクスの模倣学習によるモデル学習において、分散データセンター間であっても複数のGPUを同時に利用し、GPUリソースを効率的に活用できる可能性を確認したとのことだ。

　また、IOWN APN経由で、福岡拠点のデータセンターに配置した学習済みモデルを用いた推論処理を稼働させ、約600km離れた大阪京橋に設置した自律型協働ロボティクスの推論動作を実行できることを確認したという。同実証では、以下の3環境で比較検証を行ったとしている。

1. 大阪京橋（ローカル）
2. 福岡（遠隔拠点）
3. インターネット疑似環境

　ロボットの推論処理は、カメラ映像を都度データセンターに送信し、処理結果を受け取る仕組みであるため、ネットワーク帯域と遅延が推論頻度（単位時間あたりの推論回数）に直接影響するという。その結果、以下のような差異が確認されたとのことだ。

　推論頻度の低下は、データ伝送の遅延による影響であり、一定以下になると正常な動作が困難であることがわかったという。今回の結果では、IOWN APN経由では約600km離れた環境でもロボットの推論動作が安定して実行可能であることを確認しており、今後はロボット固有の要因も考慮しつつ、ネットワーク遅延が正常動作に与える影響の閾値を見定めていくと述べている。

　また、同実証環境において、IOWN APNとのマルチベンダーデバイスによるAPN接続にも成功したとのこと。具体的には、HPE（旧 Juniper Networks）、およびアリスタネットワークスの400GコヒーレントオプティクスをAPN-T代替として商用スイッチに搭載しIOWN APNに接続、ネットワークの正常動作（リンクアップ、疎通、通信帯域、性能）を確認したという。この成果により、APNの導入において多様なニーズに対応可能な柔軟な実装方法への可能性が広がったとしている。

【関連記事】
・ゲットワークスと東北電力、宮城県の遊休地にコンテナ型データセンターを新設へ
・AirTrunk、大阪にハイパースケールデータセンター建設へ　AIワークロード需要に対応
・大和ハウス工業、モジュール型データセンター商品を2026年1月より提供　JDCCの最高レベルに準拠