KDDI, Morgenrot и Tohoku Network начали демонстрацию распределённого дата-центра для Physical AI
Редакция ЦОД:Главное
KDDI, Morgenrot и Tohoku Network объявили о старте в сентябре демонстрационного проекта распределённого дата-центра для задач Physical AI с использованием ритейл-роботов. В испытаниях Osaka Sakai Data Center и Tama Network Center соединены сетью APN, а GPU-ресурсы виртуализированы и объединены между площадками.
- Проект имеет статус демонстрации, а не коммерческого ввода распределённого дата-центра в эксплуатацию.
- Osaka Sakai Data Center и Tama Network Center соединены через APN.
- Для объединения ресурсов двух площадок применяется платформа виртуализации GPU Morgenrot.
- Удалённый инференс сопоставляется в четырёх сценариях размещения GPU — от 0 км до размещения за пределами префектуры от 500 км.
- Расширение APN-участка до региона Тохоку заявлено как план.
KDDI, Morgenrot и Tohoku Network начали в сентябре демонстрацию распределённого дата-центра для задач Physical AI с применением ритейл-роботов. Проект был отобран в рамках японской программы координации «ватт—бит» Министерства внутренних дел и коммуникаций.
В демонстрации Osaka Sakai Data Center KDDI соединён с Tama Network Center посредством APN — All-Photonics Network. В Tama Network Center развернута имитационная сеть подключения дата-центра к пользовательским площадкам на базе Point-to-Multipoint APN. GPU-ресурсы двух центров объединяются через разработанную Morgenrot платформу виртуализации GPU.
Участники сравнивают обучение роботов в ближайшем дата-центре, удалённом дата-центре и на двух распределённых площадках. Отдельно проверяется удалённый инференс при четырёх вариантах размещения GPU: в терминале на расстоянии 0 км, в близлежащей локации в пределах префектуры от 20 км, в удалённой локации в пределах префектуры от 50 км и за пределами префектуры от 500 км. Эти расстояния относятся к ИТ-сценариям размещения GPU.
Демонстрация может показать, насколько оптическая сеть с малой задержкой и виртуализация GPU позволяют использовать удалённые вычислительные ресурсы для нагрузок, обычно требующих ближайшей площадки. При подтверждении требуемых характеристик подход потенциально повысит гибкость размещения ИИ-нагрузок и уменьшит зависимость от ресурсов одной локальной площадки. Участники также планируют расширить APN-участок демонстрации до региона Тохоку.
Проект проверяет, может ли географически распределённая GPU-инфраструктура поддерживать низколатентные задачи Physical AI. Для операторов ЦОД это представляет интерес как возможный способ гибче распределять ИИ-нагрузки при локальных ограничениях по доступной мощности и электроснабжению — при условии, что оптическая сеть обеспечит необходимые характеристики производительности и энергоэффективности.
- Impress Watch — クラウド&データセンター / 25 сентября 2026 г. · ЯпонскийПервоисточник →
Материал подготовлен редакцией ЦОД: Главное на основе указанных первоисточников.