約7,500億（750B）パラメータを誇る超大型MoE（Mixture-of-Experts）モデルである「GLM-5.3」クラスのAIモデルをフル稼働（大規模推論・ファインチューニング・分散学習など）させるには、一般的なデータセンターではなく、高電力密度・液冷設備・高速インターコネクト（InfiniBand/NVLink）を備えた「AI特化型データセンター（高密度DC）」が必要となる。
日本国内において、このクラスのモデルをフルで運用・稼働できるスペックを備えたデータセンターは、用途に応じて約30〜40施設存在する。
🔷用途別の稼働可能データセンター数
1. 大規模サービス運用・並列推論・追加学習（超大型AIデータセンター）
• 対応施設数：約30〜40施設
• 必要な環境：数百〜数千枚規模の最先端GPU群（NVIDIA H100 / H200 / B200 / GB200など）、ラックあたり30kW〜100kW以上の高電力供給、液冷対応。
• 主な国内の代表拠点：
◦ ソフトバンク：旧シャープ堺工場跡地（大阪）のAIデータセンター、苫小牧AIデータセンター（北海道・約300MW規模）
◦ さくらインターネット：石狩データセンター（北海道・1万枚超のGPU大規模計算基盤）
◦ NTTグループ / NTTデータ：千葉県印西エリアや関西エリアの超大型AI特化DC（IOWN光技術導入拠点含む）
◦ KDDI / GMOインターネット / NEC：多摩・堺・石狩などのGPUクラウド・高密度DC拠点
2. 外資系メガクラウドの日本リージョン（クラウド経由のフル稼働）
• 対応ゾーン数：約15〜20アベイラビリティゾーン（AZ）
• 自社で物理サーバーを置かずに、クラウド上のH100/B200/TPUインスタンスを確保して稼働させる場合、以下の日本国内リージョンが対応可能だ。
◦ AWS (Amazon Web Services)：東京リージョン / 大阪リージョン（P5/P6等のアクセラレーテッド計算インスタンス）
◦ Microsoft Azure：東日本リージョン / 西日本リージョン（NDv5 / NDv6シリーズ等）
◦ Google Cloud：東京リージョン / 大阪リージョン（TPU v5p / H100ノード）
3. 単体ノードでの検証・中規模推論（8~16GPUノード運用）
• 対応施設数：50箇所以上
• 量子化（FP8 / INT4）を行った上で、8枚〜16枚のH100/H200/B200搭載サーバー1〜2ラックで運用する場合であれば、上記以外の国内の標準的なハイパースケールDCやコロケーションDCでも受容可能となる。
🔷GLM-5.3クラスのフル稼働に必要な物理的要件
750B規模のモデルを実効速度で運用するためには、データセンター側に以下の性能が求められる。
① VRAM容量とGPU構成
◦ 推論（FP8精度）：モデル重みだけで約375GB〜750GBのVRAMが必要となる。コンテキスト長（最大100万トークン）や複数ユーザーの並列リクエストを処理するには、最低でもH100/H200（80GB~141GB VRAM）を8枚組んだ1ノード（またはGB200 NVL72等）が必要。
② ラック電力密度（30kW〜100kW+）
◦ 従来のデータセンターは1ラックあたり4kW〜10kW程度だが、最新のNVIDIA B200 / GB200クラスをフル稼働させるには1ラックあたり30kW〜120kWの電力が必須となる。
③ 冷却設備（水冷・液冷）
◦ 空冷だけでは超高密度GPUの発熱を抑えきれないため、ダイレクト・ツー・チップ（液冷）対応の設備を備えたDCに限定される。
まとめ
日本国内には200を超えるデータセンターが存在するが、GLM-5.3のような最新世代の超大型モデル（700B+クラス）をフルスペックで駆動・学習させられる高密度AIデータセンターは、現在整備中・計画中の施設も含めて約30〜40施設となる。
特に北海道（石狩・苫小牧）や千葉（印西）、大阪（堺）などのエリアに、こうした大規模AIインフラが集中・急速拡大している。