DeepSeek nabírá inženýry pro datová centra a mění přístup k výpočetní kapacitě

Nejnovější nábor DeepSeeku do týmu IDC naznačuje změnu v přístupu k tomu, jak AI firmy získávají výpočetní kapacitu. Místo čistého spoléhání na pronajatý výkon třetích stran si společnost buduje vlastní know-how v oblasti plánování, výstavby, testování a provozu datových center — v Pekingu, Chang-čou a Ulanqabu. 12

Neznamená to, že DeepSeek bude vlastnit každé zařízení, které využívá. Ukazuje to však, že fyzické zázemí AI — elektřina, chlazení, budovy, sítě a provozní spolehlivost — je natolik důležité, že se stává součástí produktového řetězce.

Nabízené pozice odhalují rozsah strategie

DeepSeek hledá specialisty na elektrotechniku, HVAC neboli vytápění, ventilaci a klimatizaci, automatizaci, energetiku, komunikace, informatiku, environmentální a stavební inženýrství. Pozice pokrývají provoz infrastruktury, plánování a projektování i práci přímo na místě. 34

Jde o výrazně širší profil než u týmu, jehož úkolem je pouze nakupovat cloudovou kapacitu. Zahrnuje systémy, které rozhodují o tom, zda AI cluster zvládne pracovat s vysokou hustotou a přitom zůstane spolehlivý:

• Elektrotechnika a energetika: přívod energie, rozvodny, distribuční soustavy a koordinace spotřeby
• HVAC a environmentální inženýrství: vzduchové i kapalinové chlazení, odvádění tepla a kontrola podmínek v provozu
• Stavební inženýrství: pozemky, budovy, konstrukce a realizace staveb
• Automatizace a komunikace: dohled, řídicí systémy, síťové propojení a provoz
• Výpočetní technika a provoz infrastruktury: propojení fyzické kapacity s clustery, plánováním úloh a pracovními zátěžemi

Náborový text DeepSeeku podle dostupných zpráv zahrnuje tradiční datová centra, AI výpočetní centra, vzduchové i kapalinové chlazení a projekty od megawattové až po gigawattovou škálu. 78 Důležitá není jen velikost, kterou pracovní inzerát naznačuje, ale především šíře schopností, jež se firma snaží sestavit.

Od pronajatého výkonu k provozní kontrole

Zprávy tento krok popisují jako odklon od dřívějšího, relativně „odlehčeného“ modelu DeepSeeku založeného na kapacitě třetích stran. 12 Interní odborné zázemí může firmě poskytnout větší kontrolu nad návrhem clusterů, kompatibilitou zařízení, architekturou chlazení, plánováním úloh a tempem rozšiřování.

To je důležité proto, že výkon AI neurčuje pouze počet instalovaných čipů. Cluster poskytne skutečně využitelný výpočetní výkon jen tehdy, když spolu správně fungují napájení, chlazení, síť, úložiště, software a údržba. DeepSeek ve svém náborovém popisu výslovně propojuje elektřinu, chlazení, sítě a výpočetní systémy s výsledným výpočetním výkonem. 13

Strategické poučení je proto užší — a lépe podložené — než tvrzení, že každá AI firma musí stavět vlastní datová centra. Skutečnou výhodou je zajištěný přístup a provozní kontrola. Té lze dosáhnout vlastnictvím, dlouhodobým pronájmem, kolokací, společnými podniky nebo úzce integrovanými partnerstvími v oblasti infrastruktury.

Proč lokality naznačují rozdělený model výpočtů

DeepSeek nabírá do týmu IDC v Pekingu, Chang-čou a Ulanqabu. 13 Rozmístění odpovídá spíše distribuované architektuře než jedinému celostátnímu kampusu.

Vnitrozemské uzly, jako je Ulanqab, mohou být vhodné pro úlohy, které snesou určité zpoždění sítě — například trénování modelů, rozsáhlé dávkové zpracování a další asynchronní operace. Zprávy o rozvoji výpočetní infrastruktury ve Vnitřním Mongolsku zdůrazňují roli regionu v zelených výpočtech. Starší zpravodajství zároveň uvádí, že datová centra v Ulanqabu obsluhují Peking s latencí pod pět milisekund. 2131

Metropolitní lokality zůstávají vhodnější pro inferenci citlivou na latenci a pro podnikové služby, u nichž záleží na blízkosti uživatelů, sítí a dat. Výsledkem může být dvoustupňová topologie:

1. Vnitrozemské clustery orientované na energii pro předtrénování, dolaďování modelů, generování syntetických dat a dávkovou inferenci.
2. Městská nebo okrajová kapacita pro interaktivní služby určené spotřebitelům a firmám.

Nábor DeepSeeku do všech tří lokalit této hypotéze odpovídá. Samotný pracovní inzerát však nemůže potvrdit, jak firma nakonec jednotlivé úlohy rozdělí. 13

Z Ulanqabu se stává centrum AI výpočtů

Význam Ulanqabu nestojí pouze na DeepSeeku. Více zpráv popisuje rychlý růst datových center a projektů inteligentních výpočtů ve městě i v širším regionu Vnitřního Mongolska.

Podle jedné zprávy měl Ulanqab na konci roku 2025 podepsáno 84 projektů datových center, z toho 81 center inteligentních výpočtů, s plánovanými investicemi přesahujícími 500 miliard jüanů. 27 Jiné zdroje uvádějí téměř 100 projektů a přibližně 12,5 GW oznámené kapacity. Čísla i jejich definice se však mezi zdroji liší. 2324

Atraktivita regionu spočívá v možnosti spojit na jednom místě pozemky, energii, optické sítě, dodavatele zařízení a odborníky na provoz. Společnost Envision podle firemních a mediálních zpráv uvedla v srpnu 2026 do provozu svůj Galaxy Campus v Ulanqabu. Zařízení má mít rozlohu 120 000 metrů čtverečních a údajně dokáže paralelně provozovat jeden milion AI čipů. Tyto údaje je třeba chápat jako tvrzení společnosti a médií, nikoli jako nezávisle ověřený standard. 202225

Cluster může zjednodušit budoucí nasazování, protože projekty sdílejí část infrastruktury. Oznámená kapacita ovšem není totéž co kapacita připojená k síti, skutečně instalovaná nebo plně využívaná. Tento rozdíl je při porovnávání rozsahu čínské výstavby AI infrastruktury zásadní.

Co ukazuje — a neukazuje — srovnání s ByteDance

Širší trend se objevuje také ve zprávách o subjektech spojených s ByteDance v čínském Čung-wej v autonomní oblasti Ning-sia. Jedna červencová zpráva uvedla, že firma Zhongwei Saishamingsha Technology vlastněná společností ByteDance vznikla se základním kapitálem 2,2 miliardy jüanů. Její podnikatelské aktivity zahrnují mimo jiné IT poradenství, vývoj softwaru, systémovou integraci a prodej počítačového vybavení. 52

Tento údaj nepotvrzuje konkrétnější tvrzení, že ByteDance v Čung-weji založil dvě dceřiné společnosti se základním kapitálem 220 milionů a 240 milionů jüanů, jejichž předmětem činnosti je také pronájem nerezidenčních nemovitostí. Stejně tak z něj nevyplývá, že daný subjekt vznikl přímo kvůli výstavbě datového centra.

Opatrnější závěr zní, že velké technologické firmy zkoumají těsnější kontrolu nad pozemky, budovami, zařízeními a výpočetní kapacitou. Samostatné zprávy popisují také rostoucí nákupy strategických pozemků čínskými internetovými firmami pro klíčové provozy. Tento obecný trend ale nelze považovat za důkaz konkrétního projektu ByteDance. 58

Úzkým hrdlem už není jen budova

U běžných datových center je dokončení budovy viditelným milníkem. U hustých AI clusterů se však největší omezení mohou nacházet uvnitř i kolem ní:

• garantovaný přístup k síti a dostatečná výrobní kapacita;
• transformátory, rozvodny a distribuční systémy;
• kapalinové chlazení a odvádění tepla;
• síťové linky a propojení mezi servery;
• vodohospodářské, environmentální a územní požadavky;
• inženýři schopní uvést všechny systémy do provozu a řídit je jako jeden celek.

Zprávy o výstavbě AI datových center označují dodávky elektřiny, vysokou výkonovou hustotu a kapalinové chlazení za stále důležitější proměnné. Konference o zelených výpočtech ve Vnitřním Mongolsku v roce 2026 zároveň ukázala, jak se výpočetní projekty propojují s výrobou zařízení, energetikou a průmyslovými investicemi: bylo oznámeno 12 projektů s plánovanou hodnotou 186,46 miliardy jüanů. 2126

To vysvětluje, proč se v náborových plánech AI firem vedle výzkumníků modelů a softwarových vývojářů objevují také odborníci na stavebnictví, elektrotechniku, HVAC, životní prostředí, automatizaci a energetiku.

AI výpočty se mění v infrastrukturu — vlastnictví ale není jediná cesta

Nábor DeepSeeku je nejlepší číst jako signál v oblasti infrastruktury, nikoli jako konečný důkaz dokončeného kampusu. Firma si zjevně buduje organizační schopnost plánovat, dodat a provozovat systémy AI datových center na více místech. 1416

Tato schopnost může posílit její pozici v době nedostatku výpočetní kapacity, obtížného sestavování clusterů nebo situace, kdy využitelný výkon určuje především přístup k energii a vysokokapacitnímu chlazení. Zároveň odráží širší proměnu ekonomiky AI: konkurenční výhoda stále více závisí na zajištění fyzických podmínek, v nichž lze modely trénovat a provozovat.

Přirovnání k železnici, elektrické síti a internetu je užitečné jako popis kapitálové náročnosti a závislosti na síťové infrastruktuře. Trvalou konkurenční bariérou však nemusí být vlastnictví gigawattového kampusu. Rozhodující je spolehlivý a rozšiřitelný přístup k energii a výpočtům — spolu s provozní kontrolou, která tento přístup promění v konzistentní AI službu.