DeepSeek assume ingegneri per i data center: l’AI punta sull’infrastruttura

Le ultime offerte di lavoro di DeepSeek per il team IDC — acronimo usato nel settore per indicare i data center — mostrano un possibile cambio di passo nella gestione della capacità di calcolo. L’azienda sta cercando personale per progettazione, costruzione, test e gestione operativa a Pechino, Hangzhou e Ulanqab, in Mongolia Interna. 12

Questo non dimostra che DeepSeek voglia possedere ogni struttura che utilizza. Indica però che l’infrastruttura fisica dell’intelligenza artificiale — elettricità, raffreddamento, edifici, reti e continuità operativa — sta diventando abbastanza strategica da essere gestita come parte dello stesso stack tecnologico dei modelli.

Le posizioni aperte spiegano la direzione

Gli annunci cercano specialisti di ingegneria elettrica, sistemi HVAC — riscaldamento, ventilazione e condizionamento — automazione, energia, comunicazioni, informatica, ingegneria ambientale e civile. Le attività comprendono esercizio dell’infrastruttura, pianificazione e progettazione, oltre all’implementazione direttamente sul sito. 34

È un profilo molto più ampio rispetto a quello di un’azienda che si limita ad acquistare capacità cloud. Le competenze richieste corrispondono ai sistemi che determinano se un cluster AI può funzionare ad alta densità e restare affidabile:

• Elettricità ed energia: alimentazione, sottostazioni, distribuzione e coordinamento dei consumi;
• HVAC e ambiente: raffreddamento ad aria e a liquido, smaltimento del calore e controllo delle condizioni ambientali;
• Ingegneria civile: siti, edifici, strutture e consegna dei lavori;
• Automazione e comunicazioni: monitoraggio, sistemi di controllo, reti e operazioni;
• Informatica e gestione dell’infrastruttura: integrazione della capacità fisica con cluster, pianificazione dei carichi e applicazioni.

Il linguaggio delle offerte di DeepSeek copre data center tradizionali, centri per il calcolo AI, sistemi raffreddati ad aria o a liquido e progetti dalla scala dei megawatt a quella dei gigawatt. 78 Il punto più significativo non è quindi la dimensione eventualmente suggerita da un annuncio, ma l’ampiezza delle capacità che la società sta cercando di costruire internamente.

Dal calcolo in affitto al controllo operativo

Diversi resoconti descrivono questa iniziativa come un allontanamento dal precedente modello relativamente “asset-light”, basato soprattutto sulla capacità informatica fornita da terzi. 12 Sviluppare competenze interne può dare a DeepSeek maggiore controllo sulla progettazione dei cluster, sulla compatibilità delle apparecchiature, sull’architettura di raffreddamento, sulla pianificazione dei carichi e sui tempi di espansione.

Per l’AI, infatti, le prestazioni non dipendono soltanto dal numero di chip installati. Un cluster produce calcolo utile solo quando alimentazione, raffreddamento, rete, archiviazione, software e manutenzione funzionano come un unico sistema. La stessa descrizione del team di DeepSeek collega esplicitamente elettricità, raffreddamento, reti e sistemi informatici al risultato finale in termini di capacità di calcolo. 13

La lezione strategica è dunque più precisa — e più prudente — dell’idea secondo cui ogni società AI debba costruire data center di proprietà. Il vantaggio reale è avere accesso garantito e controllo operativo. Questo può essere ottenuto tramite proprietà diretta, contratti di locazione a lungo termine, colocation, joint venture o partnership infrastrutturali strettamente integrate.

Perché contano Pechino, Hangzhou e Ulanqab

DeepSeek sta reclutando per il team IDC in tre località: Pechino, Hangzhou e Ulanqab. 13 La distribuzione è compatibile con un’architettura di calcolo articolata su più poli, anziché concentrata in un unico grande campus.

Un hub dell’entroterra come Ulanqab può essere adatto ai carichi che tollerano una maggiore distanza dalla domanda: addestramento dei modelli, elaborazioni batch di grandi dimensioni e altri processi asincroni. Le infrastrutture della Mongolia Interna sono state associate allo sviluppo del “green computing”, mentre precedenti servizi hanno descritto data center di Ulanqab capaci di servire Pechino con una latenza di rete inferiore a cinque millisecondi. 2131

Le aree metropolitane restano invece più adatte all’inferenza sensibile alla latenza e ai servizi per imprese e consumatori, dove la vicinanza a utenti, reti e dati può essere decisiva. Ne emerge una possibile topologia a due livelli:

1. Cluster dell’entroterra, orientati alla disponibilità di energia, per pre-addestramento, fine-tuning, generazione di dati sintetici e inferenza batch;
2. Capacità urbana o vicina all’edge, per l’inferenza interattiva rivolta a consumatori e aziende.

La distribuzione delle assunzioni di DeepSeek è coerente con questa ipotesi, ma un annuncio di lavoro non può stabilire come l’azienda assegnerà effettivamente i carichi. 13

Ulanqab diventa un polo del calcolo AI

L’importanza di Ulanqab non dipende soltanto da DeepSeek. Diversi rapporti descrivono una rapida concentrazione di progetti di data center e calcolo intelligente nella città e nella più ampia regione della Mongolia Interna.

Secondo i dati citati da un rapporto, alla fine del 2025 Ulanqab aveva 84 progetti di data center firmati, di cui 81 dedicati al calcolo intelligente, con investimenti programmati superiori a 500 miliardi di yuan. 27 Altri resoconti parlano di quasi 100 progetti e di circa 12,5 gigawatt di capacità annunciata, anche se numeri e definizioni cambiano a seconda della fonte. 2324

Nell’agosto 2026, il campus Galaxy di Envision a Ulanqab è stato descritto come entrato in funzione: la prima fase occuperebbe 120.000 metri quadrati e, secondo l’azienda e i media che ne hanno riportato le dichiarazioni, potrebbe gestire un milione di chip AI in parallelo. Queste stime vanno interpretate alla luce della loro provenienza aziendale e giornalistica. 202225

Un polo industriale può ridurre l’attrito dei futuri ampliamenti, perché condivide sottostazioni, collegamenti in fibra, fornitori di apparecchiature e personale operativo. Ma la capacità annunciata non equivale automaticamente a capacità alimentata, installata o utilizzata a pieno regime. La distinzione è fondamentale quando si confrontano le dimensioni dell’espansione AI cinese.

Il parallelo con ByteDance: un indizio, non una conferma

La stessa tendenza infrastrutturale compare nei resoconti su società collegate a ByteDance nella città di Zhongwei, nella regione del Ningxia. Un articolo di luglio ha riferito della costituzione di Zhongwei Saishamingsha Technology, società interamente controllata da Beijing Zitiao Network Technology, con un capitale registrato di 2,2 miliardi di yuan. Le attività indicate includono consulenza informatica, sviluppo software, integrazione di sistemi e vendita di apparecchiature informatiche. 52

Questi elementi non confermano però la versione più specifica secondo cui ByteDance avrebbe costituito due controllate a Zhongwei con capitali registrati di 220 e 240 milioni di yuan, entrambe con attività di locazione di immobili non residenziali. Né dimostrano che la società citata sia stata creata appositamente per costruire un data center.

La conclusione più solida è più limitata: le grandi aziende tecnologiche cinesi stanno esplorando un controllo più stretto su terreni, edifici, apparecchiature e capacità di calcolo. Alcuni resoconti hanno inoltre descritto un aumento degli acquisti strategici di terreni legati alle attività principali delle società internet, ma questa tendenza generale non costituisce la prova di uno specifico progetto di ByteDance. 58

Il collo di bottiglia è oltre il guscio dell’edificio

Per i data center tradizionali, la costruzione dell’edificio è un traguardo facilmente visibile. Nei cluster AI ad alta densità, i vincoli più complessi possono trovarsi nei sistemi interni e nei collegamenti con l’esterno:

• accesso stabile alla rete elettrica e capacità di generazione;
• trasformatori, sottostazioni e distribuzione dell’energia;
• raffreddamento a liquido e sistemi per lo smaltimento del calore;
• collegamenti di rete e interconnessioni tra i nodi del cluster;
• requisiti idrici, ambientali e relativi al sito;
• ingegneri capaci di collaudare e gestire tutti questi elementi come un’unica piattaforma.

I resoconti sullo sviluppo dei data center AI indicano la fornitura di elettricità, l’elevata densità di potenza e il raffreddamento a liquido come variabili sempre più importanti. 7 La conferenza sul green computing della Mongolia Interna del 2026 ha inoltre mostrato il collegamento crescente tra progetti di calcolo, produzione di apparecchiature, sistemi energetici e investimenti industriali: sono stati annunciati 12 progetti per un investimento programmato complessivo di 186,46 miliardi di yuan. 2126

Questo spiega perché nei piani di assunzione delle aziende AI compaiano ingegneri civili, elettrici, HVAC, ambientali, dell’automazione e dell’energia accanto a ricercatori di modelli e sviluppatori software.

Il calcolo AI diventa infrastruttura, ma non impone la proprietà diretta

Le assunzioni di DeepSeek vanno lette soprattutto come un segnale infrastrutturale, non come la prova definitiva che un grande campus sia già completato. L’azienda sembra costruire la capacità organizzativa per pianificare, realizzare e gestire sistemi di data center AI in più località. 1416

Questa capacità potrebbe rafforzare la sua posizione quando la disponibilità di calcolo è scarsa, i cluster sono difficili da configurare o l’accesso a energia e raffreddamento ad alta densità determina quanta potenza di calcolo sia davvero utilizzabile. Riflette anche una riorganizzazione più ampia dell’economia dell’AI: il vantaggio competitivo dipende sempre di più dalle condizioni fisiche che permettono di addestrare e servire i modelli.

Il paragone con ferrovie, rete elettrica e internet è utile per descrivere l’intensità di capitale e la dipendenza da infrastrutture interconnesse. Ma il vero vantaggio difendibile non consiste necessariamente nel possedere un campus da un gigawatt. Consiste nell’avere accesso affidabile ed espandibile a energia e calcolo, insieme al controllo operativo necessario per trasformare quell’accesso in un servizio AI costante.