DeepSeek bygger kompetansen som skal sikre egen AI-datakraft

DeepSeek var lenge kjent for en relativt kapitaleffektiv modell, der selskapet i stor grad kunne kjøpe eller leie datakraft fra andre. Nå tyder nye stillingsutlysninger på at selskapet bygger opp en langt bredere kompetanse innen fysisk AI-infrastruktur.

DeepSeek rekrutterer til et IDC-team – IDC står for «internet data center», altså datasenterinfrastruktur – i Beijing, Hangzhou og Ulanqab. Stillingskategoriene dekker planlegging, konstruksjon, testing og drift av datasentre. 12

Det betyr ikke nødvendigvis at DeepSeek skal eie hvert datasenter selskapet bruker. Men det viser at systemene bak AI-en – strømforsyning, kjøling, bygninger, nettverk og stabil drift – blir viktige nok til å håndteres som en del av produktplattformen.

Stillingslistene avslører hva DeepSeek prøver å kontrollere

Selskapet søker spesialister innen elektroteknikk, varme-, ventilasjons- og klimaanlegg (HVAC), automasjon, energi, kommunikasjon, informatikk, miljøteknikk og byggteknikk. Rollene skal dekke både infrastrukturdrift, planlegging og prosjektering, samt arbeid ute på anleggene. 34

Det er en vesentlig bredere profil enn et team som bare forhandler om skykapasitet. Kompetansen omfatter systemene som avgjør om en AI-klynge kan kjøre med høy tetthet og samtidig være stabil:

• Elektro og energi: strømtilførsel, transformatorer, distribusjon og koordinering mot energisystemet
• HVAC og miljøteknikk: luftkjøling, væskekjøling, varmeavledning og miljøkontroll
• Byggteknikk: tomter, bygninger, konstruksjoner og gjennomføring av byggeprosjekter
• Automasjon og kommunikasjon: overvåking, styringssystemer, nettverk og drift
• Datateknikk og infrastrukturdrift: koblingen mellom fysisk kapasitet, dataklynger, planlegging og arbeidslaster

DeepSeeks rekrutteringsspråk skal også omfatte tradisjonelle datasentre, AI-datasentre, luft- og væskekjøling og prosjekter fra megawatt- til gigawatt-skala. 78 Det viktigste er likevel ikke størrelsen som antydes i en stillingsannonse, men bredden i kapasiteten selskapet forsøker å bygge opp.

Fra leid datakraft til større operasjonell kontroll

Flere rapporter beskriver satsingen som et skifte bort fra DeepSeeks tidligere, mer kapitaleffektive avhengighet av datakapasitet fra tredjeparter. 12 Intern kompetanse på infrastruktur kan gi bedre kontroll over utformingen av klynger, kompatibilitet mellom utstyr, kjøleløsninger, planlegging av arbeidslaster og tempoet i videre utbygging.

Det er viktig fordi AI-ytelse ikke bare handler om hvor mange brikker som er installert. En dataklynge gir først reell nytte når strøm, kjøling, nettverk, lagring, programvare og vedlikehold fungerer som ett system. DeepSeek knytter selv strøm, kjøling, nettverk og beregningssystemer direkte til den endelige datakraften som kan leveres. 13

Den mest presise konklusjonen er derfor ikke at «alle AI-selskaper må bygge egne datasentre». Den mulige fordelen ligger i sikret tilgang og operasjonell kontroll. Dette kan oppnås gjennom eierskap, langsiktige leieavtaler, samlokalisering, joint ventures eller tett integrerte partnerskap.

Hvorfor Ulanqab peker mot en delt datamodell

DeepSeek rekrutterer til IDC-teamet i Beijing, Hangzhou og Ulanqab. 13 Geografien er forenlig med en distribuert arkitektur, snarere enn én samlet nasjonal storsatsing.

Innlandsområder som Ulanqab kan være attraktive for arbeidslaster som tåler noe nettverksforsinkelse, blant annet modelltrening, store batchjobber og andre asynkrone oppgaver. Omtale av oppbyggingen av datakapasitet i Indre Mongolia fremhever regionens rolle innen grønn databehandling. Tidligere rapportering har også beskrevet datasentre i Ulanqab som betjener Beijing med nettverksforsinkelse på under fem millisekunder. 2131

Storbyområder er på sin side bedre egnet for forsinkelsesfølsom inferens og bedriftsrettede tjenester, der nærhet til brukere, nettverk og data kan være avgjørende.

Det kan gi en todelt arkitektur:

1. Innlandsklynger med tilgang på kraft for forhåndstrening, finjustering, syntetiske data og batchbasert inferens.
2. By- eller randsonenær kapasitet for interaktive tjenester til forbrukere og bedrifter.

DeepSeeks rekruttering i de tre byene passer med denne hypotesen, men en stillingsannonse kan ikke fastslå hvordan selskapet til slutt vil fordele arbeidslastene. 13

Ulanqab vokser frem som en AI-klynge

Ulanqabs betydning handler ikke bare om DeepSeek. Flere rapporter beskriver en rask konsentrasjon av datasentre og prosjekter innen intelligent databehandling i byen og i Indre Mongolia generelt.

Ifølge én rapport hadde Ulanqab ved utgangen av 2025 signert 84 datasenterprosjekter, inkludert 81 sentre for intelligent databehandling, med planlagte investeringer på over 500 milliarder yuan. 27 Andre rapporter omtaler nærmere 100 prosjekter og rundt 12,5 gigawatt i varslet kapasitet, men tallene varierer med definisjon og kilde. 2324

Envision Groups Galaxy Campus i Ulanqab ble omtalt som satt i drift i august 2026. Anlegget skal være på 120 000 kvadratmeter og ifølge selskapet og medieomtale kunne kjøre én million AI-brikker parallelt. Slike kapasitetsopplysninger bør vurderes som selskaps- og medieopplysninger, ikke som uavhengig verifiserte målinger. 202225

Regionens appell ligger i muligheten til å samle tomter, kraft, fiberforbindelser, utstyrsleverandører og spesialisert driftspersonell i et voksende økosystem. En slik klynge kan gjøre nye utbygginger enklere fordi infrastruktur og kompetanse kan deles mellom flere prosjekter.

Samtidig er varslet kapasitet ikke det samme som strømførende, installert eller fullt utnyttet kapasitet. Det skillet er avgjørende når omfanget av Kinas AI-utbygging skal sammenlignes med andre land.

ByteDance-sammenligningen må behandles med varsomhet

Den bredere infrastrukturtendensen kommer også til syne i rapportering om ByteDance-relaterte selskaper i Zhongwei i Ningxia. En rapport fra juli opplyste at Zhongwei Saishamingsha Technology var etablert med en registrert kapital på 2,2 milliarder yuan. Virksomhetsområdet skal blant annet omfatte IT-rådgivning, programvareutvikling, systemintegrasjon og salg av datautstyr. 52

Dette bekrefter ikke den mer spesifikke påstanden om at ByteDance opprettet to Zhongwei-datterselskaper med registrert kapital på henholdsvis 220 millioner og 240 millioner yuan, begge med utleie av næringseiendom som virksomhetsområde. Det viser heller ikke at det omtalte selskapet ble opprettet spesielt for å bygge et datasenter.

Den sikrere konklusjonen er at store teknologiselskaper undersøker hvordan de kan få tettere kontroll over tomter, bygninger, utstyr og datakapasitet. Separat rapportering har omtalt økte strategiske tomtekjøp blant kinesiske internettselskaper, knyttet til kjernevirksomheten deres. Men denne generelle utviklingen er ikke bevis på et bestemt ByteDance-prosjekt. 58

Flaskehalsen flyttes fra bygget til systemene rundt

For tradisjonelle datasentre er selve bygningen et synlig milepæl. For tette AI-klynger kan de vanskeligste begrensningene ligge i systemene innenfor og rundt bygget:

• stabil nettilgang og tilstrekkelig produksjonskapasitet;
• transformatorer, nettstasjoner og strømfordeling;
• væskekjøling og systemer for varmeavledning;
• nettverksforbindelser og koblinger mellom serverne;
• vann-, miljø- og tomtekrav; og
• ingeniører som kan sette systemene i drift og håndtere dem som én plattform.

Rapportering om utviklingen av AI-datasentre peker på strømtilgang, høy effekttetthet og væskekjøling som stadig viktigere faktorer. 7 En konferanse om grønn databehandling i Indre Mongolia i 2026 viste også hvordan datapro­sjekter kobles til produksjon av utstyr, energisystemer og industriinvesteringer. Tolv annonserte prosjekter hadde en samlet planlagt investering på 186,46 milliarder yuan. 2126

Det forklarer hvorfor AI-selskaper nå rekrutterer elektro-, HVAC-, miljø-, bygg-, automasjons- og energiingeniører side om side med modellforskere og programvareutviklere.

AI-datakraft blir kritisk infrastruktur – men eierskap er ikke det eneste svaret

DeepSeeks rekruttering bør først og fremst leses som et infrastruktursignal, ikke som endelig bevis på at et ferdig gigawatt-campus er bygget. Selskapet ser ut til å utvikle organisasjonsevnen til å planlegge, levere og drifte AI-datasentre på flere steder. 1416

Denne kapasiteten kan styrke DeepSeeks posisjon når datakraft er knapp, klynger er vanskelige å konfigurere, eller tilgang på strøm og kjøling med høy tetthet avgjør hvor mye beregning som faktisk kan leveres. Den speiler også en bredere endring i AI-økonomien: Konkurransefortrinn handler i økende grad om å sikre de fysiske forutsetningene for å trene og levere modeller.

Sammenligningen med jernbanen, strømnettet og internett er nyttig som beskrivelse av kapitalintensitet og nettverksavhengighet. Men den varige konkurransefordelen ligger ikke nødvendigvis i å eie et helt gigawatt-campus på egen balanse.

Den viktigste egenskapen er pålitelig og utvidbar tilgang til strøm og datakraft – kombinert med operasjonell kontroll. Den kan komme gjennom eierskap, langsiktige leieavtaler med krafttilgang, samlokalisering, joint ventures eller partnerskap. For DeepSeek er de nye ingeniørstillingene et tegn på at denne kontrollen nå bygges inn i selve AI-strategien.