DeepSeek buduje zaplecze dla AI: od modeli do własnej infrastruktury obliczeniowej

Najnowsza rekrutacja DeepSeek do zespołu IDC — czyli infrastruktury centrów danych — pokazuje, że firma zaczyna traktować zaplecze obliczeniowe jako część swojej przewagi technologicznej. Poszukiwani są nie tylko programiści i badacze modeli, lecz także specjaliści od zasilania, chłodzenia, automatyki, komunikacji i budownictwa. Ogłoszenia dotyczą pracy w Pekinie, Hangzhou i Ułanqabie oraz obejmują planowanie, projektowanie, budowę, testowanie i eksploatację infrastruktury. 12

Nie oznacza to jeszcze, że DeepSeek będzie właścicielem każdego wykorzystywanego obiektu. Pokazuje jednak, że fizyczne fundamenty AI — energia, chłodzenie, budynki, sieci i niezawodność operacyjna — stały się zbyt ważne, by pozostawić je wyłącznie zewnętrznym dostawcom.

Lista stanowisk mówi więcej niż sama nazwa zespołu

DeepSeek szuka osób z wykształceniem w dziedzinie elektrotechniki, systemów HVAC — ogrzewania, wentylacji i klimatyzacji — automatyki, energetyki, telekomunikacji, informatyki, inżynierii środowiska i budownictwa. Zakres stanowisk obejmuje obsługę infrastruktury, planowanie i projektowanie oraz prace realizowane bezpośrednio na miejscu. 34

To znacznie szerszy profil niż zespół odpowiedzialny wyłącznie za kupowanie mocy obliczeniowej w chmurze. Poszczególne specjalizacje odpowiadają systemom, które decydują o tym, czy gęsty klaster AI będzie działał wydajnie i stabilnie:

• elektrotechnika i energetyka — doprowadzenie energii, stacje elektroenergetyczne, dystrybucja i zarządzanie poborem;
• HVAC i inżynieria środowiska — chłodzenie powietrzem i cieczą, odprowadzanie ciepła oraz kontrola warunków pracy;
• budownictwo — lokalizacja, budynki, konstrukcje i realizacja inwestycji;
• automatyka i telekomunikacja — monitoring, systemy sterowania, łączność sieciowa i bieżąca obsługa;
• informatyka i operacje infrastrukturalne — połączenie fizycznej mocy z klastrami, harmonogramowaniem i obciążeniami roboczymi.

Język ogłoszeń DeepSeek obejmuje zarówno tradycyjne centra danych, jak i centra obliczeniowe AI, systemy chłodzenia powietrzem i cieczą oraz projekty od skali megawatów do gigawatów. 78 Najważniejsza nie jest jednak sama skala sugerowana w ogłoszeniu, lecz szerokość kompetencji, które firma próbuje zgromadzić.

Od wynajmowanej mocy do kontroli operacyjnej

Doniesienia opisują ten ruch jako odejście od wcześniejszego, lekkiego modelu aktywów, w którym DeepSeek w dużej mierze korzystał z mocy obliczeniowej należącej do zewnętrznych podmiotów. 12 Rozbudowanie własnych kompetencji infrastrukturalnych może dać firmie większą kontrolę nad projektem klastra, kompatybilnością sprzętu, architekturą chłodzenia, harmonogramowaniem zadań i tempem rozbudowy.

Ma to znaczenie, ponieważ wydajność AI nie zależy wyłącznie od liczby zainstalowanych układów. Klaster dostarcza użytecznej mocy obliczeniowej dopiero wtedy, gdy współdziałają ze sobą zasilanie, chłodzenie, sieć, pamięć masowa, oprogramowanie i procesy utrzymaniowe. W materiałach rekrutacyjnych DeepSeek energia elektryczna, chłodzenie, sieci i systemy obliczeniowe są bezpośrednio powiązane z końcowym uzyskiem mocy obliczeniowej. 13

Wniosek jest więc węższy i ostrożniejszy niż stwierdzenie, że każda firma AI musi budować własne centra danych. Rzeczywistą przewagę daje gwarantowany dostęp do mocy oraz kontrola operacyjna. Można ją osiągnąć przez własność obiektów, długoterminowy najem, kolokację, spółkę joint venture albo ściśle zintegrowane partnerstwo infrastrukturalne.

Dlaczego Ułanqab może obsługiwać inną część systemu niż Pekin

DeepSeek prowadzi rekrutację do zespołu IDC w Pekinie, Hangzhou i Ułanqabie. 13 Taki układ pasuje do rozproszonej architektury obliczeniowej, a nie do jednego, centralnego kampusu.

Śródlądowe huby, takie jak Ułanqab, mogą być atrakcyjne dla zadań, którym nie przeszkadza opóźnienie sieciowe: trenowania modeli, dużych przetwarzanych partiami zbiorów danych i innych procesów asynchronicznych. Relacje o rozwoju infrastruktury obliczeniowej w Mongolii Wewnętrznej wskazują na rosnącą rolę regionu w zielonym przetwarzaniu danych. Wcześniejsze doniesienia mówiły również o centrach danych w Ułanqabie obsługujących Pekin z opóźnieniem sieciowym poniżej pięciu milisekund. 2131

Metropolie pozostają natomiast lepszym miejscem dla wnioskowania wrażliwego na opóźnienia i usług dla przedsiębiorstw, gdzie znaczenie ma bliskość użytkowników, sieci i danych. Możliwy jest zatem model dwupoziomowy:

1. Śródlądowe klastry nastawione na energię — do wstępnego trenowania, dostrajania modeli, generowania danych syntetycznych i wnioskowania wsadowego.
2. Moc obliczeniowa w miastach lub w ich pobliżu — do interaktywnych usług dla konsumentów i firm.

Rozmieszczenie rekrutacji DeepSeek jest zgodne z tą hipotezą, ale samo ogłoszenie o pracę nie pozwala ustalić, jak firma ostatecznie podzieli obciążenia między poszczególne lokalizacje. 13

Ułanqab rośnie do rangi klastra AI

Znaczenie Ułanqabu nie wynika wyłącznie z planów DeepSeek. Liczne doniesienia opisują szybki przyrost centrów danych i projektów inteligentnych obliczeń w mieście oraz w całej Mongolii Wewnętrznej.

Według jednego z raportów do końca 2025 roku w Ułanqabie podpisano umowy dotyczące 84 projektów centrów danych, w tym 81 centrów inteligentnych obliczeń, a deklarowana wartość inwestycji przekroczyła 500 mld juanów. 27 Inne źródła mówią o blisko 100 projektach i około 12,5 GW zapowiedzianej mocy, choć poszczególne liczby i definicje różnią się w zależności od źródła. 2324

Atutem regionu jest możliwość połączenia gruntów, energii, światłowodów, dostawców sprzętu i wyspecjalizowanych kadr w jednym rozwijającym się ekosystemie. Według doniesień kampus Galaxy firmy Envision w Ułanqabie rozpoczął działalność w sierpniu 2026 roku. Obiekt ma 120 tys. metrów kwadratowych, a firma deklaruje możliwość równoległej pracy miliona układów AI. Te dane pochodzą z komunikatów przedsiębiorstwa i relacji medialnych, dlatego należy traktować je z odpowiednią ostrożnością. 202225

Klaster może obniżać koszty i skracać czas kolejnych wdrożeń, ponieważ projekty korzystają ze wspólnych podstacji, tras światłowodowych, dostawców i zespołów operacyjnych. Trzeba jednak odróżniać zapowiedzianą moc od mocy faktycznie podłączonej do sieci, zainstalowanej i wykorzystywanej. To kluczowe przy porównywaniu skali chińskiej rozbudowy AI.

Co naprawdę pokazuje przykład ByteDance

Szerszy trend infrastrukturalny widać także w doniesieniach dotyczących podmiotów powiązanych z ByteDance w Zhongwei w regionie Ningxia. Jeden z lipcowych raportów informował o utworzeniu spółki Zhongwei Saishamingsha Technology, należącej do ByteDance, z kapitałem zakładowym 2,2 mld juanów. Zakres jej działalności miał obejmować konsulting informatyczny, rozwój oprogramowania, integrację systemów i sprzedaż sprzętu komputerowego. 52

Nie potwierdza to bardziej szczegółowej tezy, że ByteDance utworzył w Zhongwei dwie spółki zależne o kapitale 220 mln i 240 mln juanów, których zakres działalności obejmuje najem nieruchomości niemieszkalnych. Nie dowodzi również, że opisywany podmiot powstał konkretnie po to, by zbudować centrum danych.

Bezpieczniejszy wniosek brzmi: duże firmy technologiczne próbują uzyskać większą kontrolę nad gruntami, budynkami, sprzętem i mocą obliczeniową. Osobne doniesienia opisywały zwiększanie przez chińskie firmy internetowe strategicznych zakupów ziemi związanych z podstawową działalnością, ale tego szerszego trendu nie należy traktować jako dowodu na konkretny projekt ByteDance. 58

Wąskim gardłem nie jest już tylko budynek

W przypadku tradycyjnych centrów danych ukończenie budynku jest najbardziej widocznym etapem inwestycji. Przy gęstych klastrach AI trudniejsze mogą okazać się systemy znajdujące się wewnątrz i wokół obiektu:

• stabilny dostęp do sieci elektroenergetycznej i odpowiedniej mocy;
• transformatory, podstacje i dystrybucja energii;
• chłodzenie cieczą oraz systemy odprowadzania ciepła;
• łącza sieciowe i połączenia między elementami klastra;
• wymagania dotyczące wody, środowiska i lokalizacji;
• inżynierowie potrafiący uruchomić i prowadzić wszystkie te systemy jako jedną platformę.

Raporty dotyczące rozwoju centrów danych AI wskazują, że coraz większe znaczenie mają dostawy energii, wysoka gęstość mocy i technologie chłodzenia cieczą. 7 Konferencja dotycząca zielonych obliczeń w Mongolii Wewnętrznej w 2026 roku pokazała również, jak projekty obliczeniowe łączą się z produkcją sprzętu, systemami energetycznymi i inwestycjami przemysłowymi: podpisano 12 projektów o planowanej wartości 186,46 mld juanów. 2126

To wyjaśnia, dlaczego w planach rekrutacyjnych firm AI pojawiają się inżynierowie budownictwa, elektrotechniki, HVAC, ochrony środowiska, automatyki i energetyki — obok badaczy modeli oraz programistów.

AI staje się infrastrukturą, ale własność nie jest jedyną drogą

Rekrutację DeepSeek najlepiej odczytywać jako sygnał infrastrukturalny, a nie ostateczny dowód ukończenia konkretnego kampusu. Firma buduje organizacyjną zdolność do planowania, dostarczania i obsługi systemów centrów danych AI w wielu lokalizacjach. 1416

Taka zdolność może wzmocnić jej pozycję w sytuacji niedoboru mocy obliczeniowej, trudności z konfiguracją klastrów albo wtedy, gdy o użytecznej wydajności decydują dostęp do energii i chłodzenie o dużej gęstości. Odzwierciedla też szerszą zmianę w ekonomice AI: przewaga konkurencyjna coraz częściej zależy od zapewnienia fizycznych warunków, w których modele można trenować i udostępniać użytkownikom.

Porównanie z koleją, siecią energetyczną i internetem trafnie opisuje kapitałochłonność oraz zależność od rozbudowanych sieci. Nie oznacza jednak, że trwałą przewagę daje wyłącznie posiadanie kampusu o mocy gigawatowej. Najważniejszy jest niezawodny i skalowalny dostęp do energii oraz mocy obliczeniowej — a także operacyjna kontrola pozwalająca przekuć ten dostęp w stabilną usługę AI.