Projektet markerar en tydlig strategisk förskjutning: från att främst konkurrera genom effektivare algoritmer till att också säkra storskalig fysisk infrastruktur.
En anläggning på 1 GW skulle placera DeepSeeks planerade projekt bland de största AI-datacenterprojekten i världen, i en storleksklass som kan jämföras med de största satsningarna från hyperskaleföretag som Microsoft och Google.
DeepSeek planerar enligt uppgifterna att:
En sammanställning av lokala myndighetsgodkännanden, gjord av en tredje part, visar dessutom att fler än tio företag redan har lämnat in projekt i Ulanqab. Det tyder på att området håller på att utvecklas till ett koncentrerat centrum för beräkningskapacitet i Kina.
Att bygga ett datacenter i gigawattklassen kräver omfattande markarbete, elanslutningar, tillstånd och leveranser av avancerad utrustning. Mot den bakgrunden är DeepSeeks mål att få delar av kapaciteten i drift före utgången av 2027 eller i början av 2028 ambitiöst.
Det är samtidigt viktigt att skilja mellan en planerad kapacitet och en färdig, fullt utrustad anläggning. Uppgifterna gäller bolagets mål och planer – inte att hela projektet redan är byggt eller att all hårdvara är säkrad.
Den mest avgörande obesvarade frågan är vilken typ av processorer som ska driva anläggningen.
USA:s exportkontroller begränsar införseln till Kina av avancerade Nvidia-GPU:er, däribland modeller som H100, H200 och Blackwell B200. Det gör det osäkert hur DeepSeek ska fylla en anläggning av den här storleken.
Det finns uppgifter och anklagelser om att DeepSeek tidigare ska ha fått tillgång till förbjudna Nvidia Blackwell-chip via mellanhänder, i strid med amerikanska sanktioner. Detta har dock inte bekräftats av DeepSeek eller amerikanska myndigheter.
För det nya projektet är det fortfarande oklart om bolaget tänker använda:
Chipvalet kommer att påverka både projektets tekniska prestanda och dess möjlighet att genomföras inom ramen för de nuvarande exportkontrollerna. Det kan också avgöra om satsningen främst blir ett sätt för Kina att bygga upp en inhemsk AI-infrastruktur – eller en direkt utmaning mot USA:s begränsningar.
Ulanqab är utpekat som ett viktigt nav i Kinas nationella strategi ”Östdata, västlig beräkning” (东数西算). Tanken är att flytta beräkningsintensiva arbetsuppgifter från de tätbefolkade och tekniktunga kustregionerna i öster till resursrikare områden i väster.
Godkända områden inom strategin kan erbjuda bland annat fördelaktiga markpriser, lägre eltariffer, smidigare tillståndsprocesser och prioritet vid anslutning till elnätet.
Inre Mongoliet är Kinas största bas för förnybar energi och har omfattande vind- och solkraft. För ett AI-datacenter i den här storleksklassen är det särskilt betydelsefullt: elförbrukningen blir sannolikt en av de största löpande kostnaderna.
Ulanqabs kalla och torra klimat under stora delar av året kan underlätta luft- och evaporativ kylning. Det kan minska den energi som krävs för att kyla AI-servrar jämfört med datacenter i varmare kuststäder. Ulanqab har en genomsnittlig årstemperatur på omkring 4 °C.
Ulanqab har tillgång till stora markområden för campus i mycket stor skala. Samtidigt ligger staden cirka 350 kilometer från Peking, vilket enligt uppgifterna ger relativ närhet till huvudstadens teknikkompetens och forskningsmiljöer. Resan med höghastighetståg tar ungefär tre timmar.
DeepSeek byggde sitt rykte på effektivitet. Bolaget visade att avancerade AI-modeller kunde utvecklas med betydligt färre GPU:er än vad många konkurrenter i Silicon Valley använde, och träningen har enligt tidigare rapporter kostat mindre än 6 miljoner dollar.
Det planerade datacentret pekar mot en ny fas för bolaget:
DeepSeeks planerade anläggning i Ulanqab är mer än ett vanligt expansionsprojekt. Den visar hur tillgången till chip, el och datacenterkapacitet har blivit en central del av AI-konkurrensen.
Men projektets viktigaste frågetecken kvarstår: vilken hårdvara ska fylla 1 GW? Svaret kommer att avgöra hur genomförbart projektet är under USA:s exportkontroller – och hur långt DeepSeek kan ta steget från effektiv AI-utveckling till hyperskalig infrastruktur.