DeepSeek 招募土木與機電人才，釋放 AI 算力自建訊號

DeepSeek 最新一輪 IDC（網際網路資料中心）團隊招聘，值得注意的地方不只是「開始聘土木工程師」，而是它正在組建一套能從規劃、設計、施工、測試一路延伸到營運的資料中心能力。招聘地點包括北京、杭州與內蒙古烏蘭察布，職類涵蓋電氣、暖通、自动化、能源、通信、計算機、環境工程及土木工程。 1234

這並不能證明 DeepSeek 會自行持有每一座資料中心，也不能直接確認外界所傳的特定園區規模。但它清楚顯示：對 AI 公司而言，資料中心不再只是向第三方租用的「算力水電」，而逐漸成為產品堆疊的一部分——電力、制冷、網路、儲存、叢集調度與維運可靠性，都會影響模型能否穩定產出有效算力。

招聘職類，透露了什麼策略？

DeepSeek 的職缺組合，並不像單純負責採購雲端容量的團隊。它需要的是能掌控整個高密度 AI 叢集運作條件的工程人才：

• **電氣與能源工程：**負責供電、變電站、配電及能源協調；
• **暖通與環境工程：**涉及風冷、液冷、散熱及環境控制；
• **土木工程：**涵蓋場址、建築、結構工程與施工交付；
• **自動化與通信：**支援監控、控制系統、網路連接與日常營運；
• **計算與基礎設施營運：**將實體容量與 AI 叢集、工作負載及調度系統整合。

DeepSeek 的招聘描述據報涵蓋傳統 IDC、AI 智算中心、風冷與液冷系統，以及從 MW（百萬瓦）到 GW（十億瓦）級的項目。 78 真正重要的未必是職缺文字所暗示的單一項目規模，而是公司正試圖建立的能力廣度。

DeepSeek 官網也將電力、制冷、網路與計算系統視為深度耦合的整體，並指出每一度電、每一瓦制冷能力及每一次調度，都會影響最終算力輸出。 13 這正是 AI 資料中心與一般辦公室或傳統雲端機房的差異：晶片數量只是起點，能否把供電、散熱、網路、軟體和維護流程協同起來，才決定可用算力。

從租用算力，走向營運控制

相關報導將這次招聘解讀為 DeepSeek 從早期較輕資產、依賴第三方算力的模式轉向更深入掌控基礎設施。 12 若公司自行規劃或緊密控制資料中心，便有機會更直接地決定叢集設計、設備相容性、冷卻架構、工作負載調度與擴建時程。

這種控制力的重要性，在算力供應緊張時尤其明顯。高效能叢集能否真正投入訓練或推理，往往不只取決於安裝了多少顆晶片，也取決於供電是否穩定、液冷能否承受功率密度、網路互連是否足夠，以及維運團隊能否讓整個系統持續運作。

因此，更穩妥的結論不是「所有 AI 公司都必須自建資料中心」，而是 確保取得算力並掌握營運控制，正成為競爭優勢。這種控制可以來自直接擁有資產，也可以透過長期租約、共置（colocation）、合資或高度整合的基礎設施合作取得。

為什麼招聘地點分散在三座城市？

DeepSeek 同時在北京、杭州與烏蘭察布招募 IDC 團隊，較符合分散式算力架構，而不是只押注單一大型園區。 13

內蒙古烏蘭察布等內陸地區，適合承擔對延遲較不敏感的工作，例如模型訓練、大批次處理及其他非同步任務。相關報導將內蒙古定位為綠色計算發展區域；較早的報導則稱，烏蘭察布部分資料中心服務北京時，網路延遲可低於 5 毫秒。 2131

相較之下，城市及靠近邊緣網路的容量，更適合即時推理與企業服務。面向消費者或企業的互動式 AI，通常更重視接近用戶、網路節點及資料來源，以降低回應延遲並提升服務穩定性。

這意味著 AI 算力可能形成「兩層式」拓撲：

1. **內陸、以電力為導向的叢集：**用於預訓練、微調、合成資料生成及批次推理；
2. **城市或鄰近邊緣的容量：**用於即時消費者與企業推理。

DeepSeek 在三地招聘的布局與此假設一致，但招聘公告本身無法證明公司最終會如何分配工作負載。 13

烏蘭察布從單一地點變成算力聚落

烏蘭察布受到關注，並不只是因為 DeepSeek。多篇報導指出，該市及整個內蒙古地區正快速聚集資料中心與智算項目。

當地政府資料顯示，截至 2025 年底，烏蘭察布已簽約 84 個資料中心項目，其中包括 81 個智算中心，計畫投資超過人民幣 5,000 億元。 27 其他報導則使用「近 100 個項目」及約 12.5GW 的已宣布容量等數字，但各來源對「簽約、在建、投運」的定義不同，不能直接相互比較。 2324

這類聚落的吸引力，在於土地、電力、光纖、設備供應商與專業維運人才可能逐步集中，讓後續項目更容易部署。Envision 集團的 Galaxy Campus 也已於 2026 年 8 月在烏蘭察布投入運作；報導稱，第一期設施面積約 12 萬平方公尺，可並行運行 100 萬顆 AI 晶片。這些容量數字主要來自企業及媒體報導，應按其來源性質理解。 202225

不過，宣布的容量不等於已接入電網、完成安裝或得到充分使用的容量。這個區分對判斷中國 AI 基礎設施的實際規模至關重要。

ByteDance 的中衛布局，能說明什麼？

更廣泛的基礎設施趨勢，也出現在 ByteDance 相關企業於寧夏中衛的消息中。一篇 7 月報導稱，ByteDance 全資持有的北京字跳網絡科技，成立了中衛賽沙明沙科技有限公司；該公司註冊資本為人民幣 22 億元，業務範圍包括資訊科技諮詢、軟體開發、資訊系統整合及電腦設備銷售等。 52

但現有證據不足以確認另一項更具體的說法：ByteDance 在中衛成立兩家子公司，註冊資本分別為 2.2 億元與 2.4 億元，且都包含非住宅房地產租賃業務。現有資料也不能證明上述中衛公司成立的目的就是興建資料中心。

較保守的判斷是，大型科技公司正嘗試更緊密地掌控土地、建築、設備與算力容量。另有報導稱，中國網路企業增加購買與核心業務相關的土地，但這項產業趨勢不能被當作某個特定 ByteDance 資料中心項目已獲證實的依據。 58

瓶頸不再只是「有沒有機房」

對傳統資料中心而言，建築物落成往往是重要里程碑；但對高密度 AI 叢集來說，真正稀缺的條件可能在建築物內外：

• 穩定的電網接入與發電容量；
• 變壓器、變電站及配電系統；
• 液冷與熱排放系統；
• 網路鏈路及叢集互連；
• 用水、環境合規及場址條件；
• 能把上述系統作為單一平台調試和營運的工程人才。

有關 AI 資料中心的研究與報導，均將電力供應、高功率密度及液冷視為日益關鍵的開發變數。 7 2026 年內蒙古綠色算力相關會議則顯示，算力項目正與設備製造、能源系統及產業投資綁在一起；會議公布的 12 個項目，計畫投資合計人民幣 1,864.6 億元。 2126

這也解釋了為什麼 AI 公司招聘計畫中，會同時出現土木、電氣、暖通、環境、自動化及能源工程師，以及模型研究員和軟體開發者。

AI 算力成為基礎設施，但不代表人人都要買下園區

DeepSeek 的招聘，最適合被理解為一項基礎設施訊號，而不是已完成大型園區的最終證明。公司看來正在建立跨地點規劃、交付及營運 AI 資料中心系統的組織能力。 1416

當算力供應有限、叢集難以配置，或高密度冷卻與電力接入決定實際產出時，這種能力可能提升 DeepSeek 的議價力與部署彈性。它也反映 AI 經濟正在重新組織：模型性能固然重要，但能否取得訓練和服務模型所需的物理條件，正快速成為競爭的一環。

把 AI 算力比作鐵路、電網和網際網路，能說明它的資本密集與網路依賴特徵；但這不等於每一家 AI 公司都必須在資產負債表上擁有 GW 級園區。更可能形成長期護城河的，是 穩定、可擴充地取得電力與算力，並具備把它們轉化為一致 AI 服務的營運控制力。