DeepSeek, una compañía especializada en infraestructura para inteligencia artificial, ha iniciado una ambiciosa fase de contratación para incorporar alrededor de 150 ingenieros que trabajarán en la mejora y ampliación de sus sistemas backend. Este reclutamiento se enfoca exclusivamente en áreas técnicas relacionadas con la infraestructura, sin que nadie participe directamente en el desarrollo de los modelos de inteligencia artificial.
La apuesta de DeepSeek responde a la creciente demanda para ejecutar de forma simultánea cientos de miles de entornos aislados, conocidos como sandboxes, donde los agentes de IA llevan a cabo sus tareas de entrenamiento y evaluación. La capacidad de escalar esta infraestructura resulta clave para soportar el incremento de las cargas de trabajo y garantizar una operatividad eficiente y continua.
Cui Tianyi, miembro del equipo Harness de DeepSeek, responsable de la infraestructura y los entornos donde se ejecutan los agentes, compartió en una publicación en la red social X que los nuevos puestos se centran sobre todo en la ingeniería del lado servidor y el desarrollo del sistema Agent Elastic Compute (DSec). Este sistema es la plataforma de sandboxes diseñada para procesar las cargas de trabajo de los agentes durante las fases posteriores a su entrenamiento y evaluación. 
Estos ingenieros trabajarán en áreas como sistemas operativos, virtualización, redes, almacenamiento, planificación de tareas y servicios de control que gestionan la coordinación de los recursos. Cui destacó la necesidad urgente de actualizar, mantener y reescribir sistemas esenciales de DeepSeek para dar respuesta al crecimiento exponencial de las demandas computacionales.
Cuatro tipos de entornos unificados bajo un único SDK
Una característica fundamental de la infraestructura DSec es el soporte para cuatro tipos distintos de entornos, todos accesibles a través del mismo kit de desarrollo software (SDK) en Python. Desde llamadas simples a funciones en contenedores precalentados hasta contenedores compatibles con Docker para tareas que requieren persistencia de estado. Además, cuando es preciso un aislamiento más riguroso, se emplean microVMs Firecracker, y para cargas que requieren un sistema operativo completo se utilizan máquinas virtuales QEMU.
Esta variedad permite que la infraestructura sea versátil, capaz de atender desde peticiones sencillas hasta complejas tareas de ingeniería de software que requieren toda una máquina virtual a disposición del agente. La misma complejidad a la que se enfrentan otras empresas del sector, como OpenAI, que recientemente desarrolló un chip de silicio personalizado para optimizar la ejecución de estos agentes.
Eficiencia en el manejo de entornos con carga perezosa
El sistema debe garantizar que cada sandbox cuente con su entorno propio sin consumir excesivos recursos. Copiar imágenes enteras de contenedores o máquinas virtuales a cada nodo supondría un gasto enorme en almacenamiento y ancho de banda. Para evitarlo, DeepSeek integra DSec con 3FS, un sistema de ficheros distribuido desarrollado internamente.
De esta forma, las imágenes base y los cambios de sistemas de ficheros se mantienen como capas de solo lectura respaldadas por 3FS. Los metadatos permanecen en local, pero los bloques de datos solo se descargan cuando realmente son necesarios. Las microVMs replican este diseño, con una capa base compartida y capas copiables para las modificaciones específicas de cada sandbox.
Según DeepSeek, esta arquitectura reduce el uso duplicado de caché de páginas en entornos virtualizados y permite la sobreasignación segura de memoria, a la vez que las modificaciones realizadas en tiempo de ejecución del contenedor disminuyen el consumo de CPU por cada sandbox.
Gestionando interrupciones sin perder progreso
Otro desafío reseñable es cómo manejar miles de ejecuciones concurrentes durante el aprendizaje por refuerzo y otras tareas posteriores al entrenamiento. Cuando un proceso se interrumpe por reasignación de recursos, reiniciarlo desde cero sería muy ineficiente debido a la pérdida del trabajo previo.
Sin embargo, recuperar el estado anterior no es tan simple como reproducir las órdenes previas debido a que estas podrían haber modificado el entorno, alterando resultados futuros. Para solucionarlo, DSec mantiene un registro global ordenado que documenta cada comando y su resultado.
Así, al reanudarse la ejecución de un agente, el sistema puede avanzar rápidamente pasando por los resultados ya computados sin reejecutar los mismos comandos, asegurando coherencia y reduciendo costes generados por las interrupciones.
Un enfoque hacia la ingeniería, no la investigación en IA
Las 150 vacantes abarcan tareas de ingeniería de sistemas centradas en la infraestructura subyacente necesaria para soportar agentes y modelos, en lugar de puestos de investigación o desarrollo en inteligencia artificial. DeepSeek prevé que las cargas de trabajo sigan aumentando, y que se mantenga la presión en aspectos críticos que incluyen la planificación eficiente de tareas y la recuperación ante fallos.
Este plan confirma la estrategia de la empresa de reforzar su plataforma técnica para hacerla más robusta y escalable, de modo que pueda atender con eficiencia la creciente demanda sin comprometer la calidad ni el rendimiento.
