AI狂飆，電工為何成了“香餑餑”？

文/程一章

來源/萬點研究

十年前，Facebook在俄勒岡州建數據中心碰上了一個樸素的問題：當地建筑工人和電工不夠用。Facebook的應對很直接，把人招進來自己培訓，結業 就上工地。這事兒當時沒什么人注意，被歸為企業社會責任，或者頂多算個應急手段。數據中心蓋完就完了，工人自然會去下一個工地。畢竟一個建設用工問題，不值得大驚小怪。

到了2026年，已更名的Meta宣布掏1.15億美元自辦技校，首批招5000名電工學員，學費食宿全包。一時間，這條不大不小的消息在圈內涌動。與此同時，市場行情是：美國AI數據中心頂尖電工年薪24萬到28萬美元，折人民幣一百六七十萬。對比一下，美國電氣工程師中位數年薪約10.3萬美元，傳統建筑電工約6萬美元。24萬到28萬這個數字，已經接近硅谷中級軟件工程師的薪酬區間。

從工地短訓班到自建正規技校，十年間同一家公司在同一個領域動作升維。這并非孤例，微軟總裁布拉德·史密斯今年公開說，電工短缺是微軟數據中心的“頭號障礙”。

我們來看幾組數據。美國數據中心建設領域當前缺口約65萬工人，電工崗位未來十年年均缺口8萬。全美持證電工約72萬人、平均年齡44歲，而30歲以下持證者不到15%。歐洲需在五年內補充25萬技術電工。日本數據中心容量過去五年增長超過200%，熟練電工短缺排在建設挑戰第一位。馬來西亞柔佛州因承接新加坡溢出需求成為數據中心聚集地，當地電工月薪開到1.5萬至1.8萬令吉，而制造業電工月薪中位數僅四五千令吉。

顯然，高薪掛在那里，人卻供不上來。為什么？

此電工非彼電工

解釋這個問題，先得說清一個“誤會”。“電工”這個詞，大多數人腦子里蹦出的畫面是：穿工裝、掛工具、在樓道里拉電線接開關。工作對象是120V、22V、240V的家用電，頂多380伏動力電。一個零基礎的人，培訓一千多個小時，跟師傅跑一兩年現場，考到證就能獨立干活。美國勞工部把這類歸為“建筑與維護電工”，全美72萬人，平均時薪29美元。

AI數據中心里那群人也叫電工，但干的完全是另一回事。他們的工作對象是10千伏中壓配電、110千伏甚至220千伏高壓進線。一個大型數據中心，進線高壓經過主變壓器降到10千伏，再往下是密密麻麻的UPS不間斷電源陣列，再下面是幾十臺2到3兆瓦的柴油發電機組并聯作為最后保險。單說UPS，常用單臺容量300到1200千伏安，并聯總容量可達兆瓦級別。這些數字什么概念？一座中等規模醫院的用電負荷大概幾千千瓦，而一個數據中心的備用發電能力頂好幾座醫院。

工作環境也不是地面高度。這群人常年在離地十米以上的橋架上帶電作業，全年沒有停工檢修這回事。AI訓練集群停不了，宕機一分鐘損失數萬到數十萬美元。另外還有一個容易被忽略的事實：人為失誤是數據中心非計劃停機的最主要原因。Uptime Institute 2025年的調查顯示，人為失誤占全部宕機事件的約70%到75%，超過設備故障和外部電力中斷的總和。這意味著，運維人員的技術水平直接決定了數據中心的可靠性。

最要命的差別在知識結構上。傳統電工學的是單一強電，需要同時懂四套系統：強電、弱電、暖通、自動化。大學里這四個方向分在不同學院，課程基本不交叉。但故障不分學院，一條故障的因果鏈可能橫跨多個專業領域，排障時不可能叫三個人分別來看，因為必須搞清楚誰是因誰是果。

比如一個干了15年低壓維修的老電工，2025年想轉數據中心運維。低壓操作輕松過，但高壓倒閘和UPS并機邏輯卡住了。對方開的薪資是他原工資的1.7倍，最后還是沒要他。這不是個案。北弗吉尼亞是全球數據中心最密集的區域，當地行業組織2025年調查顯示，數據中心運營商平均面試8到10個持證電工，才能碰到一個具備基本中高壓操作經驗的。

說到這，我們基本明白了一個事實：這兩個群體共享一個職業名稱，但已經不是一個工種了。

高薪為什么失靈

一個市場缺什么人，價格抬上去，供給就會跟上來，這是經濟學的基本邏輯。但在AI數據中心電工這個領域，價格信號不太靈，原因有三個方面。

首先是時間問題，時間是最繞不過去的坎兒。傳統電工培養周期兩三年，數據中心專家需要五到八年。一個數據中心從土建交接到滿負荷運行，完整周期約18到24個月，跟完三到五個項目，才可能積累足夠的故障案例形成跨系統判斷力。行業經驗數據表明，經歷過三個以上完整項目的運維主管，處理復雜故障的平均時間比只跟過一個項目的要短40%到60%。這種差距不體現在證書上，純粹是時間堆出來的。

需求側和供給側的時間刻度根本不在一個數量級上，這是“時間錯位”，不是“數量缺口”。

其次，跨系統知識無法靠分科教育解決。大學專業設置是按照工業時代的邏輯把知識切成一塊一塊的，但數據中心故障是跨界的。谷歌2023年做過一個嘗試：為期18個月的跨系統培訓，電氣、暖通、控制全教，首批50人。培訓完綜合考核通過率62%，剩下38%的癥結在于“無法快速建立不同系統之間的因果鏈條”。谷歌這樣的公司，脫產一年半，通過率剛過六成，跨系統能力的培養天然有高淘汰率，靠堆資源解決不了。

最后一點，風險會篩掉一批人。數據中心宕機的經濟代價明確且巨大。同時10千伏以上高壓操作存在人身風險。有家美國大型數據中心運營商去年做過內部調查：持高壓證且技術達標的候選人中，約35%在了解崗位風險細節后主動退出面試，理由是“風險責任與薪酬性價比不足以補償心理壓力”，或“不想從低壓舒適區進入高壓高責任環境”。

以上三重因素疊在一起：能熬過五到八年項目積累的人本就不多，少數人里還得跨系統能力打通，再篩掉不愿承受高壓和宕機壓力的。最終剩下來的，沒幾個。高薪信號發出去了，接得住的人還沒長出來。

產業用硬件為“經驗缺席”買單

人不夠，活兒不能等。

產業的應對策略很樸素也很貴：人不夠老練，就讓設備多兜底。供電設計上，以前采用N+1冗余，也就是N臺滿足負荷、加1臺備份防備設備故障，而且現在新建智算中心不少用了N+2。多出來的那臺防備的不是防設備壞，而是防人的操作失誤。

另一個辦法是預制化。傳統做法是電纜現場鋪設、配電柜現場接線，質量嚴重依賴電工手藝。預制化方案把配電模塊、液冷模塊的組裝挪到工廠流水線上，現場只負責對接。微軟在愛荷華和懷俄明的項目采用后，現場電工工時減少35%到40%，初級電工主要工作從“布線”變為“對接”。這套做法本質是把需要經驗的工作從不可控的現場抽離，放到流程可控的工廠完成。

還有智能運維。傳感器密度提升、數字孿生技術應用、AI輔助故障預警在普及。全球知名的IT研究與咨詢公司451 Research統計，2025年全球約42%的數據中心部署了AI輔助運維，2021年才18%。一個入職一年的新人靠著智能平臺，能完成以前要三五年經驗才做的日常監控。但智能運維有邊界，它擅長識別已知模式，不擅長處理沒見過的狀況。多個告警同時跳出來時，哪個是根因、哪個是衍生、怎么排優先級，仍然需要人做判斷。另外，遠程專家能連線，但聞不到現場焦糊味，摸不到水泵軸承的細微震動，這些最原始的感官信息至今替代不了。

所以，面對AI數據中心的復雜故障做綜合判斷，仍然只能靠時間培養。這是整個局面的核心矛盾：技術能加速計算、通信、存儲，卻無法加速一個人的成長曲線，這個規律AI改不了。

重新定義人才供應鏈

放在上述我們所聊的整體框架中，Meta辦技校就不是孤立新聞了，它不是唯一這么做的：谷歌與社區學院合作定向培養，微軟在華盛頓州和技工學校聯辦數據中心電氣運維方向，亞馬遜在北弗吉尼亞和俄亥俄建內部培訓中心，計劃到2026年培訓超2000人。只是Meta走得最遠——自建完整技校，培訓對象從“有證的老電工”下沉到“零基礎學員”。

為什么科技公司開始學制造業的人才路數？因為人才市場傳遞了一個清晰的信號：現有人才池無法通過價格機制自動擴容。

以美國為例，全美持證電工一半以上超過45歲，未來十年預計超20萬人退休，每年新入行僅1.5萬到2萬。價格一直漲，供給幾乎不動。這就逼著用人大戶直接干預上游，把“市場培養、企業采購”改成“自己投資、自己生產”。

辦技校不是急效藥。Meta這批學員培訓周期兩年，2028年畢業，畢業離獨當一面還得再跟三五年項目。從戰術上說，2026到2030年間Meta照樣得跟谷歌微軟搶存量的老手資源。但戰略上，一旦這條供應鏈進入穩定產出，Meta等于有了一批按自己技術體系和文化長出來的核心力量。這個護城河，對手有錢也跨不過去，畢竟人只能靠時間長出來。

AI競賽上半場拼的是誰卡多、誰算力大、誰模型訓得快。下半場，當幾十座巨型數據中心同時在全球開工，當運維復雜度跨過某個門檻，競爭重心開始轉移：誰能持續培養出足夠的復合型專家，誰就握有一張對手短期內復制不了的底牌。

本文由萬點原創，如需轉載、商務合作

請私信或加V溝通：微信號zzdmw5728