文 | 万点研究
十年前，Facebook 在俄勒冈州建数据中心碰上了一个朴素的问题：当地建筑工人和电工不够用。Facebook 的应对很直接，把人招进来自己培训，结业 就上工地。这事儿当时没什么人注意，被归为企业社会责任，或者顶多算个应急手段。数据中心盖完就完了，工人自然会去下一个工地。毕竟一个建设用工问题，不值得大惊小怪。
到了 2026 年，已更名的 Meta 宣布掏 1.15 亿美元自办技校，首批招 5000 名电工学员，学费食宿全包。一时间，这条不大不小的消息在圈内涌动。与此同时，市场行情是：美国 AI 数据中心顶尖电工年薪 24 万到 28 万美元，折人民币一百六七十万。对比一下，美国电气工程师中位数年薪约 10.3 万美元，传统建筑电工约 6 万美元。24 万到 28 万这个数字，已经接近硅谷中级软件工程师的薪酬区间。
从工地短训班到自建正规技校，十年间同一家公司在同一个领域动作升维。这并非孤例，微软总裁布拉德 · 史密斯今年公开说，电工短缺是微软数据中心的 " 头号障碍 "。
我们来看几组数据。美国数据中心建设领域当前缺口约 65 万工人，电工岗位未来十年年均缺口 8 万。全美持证电工约 72 万人、平均年龄 44 岁，而 30 岁以下持证者不到 15%。欧洲需在五年内补充 25 万技术电工。日本数据中心容量过去五年增长超过 200%，熟练电工短缺排在建设挑战第一位。马来西亚柔佛州因承接新加坡溢出需求成为数据中心聚集地，当地电工月薪开到 1.5 万至 1.8 万令吉，而制造业电工月薪中位数仅四五千令吉。
显然，高薪挂在那里，人却供不上来。为什么？
此电工非彼电工
解释这个问题，先得说清一个 " 误会 "。" 电工 " 这个词，大多数人脑子里蹦出的画面是：穿工装、挂工具、在楼道里拉电线接开关。工作对象是 120V、22V、240V 的家用电，顶多 380 伏动力电。一个零基础的人，培训一千多个小时，跟师傅跑一两年现场，考到证就能独立干活。美国劳工部把这类归为 " 建筑与维护电工 "，全美 72 万人，平均时薪 29 美元。
AI 数据中心里那群人也叫电工，但干的完全是另一回事。他们的工作对象是 10 千伏中压配电、110 千伏甚至 220 千伏高压进线。一个大型数据中心，进线高压经过主变压器降到 10 千伏，再往下是密密麻麻的 UPS 不间断电源阵列，再下面是几十台 2 到 3 兆瓦的柴油发电机组并联作为最后保险。单说 UPS，常用单台容量 300 到 1200 千伏安，并联总容量可达兆瓦级别。这些数字什么概念？一座中等规模医院的用电负荷大概几千千瓦，而一个数据中心的备用发电能力顶好几座医院。
工作环境也不是地面高度。这群人常年在离地十米以上的桥架上带电作业，全年没有停工检修这回事。AI 训练集群停不了，宕机一分钟损失数万到数十万美元。另外还有一个容易被忽略的事实：人为失误是数据中心非计划停机的最主要原因。Uptime Institute 2025 年的调查显示，人为失误占全部宕机事件的约 70% 到 75%，超过设备故障和外部电力中断的总和。这意味着，运维人员的技术水平直接决定了数据中心的可靠性。
最要命的差别在知识结构上。传统电工学的是单一强电，需要同时懂四套系统：强电、弱电、暖通、自动化。大学里这四个方向分在不同学院，课程基本不交叉。但故障不分学院，一条故障的因果链可能横跨多个专业领域，排障时不可能叫三个人分别来看，因为必须搞清楚谁是因谁是果。
比如一个干了 15 年低压维修的老电工，2025 年想转数据中心运维。低压操作轻松过，但高压倒闸和 UPS 并机逻辑卡住了。对方开的薪资是他原工资的 1.7 倍，最后还是没要他。这不是个案。北弗吉尼亚是全球数据中心最密集的区域，当地行业组织 2025 年调查显示，数据中心运营商平均面试 8 到 10 个持证电工，才能碰到一个具备基本中高压操作经验的。
说到这，我们基本明白了一个事实：这两个群体共享一个职业名称，但已经不是一个工种了。
高薪为什么失灵
一个市场缺什么人，价格抬上去，供给就会跟上来，这是经济学的基本逻辑。但在 AI 数据中心电工这个领域，价格信号不太灵，原因有三个方面。
首先是时间问题，时间是最绕不过去的坎儿。传统电工培养周期两三年，数据中心专家需要五到八年。一个数据中心从土建交接到满负荷运行，完整周期约 18 到 24 个月，跟完三到五个项目，才可能积累足够的故障案例形成跨系统判断力。行业经验数据表明，经历过三个以上完整项目的运维主管，处理复杂故障的平均时间比只跟过一个项目的要短 40% 到 60%。这种差距不体现在证书上，纯粹是时间堆出来的。
需求侧和供给侧的时间刻度根本不在一个数量级上，这是 " 时间错位 "，不是 " 数量缺口 "。
其次，跨系统知识无法靠分科教育解决。大学专业设置是按照工业时代的逻辑把知识切成一块一块的，但数据中心故障是跨界的。谷歌 2023 年做过一个尝试：为期 18 个月的跨系统培训，电气、暖通、控制全教，首批 50 人。培训完综合考核通过率 62%，剩下 38% 的症结在于 " 无法快速建立不同系统之间的因果链条 "。谷歌这样的公司，脱产一年半，通过率刚过六成，跨系统能力的培养天然有高淘汰率，靠堆资源解决不了。
最后一点，风险会筛掉一批人。数据中心宕机的经济代价明确且巨大。同时 10 千伏以上高压操作存在人身风险。有家美国大型数据中心运营商去年做过内部调查：持高压证且技术达标的候选人中，约 35% 在了解岗位风险细节后主动退出面试，理由是 " 风险责任与薪酬性价比不足以补偿心理压力 "，或 " 不想从低压舒适区进入高压高责任环境 "。
以上三重因素叠在一起：能熬过五到八年项目积累的人本就不多，少数人里还得跨系统能力打通，再筛掉不愿承受高压和宕机压力的。最终剩下来的，没几个。高薪信号发出去了，接得住的人还没长出来。
产业用硬件为 " 经验缺席 " 买单
人不够，活儿不能等。
产业的应对策略很朴素也很贵：人不够老练，就让设备多兜底。供电设计上，以前采用 N+1 冗余，也就是 N 台满足负荷、加 1 台备份防备设备故障，而且现在新建智算中心不少用了 N+2。多出来的那台防备的不是防设备坏，而是防人的操作失误。
另一个办法是预制化。传统做法是电缆现场铺设、配电柜现场接线，质量严重依赖电工手艺。预制化方案把配电模块、液冷模块的组装挪到工厂流水线上，现场只负责对接。微软在爱荷华和怀俄明的项目采用后，现场电工工时减少 35% 到 40%，初级电工主要工作从 " 布线 " 变为 " 对接 "。这套做法本质是把需要经验的工作从不可控的现场抽离，放到流程可控的工厂完成。
还有智能运维。传感器密度提升、数字孪生技术应用、AI 辅助故障预警在普及。全球知名的 IT 研究与咨询公司 451 Research 统计，2025 年全球约 42% 的数据中心部署了 AI 辅助运维，2021 年才 18%。一个入职一年的新人靠着智能平台，能完成以前要三五年经验才做的日常监控。但智能运维有边界，它擅长识别已知模式，不擅长处理没见过的状况。多个告警同时跳出来时，哪个是根因、哪个是衍生、怎么排优先级，仍然需要人做判断。另外，远程专家能连线，但闻不到现场焦糊味，摸不到水泵轴承的细微震动，这些最原始的感官信息至今替代不了。
所以，面对 AI 数据中心的复杂故障做综合判断，仍然只能靠时间培养。这是整个局面的核心矛盾：技术能加速计算、通信、存储，却无法加速一个人的成长曲线，这个规律 AI 改不了。
重新定义人才供应链
放在上述我们所聊的整体框架中，Meta 办技校就不是孤立新闻了，它不是唯一这么做的：谷歌与社区学院合作定向培养，微软在华盛顿州和技工学校联办数据中心电气运维方向，亚马逊在北弗吉尼亚和俄亥俄建内部培训中心，计划到 2026 年培训超 2000 人。只是 Meta 走得最远——自建完整技校，培训对象从 " 有证的老电工 " 下沉到 " 零基础学员 "。
为什么科技公司开始学制造业的人才路数？因为人才市场传递了一个清晰的信号：现有人才池无法通过价格机制自动扩容。
以美国为例，全美持证电工一半以上超过 45 岁，未来十年预计超 20 万人退休，每年新入行仅 1.5 万到 2 万。价格一直涨，供给几乎不动。这就逼着用人大户直接干预上游，把 " 市场培养、企业采购 " 改成 " 自己投资、自己生产 "。
办技校不是急效药。Meta 这批学员培训周期两年，2028 年毕业，毕业离独当一面还得再跟三五年项目。从战术上说，2026 到 2030 年间 Meta 照样得跟谷歌微软抢存量的老手资源。但战略上，一旦这条供应链进入稳定产出，Meta 等于有了一批按自己技术体系和文化长出来的核心力量。这个护城河，对手有钱也跨不过去，毕竟人只能靠时间长出来。
AI 竞赛上半场拼的是谁卡多、谁算力大、谁模型训得快。下半场，当几十座巨型数据中心同时在全球开工，当运维复杂度跨过某个门槛，竞争重心开始转移：谁能持续培养出足够的复合型专家，谁就握有一张对手短期内复制不了的底牌。
