AI狂飙，电工为何成了“香饽饽”？

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