随着资本大量涌入数字基础设施领域,建设和运营新产能所需的劳动力严重短缺。
美世咨询公司首席劳动力策略师威廉·塞尔夫在周一(3月9日)由达信公司主办的网络研讨会上提出了这一担忧,与会高管讨论了当前数据中心市场繁荣中的风险和机遇。
"我认为整个建设项目的最大制约因素是所需的劳动力——而不是资本、土地,甚至能源,"塞尔夫说道。
两个阶段,两个人才市场
劳动力挑战分为两个连续阶段,每个阶段都需要不同的策略和人才库。塞尔夫表示,太多公司只为其中一个阶段做准备。
第一阶段是建设和近期维护,需要熟练的技工:电工、钢筋工、暖通空调技术员和电力系统专家——这些岗位需要多年的培训。他强调,随着超大规模建设和电网升级,对这些技工的需求激增,但培训渠道跟不上步伐。据塞尔夫估计,根据产能增加的激进程度,未来几年技能工人的短缺可能在75,000到140,000人之间。这里没有捷径;这些技工的能力和安全性都需要时间积累。
第二阶段是运营。设施开放后,一个不同的、更小的、高度技术化的团队负责数据中心的24/7运营——包括设施管理员、网络工程师和冷却专家等。这些岗位在人才获取和留存方面需要与基于项目的建设workforce不同的方法。
地理冲击
使问题复杂化的是新产能的建设地点。多年来,开发集中在美国少数几个枢纽——北弗吉尼亚、菲尼克斯和达拉斯——创造了竞争极其激烈的本地劳动力市场,推高了工资并从较小的区域雇主那里抽走了人才,塞尔夫解释道。这些集中化还引发了社区反对,通常是两党的,涉及用水、能源成本、噪音和对当地特色的改变。
当开发商转向新地点,包括俄亥俄州哥伦布市、印第安纳州南本德市、德克萨斯州阿比林市、路易斯安那州农村地区和德克萨斯州狭长地带时,他们面临劳动力和基础设施真空。除了建筑工人,数据中心开发还需要塞尔夫所说的围绕站点的"功能性微型经济":为工作人员和员工提供酒店和餐饮服务,运输和物流来搬运设备,医疗保健、安全、零售和物业管理。密集的城市通常具备这种现成的能力;许多农村地区则没有。
结果是一种从石油和天然气行业熟悉的"淘金热"社会经济动态:工人快速涌入,住房和服务突然紧张,当地经济依赖单一行业的周期。
"曾经为油田建造劳工住房的公司现在正转向数据中心园区,创建带有住房的自给自足社区,"塞尔夫说。
他指出OpenAI和甲骨文的阿比林AI数据中心园区是围绕数字基础设施重组当地经济的例子。
挖角、薪酬和地点
当人才数量不足时,各行业相互挖角。据塞尔夫称,跨行业招聘正在加剧,电力和公用事业、国防和加工工业为数据中心劳动力提供了越来越多的份额。这种竞争正在推高薪酬。基本工资和差异化薪酬普遍上升,在偏远地区出现明显飙升,雇主必须诱使人们离开城市和郊区劳动力市场。
塞尔夫指出,薪酬现在也有风险维度。中东持续的军事行动表明,数据中心是关键的民用基础设施和冲突期间的潜在目标。对于人员来说,这带来了"心理负担",雇主可能需要通过基于风险的薪酬和增强的福利来认识这一点。
争夺人才需要培养人才
据塞尔夫称,在这场人才竞赛中获胜的公司将制造自己的劳动力供应。这意味着资助学徒计划,建立社区大学合作伙伴关系,并创建退伍军人渠道。内部人才学院可以加速相邻工人的技能提升,以满足不断变化的要求。
"这些是竞争策略,不是慈善事业——但也有重要的ESG维度,"塞尔夫指出。它们创造了不需要四年制学位的可获得的、高薪工作。数据中心技术人员年薪约为60,000-90,000美元——在定向增长的农村市场中,这种收入水平尤其有意义。
"投入到这种建设中的每一美元,最终都是对人的投注——能够设计、建造、供电和运营这些设施的人,"塞尔夫说。
他补充说,目前人才供应滞后于投资雄心。市场领导者将为劳动力曲线的两个阶段做计划,在人才不存在的地方建设人才,并将社区能力作为项目的一部分。
Q&A
Q1:数据中心建设面临的最大制约因素是什么?
A:根据美世咨询公司首席劳动力策略师威廉·塞尔夫的观点,数据中心建设面临的最大制约因素是劳动力短缺,而不是资本、土地或能源。未来几年技能工人的短缺可能在75,000到140,000人之间,包括电工、钢筋工、暖通空调技术员等。
Q2:数据中心劳动力需求分为哪两个阶段?
A:第一阶段是建设和近期维护,需要熟练技工如电工、钢筋工等,这些岗位需要多年培训。第二阶段是运营,需要设施管理员、网络工程师和冷却专家等高度技术化团队负责24/7运营,人才获取和留存策略与建设阶段不同。
Q3:数据中心技术人员的薪酬水平如何?
A:数据中心技术人员年薪约为60,000-90,000美元,这种收入水平在农村市场中尤其有意义。这些工作不需要四年制学位,为劳动者提供了可获得的高薪就业机会,是重要的ESG实践。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。