算力扩张卡在电表箱：全球AI基建迎来电工荒

很多人以为 AI 发展的最大瓶颈是芯片、算力与资本，但美国俄亥俄州的一座燃气电厂项目给出了截然不同的答案。位于卡罗尔县的 Chestnut Run 燃气电厂拿到了 20 亿美元投资，审批与电网接入全部就位，却因 GE Vernova 燃气轮机交付延期而被迫停摆。即使设备到位，工程总承包商和电工、焊工等现场人力的短缺，同样会让工期一拖再拖。

在过去三年中，AI 基建的瓶颈经历了四次转移：从最初的 GPU 供给，到电力供应与电网接入排队，再到变压器与开关柜等电气设备交付，如今则彻底卡在了一线电工和工程施工团队上。

前面三层瓶颈尚可通过追加资本、下单预留来解决，但在人力这一层，债务、融资和估值全部失效。培养一名成熟电工通常需要四到五年，这种成长曲线无法通过资金强行压缩。AI 竞赛正在从一场资本密集型的军备竞赛，转向人力密集型的物理约束。

设备制造端的天花板已十分明显。全球重型燃气轮机市场基本被 GE Vernova、Siemens Energy 与三菱重工三家主导。GE Vernova 的燃气轮机订单积压已延伸至 2031 年，全球年订单量攀升至 100 GW，约为疫情前平均水平的三倍。大型电力变压器的交付周期长达 100 至 150 周，部分特殊订单甚至需等待 4 年。

比设备更紧缺的是熟练工人。根据美国劳工统计局（BLS）数据，全美现有约 81.8 万名电工，预计未来十年每年将产生约 8.1 万个岗位空缺。值得注意的是，这些空缺绝大多数并非源于新增需求，而是应对每年约 2 万名老电工的退休潮。麦肯锡预测，仅就 AI 基础设施而言，到 2030 年美国就需额外培养 13 万名电工、24 万名建筑工人及 15 万名现场主管。面对庞大的培训需求，学徒制的培养容量严重受限，因为带徒弟的资深技师自身也在批量退休。

供需失衡迅速反映在薪酬上。在“全球数据中心之都”北弗吉尼亚，工会持证熟练电工的基础年薪普遍超过 12 万美元；在德州部分数据中心，资深电工加上加班费与补贴后年总薪酬可达 24 万至 28 万美元，资深调试工程师薪资甚至攀升至 26 万美元。

与此同时，高密度的算力架构进一步推高了电气复杂度。单个 GPU 机柜功耗已从十年前的 10 至 14 千瓦暴涨至 120 至 140 千瓦。在现代 AI 数据中心的总建设成本中，电气系统占比高达 45% 到 70%，建筑外壳仅占 10% 到 15%。AI 数据中心在物理形态上更像是一座高压变电站，必须依赖大量专业技术人员现场组装和调试。

面对这种结构性断层，科技巨头与资本方开始自建培训通道。Google 投入 5000 万美元支持电气培训联盟扩大招生；Meta 斥资 1.15 亿美元成立技能培训学院；BlackRock 也拿出 1 亿美元设立技术工种培训计划。大型机构下场办学，表明市场已经意识到纯粹的金融资本已无法跨越物理技能培训的时间周期。

资本可以堆砌算力、买断设备产能，但无法把人类五年的职业培训周期缩短为几个月。AI 产业的底层护城河，已经悄然延伸至电工师傅手中的扳手和接线钳。