AI基础设施的竞争，正在从“谁能买到GPU”，延伸到“谁能找到足够的电，并让电稳定地到达每一台服务器”。

过去两年，谈到AI基础设施，市场最关心的问题一直是：谁能拿到更多GPU？

但现在，一批AI公司正在面对更现实的问题：GPU买到了，数据中心却未必能按时通电。

得州电网运营商ERCOT目前跟踪的大型用电申请已经超过438GW，其中近89%来自数据中心。面对远超电网承载能力的申请，ERCOT开始对大型项目进行集中审核；今年8月，监管机构又批准调整首批项目的审核流程。这意味着，一些数据中心即便已经完成选址和前期投入，也要先证明自己的电力需求真实、项目可行，才有机会继续推进并网。

AI基础设施的竞争，正在从“谁能买到GPU”，延伸到“谁能找到足够的电，并让电稳定地到达每一台服务器”。

01 AI为什么突然这么“缺电”？

普通人使用AI时，看到的只是几秒钟生成的文字。但在这些回答背后，是大量GPU在数据中心里持续进行计算。

AI服务器不仅耗电更多，功率密度也远高于传统服务器。UC San Diego在最新公布的AI数据中心供电项目中提到，单个AI硬件机架的用电量，最高可能达到几年前传统服务器机架的50倍。

当成千上万个GPU被放进同一座园区，问题就不再只是“附近有没有发电厂”。

电力从电网到达GPU，需要经过输电线路、变电站、变压器、Switchgear、UPS和内部配电系统。任何一个环节容量不足、设备交付延期或审核受阻，都可能拖慢整座数据中心的上线。

得州最近的争议就说明了这一点。一方面，居民担心数据中心和新增输电线路占用土地、消耗水电资源；另一方面，ERCOT和产业界警告，如果关键输电项目继续延迟，电网拥堵、停电风险和用电成本都可能上升。

与此同时，田纳西河谷管理局TVA也在8月调整了批发电价结构，以应对快速增长的数据中心需求，并希望让大型用电项目承担相应的供电和基础设施成本。

02 AI缺电，正在创造哪些新岗位？

当数据中心从普通机房变成动辄需要数百兆瓦、甚至吉瓦级电力的基础设施项目，它所需要的人才也不再局限于算法工程师和程序员。

一座AI数据中心从规划到运行，至少需要完成选址、供电设计、变电站建设、备用电源配置、冷却系统集成、设备调试、安全管理和日常运维。它更像是一个电力工程、机械工程、建筑工程与IT系统高度融合的大型工业项目。

IEEE Spectrum今年1月指出，数据中心开发商对电气、机械、土木、施工管理、高压电力系统、暖通空调和设施运维人才的需求都在上升。由于传统人才供给不足，一些企业甚至开始从核能、航空航天和军工领域寻找掌握供电与冷却系统的人才。

这也意味着，机会并不只属于EE学生。

Electrical Engineering背景的学生可以关注Power Systems、Power Distribution、Substation、Protection与Controls；Mechanical Engineering学生可以进入HVAC、Liquid Cooling和Thermal Management；Civil Engineering、Construction Management背景可以参与园区、变电设施和机电工程建设；Energy、Environmental或公共政策方向的学生，则可能进入电网规划、能源采购、并网、合规与可持续发展岗位。

美国劳工统计局预计，2024至2034年，Electrical and Electronics Engineers的整体就业人数将增长7%，平均每年约有17,500个职位空缺。需要注意的是，这并不是“AI数据中心每年新增17,500个岗位”，其中也包括人员退休和转岗产生的替补需求；IEEE的判断是，这些人才所掌握的技能与数据中心的设计、建设、调试和运营高度相关。

真正值得留学生注意的，不是一个被夸大的“风口数字”，而是AI基础设施正在重新组合原本分散在电力、工程、建筑和设施管理领域的职业机会。

03 不只看Big Tech，哪些公司值得关注？

如果只搜索OpenAI、Google或NVIDIA，学生看到的仍然只是AI产业链最显眼的一层。围绕数据中心供电，至少有四类公司值得纳入求职名单。

第一类是云计算和科技公司，例如Microsoft、Amazon和Google。这些公司不仅开发AI产品，也参与数据中心的设计、建设和运营。

Microsoft的数据中心招聘页面已经将Electrical Engineer、Mechanical Engineer、Construction Manager、Commissioning Manager、Critical Environment Technician等岗位划分为不同职业路径。

第二类是数据中心开发商和运营商，例如Equinix、Digital Realty、QTS、Vantage Data Centers和Applied Digital。

以Equinix为例，其Critical Facilities岗位需要维护电力、机械、HVAC和消防系统，保证数据中心在全天候环境中稳定运行。

第三类是电气设备、能源和自动化公司，例如Schneider Electric、Siemens、Eaton、ABB和GE Vernova。数据中心需要的Switchgear、UPS、Transformer、Controls和能源管理系统，许多都来自这一层供应商。

IEEE报道还提到，Siemens计划到2030年培训20万名电工和电气制造领域人才，反映出电力基础设施产业对技能人才的需求。

第四类是工程咨询、EPC和Commissioning公司。它们帮助客户完成电气设计、施工管理、系统测试和交付。对不具备纯电气背景，但学过机械、建筑、土木、工程管理或供应链的留学生来说，这类公司往往能提供更多进入AI基础设施产业的接口。

这些公司未必会把岗位统一标成“AI Job”。很多机会隐藏在Data Center、Critical Facilities、Mission Critical、MEP、Commissioning、Utility或Infrastructure等关键词下面。具体职位是否开放、是否接受New Grad以及是否提供Sponsor，仍需回到公司官网逐项核对，不能由行业扩张直接推断。

04 留学生现在应该补什么？

想抓住这条产业链，第一步不是在简历上生硬地加一句“对AI感兴趣”，而是理解数据中心究竟需要解决什么问题。

工程类学生可以围绕Power Distribution、UPS、Switchgear、Transformer、Substation、Protection and Relaying、Controls、HVAC和Cooling Power Integration补充课程与项目。如果目标是偏现场和运营的岗位，还需要理解Critical Facilities、Redundancy、Reliability、Commissioning，以及MOP、SOP和应急响应等概念。Microsoft和Equinix的岗位说明都强调了设施监控、设备维护、故障排查和安全流程的重要性。

工程背景的学生也并非没有机会。数据中心建设还涉及能源采购、项目融资、供应链、选址、许可、合规、供应商管理和项目运营。关键是把自己的专业能力放进一个具体环节，而不是为了追热点强行把自己包装成AI工程师。

在项目经历上，也可以有意识地靠近真实业务场景：做一次数据中心负荷计算、设计备用供电方案、模拟微电网与储能调度、分析电力与冷却系统的协同，或者研究大型用电项目如何完成并网和成本分担。UC San Diego最新项目就在测试一种新的供电架构，目标是减少电力转换损耗、缩小设备占地，并提升数据中心与电网协同的能力。

过去谈AI求职，大家习惯把目光投向模型、软件和芯片。但当AI进入大规模落地阶段，真正决定它能跑多快、扩多大的，是一整套看得见、摸得着的物理基础设施。

AI模型负责创造智能，GPU负责提供算力，而越来越多人的工作，是让这一切真正通上电，并且稳定运行。

蔓藤教育从政策解读、职业方向规划，到简历优化、面试特训、名企内推，全程一对一陪跑，帮你理清实习、求职思路，解决实习和求职路上的各种难题。