人工智能竞争进入深水区后，最稀缺的资源未必是模型工程师。
越来越多科技巨头发现，真正制约AI扩张速度的，可能是数据中心建设能力，以及那些能够让服务器稳定运转的技术工人。
Meta最新公布的一项计划，某种程度上反映了这种变化。公司宣布投入1.15亿美元，用于培训数据中心技术人员，并通过美国劳动力学院（U.S. Workforce Institute）向学员提供免费课程。完成培训后，Meta还将联合承包商为毕业生提供就业机会，目标是为未来不断扩张的AI基础设施储备人才。
表面上看，这是一个职业教育项目。
但如果放到当前全球AI军备竞赛的大背景下观察，这更像是一场围绕基础设施的提前布局。
过去两年，市场对AI的关注点主要集中在模型能力。无论是OpenAI、谷歌还是Anthropic，竞争核心都围绕参数规模、推理能力和产品生态展开。然而当生成式AI进入商业化阶段后，问题逐渐转向另一个方向——谁拥有更多算力，谁能够更快建设数据中心，谁就能支撑更大规模的AI服务。
而数据中心并不是建好就结束。
从服务器部署、电力系统维护，到冷却设备管理和网络运行，都需要大量专业技术人员参与。一个大型AI数据中心背后，往往对应数百甚至上千名运维、工程和技术支持人员。
这也是为什么美国科技行业近期出现一个颇有意思的现象：越来越多企业开始直接投资劳动力培养。
此前，微软、亚马逊和谷歌都曾推出相关技能培训计划，希望解决云计算和AI时代的人才缺口。Meta如今加入这一队伍，意味着数据中心人才短缺已经从企业内部问题变成整个产业链的共同挑战。
事实上，当前美国正在经历一轮罕见的基础设施建设热潮。
随着AI算力需求激增，各大科技公司纷纷加码数据中心投资。芯片厂商扩产、电力公司扩容、建筑承包商订单暴增，整个产业链都在快速运转。相比几年前强调“轻资产运营”的互联网时代，如今AI产业越来越像传统工业体系，需要大量固定资产和实体劳动力支撑。
Meta的动作尤其值得关注。
公司表示，这项培训计划只是其更大规模美国基础设施和就业战略的一部分。未来三年，Meta计划在美国基础设施和就业领域投入高达6000亿美元。
这一数字背后透露出两个信号。
其一，Meta正在加速建设自己的AI能力护城河。面对OpenAI、谷歌和微软的持续竞争，仅靠开源模型已经不足以确保领先优势。更庞大的算力网络、更稳定的数据中心体系，正在成为新的竞争筹码。
其二，美国科技巨头正在重新拥抱本土制造和本土就业。
从芯片工厂到数据中心，再到能源设施建设，越来越多投资流向美国国内。这既符合企业降低供应链风险的需求，也契合美国政府推动高科技产业回流的政策方向。
从商业逻辑看，培训项目的意义甚至超过单纯招聘。
如果未来AI行业继续保持高速增长，数据中心技术员很可能成为类似云计算时代网络工程师那样的重要职业。企业提前介入人才培养，不仅能缓解招聘压力，也能建立长期稳定的人才供给渠道。
资本市场过去总喜欢讨论AI创造了多少新职位，又取代了多少旧岗位。
现实情况往往更复杂。
生成式AI确实改变了部分白领工作的方式，但与此同时，它也催生出一批此前并不存在的基础设施岗位。从数据中心技术员到液冷系统工程师，再到算力网络运维人员，新的职业需求正在快速形成。
Meta此次投入1.15亿美元培养技术工人，本质上不是慈善项目，而是一项典型的基础设施投资。
当行业还在讨论哪个模型更聪明时，科技巨头已经开始争夺另一种资源——能够让这些模型持续运行的人。未来几年，AI产业的竞争或许不仅发生在实验室和产品发布会上，也会发生在数据中心机房、职业培训课堂以及劳动力市场之中。
