AI先让蓝领建数据中心,再研究如何用机器人替代他们
过去最怕AI抢饭碗的群体，通常是程序员、设计师、客服、律师之类的白领。
然而此刻，最卖力替AI摇旗呐喊的，反而换成了蓝领劳动者。
8月28日，《华尔街日报》披露，随着美国各地对数据中心的抵触情绪持续升温，建筑工会开始直接介入。
华盛顿地区拥有6100名成员的Steamfitters UA Local 602已经表态：反对数据中心的政客，别再指望我们的政治背书和捐款。
电工工会IBEW Local 26等组织也在大力支持数据中心建设。在一些地区，这甚至开始动摇工会传统的政治立场。原因很简单：
数据中心意味着就业。
而且是大量就业。
更有意思的是，就在同一天，WIRED曝光了Meta在数据中心里推进的另一件事。
他们在测试机器人。
机器人插拔网线，机器人重启服务器，机器人切断和恢复电源，机器人搬运设备，机器人巡检故障。
部分机器人已经在爱荷华和弗吉尼亚的数据中心投入使用，部分还在测试阶段。一名Meta数据中心员工甚至推测，如果其中一套插拔线缆的机器人最终成熟，可能替代某些岗位最高80%的工作量。
当然，这只是员工估算，不是Meta官方表态。而且目前的机器人远未成熟：有的动作迟缓，有的续航不足，有的连红绿指示灯都识别不了，复杂布线依然离不开人。
Meta自己的说法则完全相反：
我们现在不是要减少人手。
而是缺人。
这两件事放在一起，才是当下真正值得关注的AI就业故事。
不是"AI究竟创造工作还是消灭工作"。
而是：
AI创造工作的领域，和AI准备消灭工作的领域，可能根本不在同一时间段。
AI终于找到了创造大量就业的方法。
方法是：
先变成重工业。
互联网公司过去几十年最拿手的一件事，就是让自己看起来轻飘飘。
Google搜索多十亿用户，不需要在每个小镇建一座工厂。
Facebook多十亿用户，当地居民也不会发现家门口突然冒出一条生产线。
所以科技产业一直拥有一种其他工业没有的政治优势：
它创造巨额财富，却很少在普通人的生活圈子里制造庞大的物理存在感。
AI彻底颠覆了这件事。
一座真正的大型AI数据中心，需要的是土地、电网、变电站、冷却系统、燃气轮机、高压线路，以及密密麻麻的机电设备。
这些东西不能让GPT帮你凭空变出来。
得有人真的去建。
电工。
管道工。
暖通工。
焊工。
建筑工。
设备安装人员。
所以Meta今年6月甚至专门拨款1.15亿美元，成立了America's Workforce Academy，免费培训数据中心相关技术工种。培训结束后，还会获得参与Meta数据中心建设的总承包商提供的工作机会。
原因并非Meta突然对职业教育产生热情。
是美国真的缺人手了。
这也是为什么，AI数据中心正在赢得一个非常有趣的新政治盟友：
建筑工会。
当地居民可能嫌数据中心耗电。
环保组织嫌它耗水。
社区居民嫌它吵闹。
白领担心AI夺走自己的工作。
但对一个电工来说，这些宏观议题暂时都比不上一张未来三年排满的工单实在。
甚至今天打开IBEW Local 26的官网，都能看到海量数据中心岗位招聘，有些项目明确提供长期工作和大量加班。
所以工会力挺AI数据中心，一点都不荒唐。
甚至相当理性。
AI可能是白领眼中的自动化机器，却是蓝领眼里的基建超级周期。
真正耐人寻味的，是这轮就业繁荣有一个很少被写在标题里的限定条件：
Reuters今年6月在报道Meta的数据中心职业培训时，提供了两个非常直观的数字。
Meta在得州的一座大型数据中心，建设高峰期预计现场超过1800名工人。
正式投运以后：
大约100个长期岗位。
另一座俄克拉荷马数据中心，建设高峰超过1000个工作岗位。
投运以后：
也是大约100个岗位。
这其实是数据中心这种产业非常典型的特征。
建设时像造城。
运行后像机房。
于是我们平时看到一句：
某某AI项目将创造数千个就业机会。
里面其实可能塞着两种完全不同的内容：
一种是未来两三年需要几千人建造。
另一种是未来二三十年真正留驻当地的几百人。
两者当然都是就业。
但对一个地方政府来说，经济意义天差地别。
因为居民让渡的东西可不是临时的。
一块土地，长期占用。
新增几百兆瓦甚至几个GW的电力需求，长期持续。
变电站和输电线，长期存在。
很多项目享受的税收优惠，也是多年期。
噪音、用水和能源系统压力，同样不会剪彩后就消失。
换句话说：
当地社区承担的是长期成本，数据中心最丰厚的就业回报，却高度集中在建设期。
这才是工会与当地居民对同一座数据中心态度截然不同的根源。
他们没有谁算错了账。
只是拿着两张不同时长的账单。
然后Meta又把这件事向前推进了一步。
数据中心本来长期留驻的人员就没有建设期那么多。
现在，科技公司还在探索：
这些人能不能再压缩。
WIRED披露，Meta已经尝试让机器人承担过去需要数据中心技术人员现场完成的任务。
最简单的甚至只是一个机械"手指"：
服务器宕机了。
远程运维人员发出一道指令。
机器伸过去按一下电源按钮。
人不用到场。
再复杂一点，是机器人巡检服务器、搬运机架、重新插拔部件。
更复杂的是Meta正在测试的线缆机器人——在服务器之间定位正确接口，拔掉一根线，再把另一根插进去。
这些事情听上去一点都不像AGI。
甚至有点笨拙。
但它们恰恰是商业上极具价值的自动化。
因为数据中心真正棘手的，并不都是需要博士解决的难题。
大量工作只是：
设备故障，要有人过去处理。
线路松动，要有人重新插好。
机器重启，要有人按按钮。
库存要有人盘点。
指示灯要有人盯防。
只要机器能稳定搞定这些"小事"，一座拥有几万、几十万台服务器的园区，就能大幅压缩必须24小时值守的现场人力。
而且这件事对AI公司还有另一层吸引力。
机器人耐热。
无需照明。
理论上也不需要把数据中心设计成一个非常适宜人类长期工作的环境。
WIRED采访的一名芯片公司高管甚至透露，越来越多客户已经开始考虑用人形机器人运行数据中心，因为这意味着机房可以在更高温度、更昏暗、甚至未来对人类并不友好的条件下运行。
所以Meta今天说"我们需要更多工人"，大概率是真心话。
Meta明天希望"每座数据中心需要更少的人"，也完全可能是真心话。
两个判断毫不矛盾。
这恰恰是这轮AI基建最值得观察之处：
近期美国的数据中心已经越来越难落地。
居民开始抗议。
有人担心电费。
有人担心水源。
有人不愿把农田变成机房。
一些州和地方政府开始暂停审批，数据中心甚至已经卷入地方选举。Reuters今年7月的一项调查显示，只有14%的受访美国人支持在自己社区建设数据中心。
所以科技公司必须告诉当地：
别只盯着服务器。
看就业。
看投资。
看税收。
看电工、管道工和建筑工未来几年能挣多少薪水。
这套叙事是奏效的。
因为那些工作都是真实的。
工会也因此成为AI基建最重要的政治盟友之一。
但这里面有一个非常微妙的期限错配：
科技公司需要的是几十年的基础设施。
工会当下获得的是建设这批基础设施的岗位。
而一旦基础设施建成，科技公司最擅长的事情就会卷土重来：
提升效率。
压低成本。
削减人力。
自动化。
这甚至不是Meta特别冷血。
它只是遵循了一家正常公司的商业逻辑。
砸几百亿美元建一座数据中心，当然希望里面长期运营的人越少越好。
如果机器人能让运营成本下降10%，没有哪个CFO会因为当初剪彩时承诺"创造就业"就主动拒绝。
所以真正的问题从来不是：
Meta是不是一边高喊就业，一边偷偷裁蓝领。
这个判断太肤浅，也不够精准。
真正的问题是：
当一个地方政府因为"就业"给一座数据中心划拨土地、电力和税收优惠时，它到底购买的是哪一种就业？
是三年的建设工时？
十年的稳定岗位？
还是一轮最终也会被自动化挤压的过渡性工作？
这是截然不同的投资回报率。
AI就业讨论推进到这里，其实浮现出一个比"AI会不会抢饭碗"更耐人寻味的结构。
AI正在同时做三件事：
它在办公室里奋力削减白领。
它在美国各地疯狂召集蓝领，把自己的物理躯壳搭建出来。
然后等躯壳建好，又开始琢磨怎样压缩维护这些躯壳的蓝领。
这才是真正的技术革命。
它不是简单地：
消灭工作。
或者：
创造工作。
而是把工作从一个地方搬到另一个地方，再从一个时间段搬到另一个时间段。
一个程序员今年失去的岗位，可能变成一个电工今年的加班费。
一个建筑工今天拿到的三年项目，最后变成一座运行30年的无人化机房。
宏观统计最终甚至可能告诉我们：
AI总共创造了很多工作。
AI总共也消灭了很多工作。
数字都没错。
只是拿到工作和失去工作的人，不是同一个人。
拿到工作和失去工作的时间，也不是同一年。
这就是为什么"AI终将创造更多就业"其实是一句信息量极低的话。
工业革命最终也创造了更多工作。
但这对一个在产业转型中丢掉饭碗的人，没多少慰藉。
真正需要回答的是：
谁先拿到红利，谁后承担代价，中间隔了多少年。
所以我并不觉得蓝领工会今天替AI数据中心站台有什么讽刺。
恰恰相反。
工会的职责就是替当下的成员争工作。
如果AI基础设施未来十年真的要投入几万亿美元，电工、管道工、暖通工当然应该尽力把这轮历史性的建设红利收入囊中。
真正需要重新算账的是另一边：
那些为了"永久就业"而批准土地、税收优惠、电力和基础设施投入的地方政府。
因为AI数据中心正在展现出一种很特殊的经济形态：
它建设时像工厂。
需要大量人手。
它运行时像软件。
希望尽量少人。
而且这两件事之间，可能只隔一场剪彩仪式。
过去我们总说，AI会不会让机器像人一样工作。
现实可能稍微反过来。
AI首先需要几十万个人，把一整个物理世界修筑出来，让机器能够运转。
然后机器进场以后，再慢慢追问：
所以这轮AI基建最有意思的政治联盟，可能也是最短暂的联盟之一：
蓝领工人帮助AI获得土地、电力和社会许可。
而AI最擅长的事情之一，
恰恰是等一切就绪后，
重新计算到底还需要多少蓝领工人。
云计算公司花了二十年，让我们相信计算没有重量。
到了AI时代，它们终于重新变成了工厂。
只是这一次，
工厂建成后，第一个继续被优化的成本项，依然是人。