2026年6月24日
关于大型数据中心建设的新闻强化了短期内对现场电气安装和维护等实体工作的用工需求。由于这些任务需要在现场执行、遵守规范并进行手工调整,电工看起来比上周略微更能抵御AI的影响。
电工会被AI取代吗?麦肯锡预计到2030年电工缺口约为13万人,主要推手是亚马逊、Meta、微软背后的数据中心建设热潮。
在我们的AI职业风险指数中,电工目前的分数为11(满分100)。分数越高,意味着该职业中常规、定义明确的任务已有更多可被自动化——这并不是在预测该职业会消失。AI往往先吸收重复性工作,而判断力、责任担当和人际关系仍由人来承担。
电工的工作远不止接线。他们要依据图纸、现场条件、安全规程和法定标准,决定线路怎么走、回路在哪里分支、电力如何送到每一台设备。到 2026 年,这个工种恰好处在 AI 数据中心建设热潮的中心:随着亚马逊、Meta、微软等公司竞相扩建算力,麦肯锡预计到 2030 年电工缺口将达到约 13 万人。
这个岗位的价值不只在于会用工具,更在于做出既贴合现场、又能避开触电和火灾等风险的施工决策。AI 可以加快图纸算量和故障检测,但现场的安全核查和施工责任,仍然牢牢落在人身上。
2026年6月24日
关于大型数据中心建设的新闻强化了短期内对现场电气安装和维护等实体工作的用工需求。由于这些任务需要在现场执行、遵守规范并进行手工调整,电工看起来比上周略微更能抵御AI的影响。
AI 不会取代电工,而劳动力市场眼下把这一点喊得比几乎任何其他工种都响:麦肯锡预计到 2030 年电工缺口约为 13 万人,主要推手正是亚马逊、Meta、微软等公司背后的数据中心建设热潮——在数据中心的总建造成本中,仅电气工程一项就可能占到 45% 到 70%。让一栋建筑的供电变得安全,法律上只允许特定的人去做,而这类人手的短缺,不是软件能补上的。
AI 眼下所做的,是加快这一短缺周围的文书与检查工作,而不是把缺口填上。Togal.AI、Drawer AI、STACK 这类算量工具,能以人工所需时间的一小部分,从图纸中提取布线、照明和配电盘的数量;G2 引用的一项 2025 年独立研究发现,Togal.AI 比同类工具快约 76%。iFactory 这样的热成像平台,如今把红外相机变成了全天候的故障探测器,能对异常进行分类,并在故障发生之前自动生成工单。
但这一切都没有改变「谁才被允许打开带电配电盘」。根据任仕达对 1.5 亿多条美国招聘信息的分析,如今招到一名管道工或电工需要 56 天,比招一名软件开发者的 54 天还要久;技术工种的失业率更是近五十年来首次低于大学学历专业人士。美国劳工部对此的回应,是把 AI 培训直接写进了每一个注册学徒制项目,把它当作电工需要学会的工具,而不是需要防备的威胁。
AI 最明显的战果,恰恰落在数据中心级需求所造成的瓶颈上:施工前的准备与检查——把图纸读得更快,把故障在演变成紧急事故之前抓出来。
Togal.AI、Drawer AI、STACK 这类工具,能以人工所需时间的一小部分,从整套图纸中提取布线走向、配电盘明细和器件数量,Drawer AI 称算量时间可缩短约 70%。这大大减轻了规划阶段的负担。但梁体干涉、与既有设备的冲突、以及安全作业空间,仍然需要有人亲眼看过现场。
绝缘检查、送电前检查表、标准作业程序,AI 都能生成相当可用的初稿,有助于把基础文档统一起来。但这些草稿仍然要针对具体现场的实际停电条件和危险源做调整。
iFactory 这类平台把 AI 与红外相机结合,全天候对异常分类并评估严重程度,在老化设备的故障扩大之前就将其抓住——而在设备的整个使用寿命中,老化本就是相当大比例电弧闪络事故的诱因之一。这加快了排障的第一步。但该停哪些、按什么顺序停,仍然需要人来决定。
施工范围的说明文字、条理清楚的报价明细,用 AI 准备起来都更省事,能减轻文档负担。但为什么需要增加这项作业、某个风险到底有多严重,解释这些依然是那个亲自站在配电盘前的人的责任。
留给电工的,是让施工在现场既安全又可行的那部分工作。没有哪个算量工具或热成像告警,能自己做出停电的决定。
哪些可以停电、哪些必须保持带电、检查按什么顺序进行,这些判断仍然完全属于人。电气作业中一个错误的决定就可能造成严重事故,而没有任何自动告警能替人承担这份责任。
在 AI 生成的算量里行得通的布线路径,到了现场可能因为空间太窄或与既有设备干涉而必须改。改到哪里去、既有设施还有多少可以继续利用,仍然是人的工作。
即便热像仪已经标出了异常,仍然要有人一步步弄清真正的问题出在断路器、线路还是接地上,并根据这套系统多年来实际是怎么用、怎么改的,决定先恢复什么。
把停电时段、危险区域和增项作业的必要性,用通俗的话向客户以及争抢同一施工面的其他工种讲清楚,依然很重要——尤其是在数据中心热潮中,多支班组常常被压在同一个紧凑的工期里。
眼下电工需要的,是比单纯记住流程更强的现场判断与安全设计能力,再加上对这层新软件足够的熟练度——用得动它,却不让它替自己拍板。
电工要做的不只是看懂接线图,还要能想象出哪里可能发生干涉、图纸上的条件与真实现场会有哪些出入——因为即便是再快的 AI 算量工具,提取到的也只是图上画着的东西,而不是墙里藏着的东西。
重要的不只是把数据测出来,而是知道从哪里开始才既安全又高效——尤其是如今热成像和传感器平台推给人去甄别的异常,比以往任何时候都多。
能在 Togal.AI、STACK 或联网 AI 的热像仪里快速上手,并且知道工具的输出什么时候需要现场修正,这样的电工能把更少的时间花在文书上,把更多时间留给只有持证电工才能签字确认的工作。
在数据中心建设把电气、暖通和结构班组压进同一个紧凑工期的情况下,既能调整自己的作业、又能让整个现场继续往前走的能力,已经成为这个工种最抢手的技能之一。
电工的经历所积累的,不只是电气施工能力,还有现场安全、协同配合、诊断思维和跨工种衔接方面的长处。这让人更容易转入建筑设备与项目执行领域的相邻岗位。
懂供电和控制系统的人,往往在暖通空调的维护与诊断上也做得不错。适合想从电气系统扩展到整栋建筑设备运行的人。
对控制柜和安全装置的了解,也与电梯维保高度相通。适合想把电气安全判断用在设备责任更重的岗位上的人。
习惯于把图纸与现场实际对照、并严守精确标准,这一点也很容易迁移到测量工作中。适合想从施工精度转向位置与基准控制的人。
做安全检查、随现场变化调整做法的经验,在更广泛的施工支持岗位上同样有用,尤其是在如今抢人抢得最凶的数据中心项目上。适合想保留专业视角、同时支撑整个现场的人。
处理工种交界面的经验,在给排水与卫生设备安装中同样有价值。适合想从电气系统拓宽到整体建筑机电配合与协调的人。
协调停电时段、与其他工种排定先后的经验,也自然通向项目进度与现场管理。适合想从现场执行转向统管整个工程的人。
电工并没有在 AI 面前失守。恰恰相反,2026 年的数据中心热潮,让持证电工短缺成了亚马逊、Meta 和微软共同头疼的问题,麦肯锡预计到 2030 年缺口将达 13 万人。变快的是这份工作周边的文书与检查:算量、检查表和故障检测。而带电回路上的安全判断、现场改线,以及向下一个进场的工种把活儿讲清楚,仍然是持证电工的责任——招聘数据已经说明了这一点:如今补上一个电工空缺,比补上一个软件开发者的岗位还要久。
这里列出的是与电工同属一个行业的职业。它们并不代表完全相同的工作,但有助于比较 AI 影响和职业路径的接近程度。
在我们的AI职业风险指数中,电工目前的分数为11(满分100)。分数越高,意味着该职业中常规、定义明确的任务已有更多可被自动化——这并不是在预测该职业会消失。AI往往先吸收重复性工作,而判断力、责任担当和人际关系仍由人来承担。
该分数将「该职业核心任务在多大程度上可被自动化」的基准估计,与每周一次、权衡最新AI研究、产品和新闻的重新评估结合起来。分数在所有追踪职业之间是相对的,因此电工的数字最好与其他职业相比较来解读,而非视作绝对的概率。
没有任何职业能完全免受影响,但你可以通过专注于AI最不擅长的部分来降低风险:复杂的判断、伦理上的责任担当、动手或人际方面的工作,以及对AI产出的监督。把AI当作工具来使用的人,始终比试图与之竞争的人表现更好。
该分数每周从我们的指数更新一次。本页上的每周变化数字显示了电工所面临的AI影响相较上一周变动了多少。