老黄当着卡内基梅隆 CS 毕业生的面说：电工比你们更有前途
故事是这样的。
上周，Jensen Huang 站在卡内基梅隆大学的毕业典礼台上，对着满场计算机科学的毕业生，说了这么一句话。
“Electricians, plumbers, iron workers, technicians, builders. This is your time.”
翻译一下，电工、水管工、铁工、技术员、建筑工。是你们的时代了。
他说这话的场合是，就在一屋子刚拿到 CS 学位、等着去科技公司报到的年轻人面前。世界上市值最高的半导体公司的 CEO，就这么说了。
好家伙。
我第一反应是，这条推文是不是断章取义。所以我去找了原始上下文，不是。他真的就是在认真说这件事，而且说得挺具体，有数据，有逻辑，不是随口一说。原推链接
然后我意识到，这不是一个科技大佬在说疯话。背后有一套很具体的逻辑，一旦你把它想明白，会有点懵。
先从数字说起，因为数字最不容置疑。
Randstad 分析了 1.5 亿多条美国职位发布数据，结论是，技工需求增速是白领岗位的 3 倍。不是 30%，是三倍。机器人技术员岗位增长了 107%，HVAC 工程师——暖通空调工程，简单说就是给数据中心装制冷系统的人——增长 67%，电工、焊工、建筑工人从 2022 年底开始增长 18 到 30% 不等。
与此同时，斯坦福那边出来了一项研究，AI 相关岗位的早期就业率下降了 16%，22 到 25 岁的开发者就业从 2022 年底的峰值下跌了将近 20%。斯坦福 HAI 年度报告
我看到这两组数字放在一起的时候愣了一下。
因为这不是”AI 会不会取代程序员”那个老话题，那个话题已经聊了三年，聊得耳朵都起茧了。这是另一件事，更具体，也更有意思。技工需求在爆增，而技工的供给，正在枯竭。
美国制造业的劳动力数据是，每进入 100 个年轻工人，就有 102 个人离开。净流出，而且是现在进行时，不是将来预测。
让我从头把这件事的逻辑捋一遍。
AI 需要算力。算力需要芯片。芯片需要数据中心来跑。数据中心需要建设。建设需要人。
这条链条的最后一步，“建设需要人”，我们好像集体忽略了。
美国科技公司今年在数据中心建设上要花 7000 亿美元。麦肯锡的预测是，到 2030 年，全球数据中心投资总量会达到 7 万亿美元。麦肯锡数据中心报告
7 万亿美元需要做什么，具体来说？
需要拿线缆把整栋楼的电路接起来。需要铺管道，水冷液冷系统都需要管道，密密麻麻。需要浇混凝土，需要把几万公斤的服务器机架抬进去固定好。需要有人站在内华达的沙漠里，在 45 度的高温下，给一个 100MW 的数据中心布电。100MW 是什么概念？大约可以给 10 万户家庭同时供电的量。
AI 不会帮你做这些事。AI 被卡在数据中心里，出不去。
这不是什么深刻洞见，这是物理。
然后我意识到一件更有意思的事。
AI 行业的整个逻辑，建立在”数字是可以无限扩展的”这个假设上。一个代码库，写好了全球都能用，边际成本趋近于零。一个模型，训练一次可以无限次推理。这是数字经济最美好的地方，这个属性让互联网行业在过去二十年创造了巨大的财富。
但 AI 需要算力这件事，把物理的约束带回来了。你不能”扩展”一个数据中心的建设，你得一块砖一块砖地砌，一条线一条线地拉。边际成本不是软件的规律，是物理世界的规律。
换个更直接的说法，AI 行业的飞轮，转起来的核心依赖，是一批正在老去、后继无人的人。
厉害了。
回头看顶级电工的年薪，美国劳工统计局的数据是 10.6 万美元以上，顶级水管工是 10.5 万以上，不需要大学学位，学徒制从第一天开始就有薪水，跟着师傅边做边拿钱。BLS 电工薪资数据 BLS 水管工薪资数据
反过来对比一下，一个应届 CS 毕业生，现在的平均起薪是多少？还要算上学生贷款，美国的平均贷款余额是 3.7 万美元，四年的机会成本。入行之后还要面对一个收缩的招聘市场，因为初级开发岗在缩减，AI 工具在顶替掉一部分原本需要初级程序员做的工作。
我不是要说程序员不值这个薪水，而是说，经济上的比较，现在没那么倾斜了。
说到这里，我想跳出去一步，说一个让我觉得有点眩晕的视角。
我们在谈”AI 会取代什么工作”的时候，脑子里浮现的，往往是工厂流水线、客服中心、数据录入这些画面。我们默认高知识含量的工作是安全的，蓝领的、重复性的工作是脆弱的。
但 Jensen Huang 说的这件事，恰恰是在调转这个直觉。
因为物理世界有它自己的规律，不是知识密度决定了不可替代性，是物理操作的复杂度和情境适应性决定的。一个好的电工，需要在不同的建筑结构、不同的电气规范、不同的现场条件下，做出一个个临时判断和调整。这种具身的、情境化的操作，现在的 AI 和机器人做不了，至少做不到规模化。
一位经验丰富的数据中心电气工程师，站在一个正在建设的楼里，看一眼走线空间，知道哪里可以走，哪里不行，这需要数千小时的积累，这种积累很难被数字化。
而我们写的代码，已经在被 Claude Code、GitHub Copilot、Cursor 这些工具逐步接管一部分工作量了。不是说程序员被完全取代，但”初级程序员能做的事情”这条线，已经在往上移了。
我知道这里会有人说，Jensen Huang 只是在美国的情境下讲这件事，中国不一样。
这个反驳有一定道理。中国的职业技术院校体系还在，技工的供给没有断这么厉害。
但问题在于，数据中心建设是全球性的需求，而中国这边 AI 基础设施的投资也在加速。工信部的数据是，中国算力总规模在过去几年翻了两倍多。翻两倍意味着大量新建数据中心，意味着大量的施工、布线、运维岗位。
更重要的是，AI 对软件开发岗位的冲击，在中国互联网行业已经是正在发生的事，不是将来式。今年不少公司的招聘计划里，初级开发岗在缩，对 AI 工具使用能力的要求在提。这个结构性的压力是真实的。
但我不想把这篇文章写成”程序员要完了”的唱衰稿。那样写既不准确，也没啥意思。
我更想说的，是另一层。
Jensen Huang 那句话，表面上是在说职业选择，内核是在说一件更大的事，AI 时代，哪些东西是不可被数字化的？
拉线这件事，不可被数字化。监控一个 100MW 数据中心的物理安全和运营状况，某些部分是可以被 AI 辅助的，但手能做的那部分，AI 现在还不行。建设本身，也不行。
所以你如果把这个问题重新框一下，不是”技工 vs 程序员”，而是”物理世界的不可数字化锚点在哪里”，你会发现，Jensen Huang 说的这些职业，恰好都是锚点。
我有时候觉得，我们身处 AI 这个行业里太久，容易忘记一件事，世界不只是跑在服务器上的东西。你用的电，从哪里来。你喝的水，管道谁接的。你现在坐的这个地方，钢筋混凝土是谁浇的。这些不是哲学问题，这是今晚当你关掉电脑之后依然在运转的基础设施。
AI 跑在数据中心里，数据中心落在土地上，土地连接着那些拉线的手。这条链没有断过，只是我们太习惯盯着链条的顶端，忘记看底部。
回到最开始那个问题，Jensen Huang 为什么要在卡内基梅隆的 CS 毕业典礼上说这件事。
他没有理由哄 CS 毕业生开心然后说”你们不如去当电工”，那在常识上说不通，他肯定不是在贬低。
我理解他是在说，经济结构在重新定价。AI 正在改变哪些工作是稀缺的，哪些工作是充裕的。在这轮重新定价里，物理世界的不可替代性，正在被整个行业严重低估。
“Electricians, plumbers, iron workers, technicians, builders. This is your time.”
他说的”this is your time”，不是说 CS 的时代结束了。是说，有一个被整个行业集体忽略的窗口，正在打开。
万能青年旅店有首歌，里面有一句，“是谁来自山川湖海，却囿于昼夜厨房与爱”。
我有时候觉得，AI 行业有点相反，明明依赖着昼夜不停的物理基础设施，却想象自己只活在纯粹的数字世界里。快乐是真实的，算力是借来的。
最后说一件具体的事。
如果你是在读这篇文章的应届生，或者正在焦虑职业方向的程序员，我的想法是这样的，不是说去转行学电工，那没必要，也大可不必。
是说，把”不可数字化”作为一个判断标尺，想想你的工作或者你想进入的方向，里面有多少是这样的东西。机器人运维、数据中心运营、边缘计算硬件、电力基础设施，这些不是”传统行业”，这是 AI 行业的物理层。而这个层，现在的竞争，还没有那么卷。
说实话我也不确定这个判断是否准确，AI 的发展很快，也许再过几年，这一切又会被重新改写。但至少现在这个节点，Jensen Huang 站在那个台子上，对着全场 CS 毕业生说出那句话，不是在开玩笑。
好家伙，写到最后变成了一个选行业赛道的建议。
不过这确实是我现在的真实想法，写出来，供参考。
参考链接
原始推文：https://x.com/kimmonismus/status/2055403142913884288
Randstad 劳动力市场报告：https://www.randstad.com/workforce-insights/workforce-trends/
斯坦福 HAI 2026 年度报告：https://aiindex.stanford.edu/report/
美国劳工统计局，电工职业数据：https://www.bls.gov/ooh/construction-and-extraction/electricians.htm
美国劳工统计局，水管工职业数据：https://www.bls.gov/ooh/construction-and-extraction/plumbers-pipefitters-and-steamfitters.htm