问题——人工智能热潮之下，就业焦虑与“唯学历论”仍未消退；随着大模型加速进入生产生活，关于岗位替代的讨论持续升温。一些观点将人工智能时代简单理解为“写代码者的时代”，把高学历、科研背景视为进入产业核心的门槛，认为普通劳动者，尤其是非学术路径群体将面临更大不确定性。黄仁勋长文中给出不同判断：人工智能扩张会带来更强的实体建设需求，技能型岗位的重要性长期被低估。原因——人工智能正从“软件产品”走向“基础设施”，带动线下工程与运维岗位扩容。从产业链看，人工智能并不只由应用层驱动，其底座覆盖能源供给、芯片与服务器、网络互联、机房建设与散热系统等多个层级。业内普遍认为，算力中心正成为新型基础设施的重要部分，而建设过程高度依赖现场工程与工程管理能力。数据中心对供电稳定、散热效率和安全标准要求严苛，涉及高压配电、机电安装、管路系统、消防安防、网络布线与调试等多道工序，不少环节特点是“非标准化、强现场、强经验”，短期内难以被自动化全面替代。另外，部分国家还面临熟练技工老龄化、从业人数不足等问题，供需缺口继续拉大。影响——技能型岗位“含金量”上升，就业结构或呈现“两端发力”的新格局。一上，基础设施投资与算力中心扩建将直接带动技术工种需求增长，包括电气施工、管道与制冷系统安装、设备运维、网络与弱电工程等。由于工程质量直接影响系统稳定与安全，企业更愿意为成熟技能支付更高薪酬，技能认证、工龄经验与项目经历的价值被重新评估。另一方面，人工智能也改变传统行业的组织方式。在医疗、物流、制造等领域，智能化工具提升单位劳动效率，岗位内容随之调整：部分重复性文书、流程性工作被压缩，但与设备、场景、流程协同涉及的的岗位需求上升，例如设备操作维护、现场调度、质量管理与安全生产等。总体来看，产业链上游的科研与工程人才、中游的系统集成人才、下游的运维与技能人才将更紧密联动，仅用“学历高低”来判断就业前景已难以适应新形势。对策——以技能为导向完善人才供给体系，打通“学习—认证—就业—晋升”通道。在产业快速演进的背景下，建议重点落在三上：其一，提升职业教育与继续教育的匹配度。围绕数据中心机电工程、制冷与热管理、高压配电、网络布线与安全等方向，推动课程与产业标准对接，增加实训比重，提升项目化教学质量。其二，健全技能评价与认证体系，提高职业可见度与社会认可度。通过清晰的技能等级、行业证书与安全规范培训，增强劳动者流动与跨区域就业能力，也帮助企业降低用工匹配成本。其三，推动企业更深度参与人才培养。鼓励用人单位与职业院校共建实训基地，推进学徒制与订单班，以岗位带培养、以项目促学习，缩短技能形成周期，并通过合理薪酬、工时保障与职业发展通道稳定人才队伍。前景——人工智能“建得起来、用得稳定”的竞争，最终取决于工程能力与人才厚度。随着算力需求持续增长，数据中心建设正向高密度、低能耗、高可靠演进，对电气与热管理技术、系统集成能力和运维规范提出更高要求。可以预见，未来竞争不仅是算法迭代的速度之争，也是工程质量、能源效率、安全管理与人才储备的综合较量。对劳动者而言，更值得警惕的往往不是“学历不足”，而是“技能单一、难以迁移、缺乏持续学习能力”。对社会而言，提升技能型人才培养与待遇保障，将成为支撑新型基础设施建设、维护产业安全、改善就业质量的重要抓手。
技术进步的价值不只体现在算法与产品，也体现在把“算力”变成稳定服务的工程体系之中；人工智能时代既需要科研与创新驱动，也离不开各行业的技能支撑。把技能人才培养放在更重要的位置，让更多劳动者凭本领获得稳定收入与成长通道，既符合产业规律，也有助于增强经济韧性与社会活力。