土木工程从业者是否有望凭借自身专业技能进入科技巨头麾下？近日，据网络消息，DeepSeek 正在启动新一轮大规模招聘，除了传统的工程师和 AI 人才，名单中竟然出现了土木工程人员的身影。这是否意味着老一辈土木人记忆中那段“黄金岁月”——央企包吃住、入职有签字费、三年升总工、五年当项目经理——又要回来了？
经过简单了解，DeepSeek 这次“牵手”土木老哥，并非为了重振土木行业的荣光，而是为了给 AI 基础设施添砖加瓦。具体来说，他们计划建设一个规模空前的数据中心。过去的中心功耗多在兆瓦级别，而这次的目标是吉瓦级。打个比方，今年上半年杭州市的平均用电功率约为 12GW，这意味着一个数据中心的建设将消耗掉全杭州接近十分之一的电力。实际上，这并非 DeepSeek 一家的选择，建设超大型数据中心已成为各大模型厂商的军备竞赛。Meta 正计划在美国路易斯安那州建设一个 5GW 的超级中心；马斯克更是抢先推出了全球首个 GW 级数据中心 Colossus 2；至于 OpenAI 和 Anthropic，他们规划中的超级数据中心数量恐怕比过年包的饺子还要多。
虽然规划容易，但真正动工时，厂商们往往吃尽苦头。选址、用电、用水、散热，这一系列麻烦接踵而至。如今的超级数据中心与传统的机房有着本质区别。过去的设计思路相对简单，选地、盖楼、堆设备即可。但在大模型时代，散热成了决定机房布局的核心变量。以前数据中心以 CPU 为主，机柜总功率满打满算也就 15kW 左右，靠几排大风扇就能吹走热量。现在为了满足 AI 需求，数据中心塞入了大量高功耗显卡，几十千瓦的机柜随处可见，甚至像英伟达推出的机柜，功率直接飙升至 140kW。这种级别的发热量，早已把传统的“风冷”方案按在地上摩擦。为了确保这些昂贵设备在适宜温度下高效运转，液冷技术成了必选项。然而，液冷系统的复杂性远超想象。需要提前规划冷板位置、分配冷却液流量、配置冷却剂分配装置、设计管道粗细，还要确定冷却液类型以及混合方式。此外，液冷机房作为非标品，在接头、冷却液、冗余设计和维护流程上，市面上存在多种技术路线，尚未完全统一。这也导致超大型数据中心的建设周期比传统机房多了两三个月。
解决了散热问题，紧接着就是用电难题。以往数据中心的用电量虽大，但电网尚能消化，如今单座数据中心动辄 GW 级别，电网反而要“求”着它们用电了。根据国际能源署数据，建设数据中心本身只需数年，但为了供电，新建输电线路、变电站等配套电网基础设施，从规划到建成往往需要更长时间。这就出现了一个尴尬的局面：大楼主体可能已经完工，电却还没通。在国内，大家习惯了低廉的电价可能没感觉，但在美国，这一现象已引发严重问题。由于数据中心耗电巨大，周边居民电价随之飙升。有媒体追踪发现，美国部分数据中心集中区域，居民电价比五年前上涨了 267%。可以说，AI 正在改变美国人的生活，首先改变的是他们的电费账单。
同样棘手的是水资源。为了带走热量，机房采用液冷后，热量最终需通过冷却塔蒸发排散，这消耗了大量水。加州大学河滨分校的估算显示，用户每与 ChatGPT 聊天 20 次，可能就有 500 毫升水被蒸发。虽然水不会消失，但在当地重新落回的难度极大。更令人头疼的是，许多数据中心偏偏选址在水资源匮乏的沙漠地区。这些地方地价低廉、风光电资源丰富且电费便宜，地方政府为了吸引投资和就业，甚至签署协议优先保证供水。例如，美国亚利桑那州政府因优先满足数据中心用水，被迫暂停城市基建，甚至遭到联邦政府警告“少用河水”。谷歌也曾因数据中心抢水问题被告上法庭。早在智利圣地亚哥，谷歌计划抽取地下水冷却时，就因当地连续十年的干旱和民众抗议，被法院撤销了项目环评许可，最终不得不放弃计划。
面对全球的指责，大厂们开始尝试“戒水”。新建 AI 数据中心正采用更复杂的密闭式循环冷却方案，冷却液在管道内循环，热量排出后不再单纯依赖水蒸发，而是结合风扇和机械制冷。据微软数据，这种设计能将蒸发耗水降至接近零，单座数据中心一年可节省约 1.25 亿升水。
因此，建造能运行大模型的超级数据中心，早已不是几台服务器拉根网线那么简单，而是一场横跨土木、电气、暖通、能源、通信乃至环境工程的超大型系统性工程。这表明，AI 的进化正一步步迈向重工业时代。买不到芯片？那就自研；算力不足？那就拿地自建；电网跟不上？那就合作建电厂、修变电站。外界常对 AI 的发展方向提出质疑，认为它是来抢饭碗的。但通过数据中心的故事可以看出，AI 带来的不仅是职业替代的焦虑，更是对“AI 行业”定义的重塑。过去，人们认为 AI 行业只属于算法工程师、研究员和程序员。但当模型规模膨胀后，决定其能否运行的核心因素，逐渐变成了芯片供应、电力来源、散热排热、水资源消耗以及建筑本身的规划。于是，常年在工地的土木工程师、处理高压电的电气工程师、研究冷却系统的暖通工程师，也被卷入了 AI 产业链。虽然土木行业的“黄金时代”是否全面回归尚难断言，但至少当 AI 从代码卷向水电煤、从实验室卷向工地时，像 DeepSeek 这样的企业，其核心岗位已不再只留给程序员了。