Мощность есть, а руки не доходят
Все говорят про электричество. Про политику. Про бетон и землю. Google вбухивает $4 млрд в дата-центры, как мы писали в прошлом месяце. BloombergNEF рисует красивые графики: к 2035 году мощность AI-дата-центров вырастет до 106 ГВт. Цифра впечатляет. Пока не задаешь простой вопрос: кто все это будет строить и обслуживать?
Applied Digital, оператор дата-центров, в своем отчете за январь 2026 года прямо заявляет: "Дефицит квалифицированных инженеров становится критическим ограничителем роста. Мы можем получить землю, разрешения, даже электричество. Но найти людей, которые спроектируют и запустят эти системы — другая история".
Парадокс автоматизации
Ирония ситуации бьет в глаза. С одной стороны, ИИ увольняет 55 000 человек в квартал. С другой — для инфраструктуры этого самого ИИ не хватает рук. Не любых рук. Инженерных.
Что нужно сегодня для AI-дата-центра? Не просто стойки с серверами. Сложные системы жидкостного охлаждения. Распределенные энергосистемы. Оптимизация под конкретные модели — тот же GPT-5 (да, он уже вышел в конце 2025) требует иной инфраструктуры, чем его предшественники. А завтра появятся новые архитектуры, новые требования.
Где взять этих людей?
Вот в чем проблема. Университеты не успевают. Курсы дают поверхностные знания. Опытные инженеры из традиционных дата-центров не понимают специфики AI-нагрузок. (Попробуй объясни человеку, который 20 лет работал с корпоративными серверами, что такое квантование весов модели и почему это влияет на тепловыделение).
Компании в отчаянии. Некоторые, как Mercor и Scale AI, платят $200 в час за экспертизу — просто чтобы понять, как лучше настроить инфраструктуру. Но это временное решение. Как мы писали в статье про экспертов на зарплате у ИИ, это похоже на то, как нанимать врача, чтобы он научил робота делать операции, которые потом будут делать только роботы.
| Позиция | Дефицит (вакансии/кандидаты) | Средняя зарплата (США) |
|---|---|---|
| Инженер по жидкостному охлаждению для AI | 12:1 | $280 000 |
| Архитектор AI-инфраструктуры | 8:1 | $320 000 |
| Специалист по энергоэффективности дата-центров | 10:1 | $240 000 |
Политика усугубляет проблему
Помните нашу статью про Трампа, PJM и электрический удар по AI? Там речь шла о доступе к энергии. Но есть и другой аспект: миграционная политика. Большинство талантливых инженеров в этой сфере — не американцы. Китайцы, индийцы, русские, украинцы.
Виза H-1B? Лотерея с 30% шансом. L-1? Требует года работы за границей. Пока ты прыгаешь через бюрократические обручи, проект стоит. А конкуренты (те же Китай или ОАЭ) просто выписывают золотые визы и платят на 20% меньше налогов.
Что будет с младшими разработчиками?
Здесь возникает интересный диссонанс. С одной стороны, junior-разработчики паникуют — как выжить в эпоху AI-агентов? С другой — инженерная инфраструктура кричит о нехватке кадров. Но переход из разработчика в инженера инфраструктуры — это как переучиться с пианиста на строителя мостов. Разные навыки, другое мышление.
Университеты пытаются реагировать. MIT, Stanford, Carnegie Mellon вводят новые программы по "AI Infrastructure Engineering". Но первый выпуск — только в 2028. А кризис уже сейчас.
Прогноз от инсайдера индустрии (просил не называть имя): "К 2027 году 30% планируемых AI-дата-центров либо задержатся на 2+ года, либо будут построены с серьезными компромиссами в эффективности из-за нехватки инженеров. Мы уже видим проекты, где охлаждение спроектировано так, что PUE (Power Usage Effectiveness) на 0.3 выше оптимального. Это миллионы долларов лишних затрат на электричество ежегодно".
Автоматизировать автоматизацию?
Логичный вопрос: а нельзя ли использовать ИИ для проектирования инфраструктуры ИИ? Звучит как каламбур, но компании пробуют. Некоторые инструменты уже есть — например, DeepInfra от того же Scale AI предлагает решения для оптимизации. Но пока это уровень "советника", а не полноценного инженера.
Проблема в том, что каждый дата-центр — уникален. География, климат, доступ к энергии, законодательство, даже качество воды для охлаждения. Невозможно создать универсальное решение. Нужны люди, которые понимают и физику, и инженерию, и компьютерные науки, и местные нормативы.
И вот здесь мы возвращаемся к большому вопросу: что будет с работой в эпоху ИИ? Одни профессии исчезают. Другие — возникают из ниоткуда и сразу платят $300 000. Но между ними — пропасть в несколько лет обучения и переквалификации.
Что делать тем, кто хочет в эту сферу?
Если вы инженер-электрик, механик, специалист по HVAC — у вас есть шанс. Но нужно срочно учить машинное обучение. Не до уровня создания моделей, а до понимания, как они работают, какие ресурсы потребляют.
Если вы разработчик — подумайте о переходе в DevOps/SRE с фокусом на AI-инфраструктуру. Kubernetes для распределенных ML-нагрузок, мониторинг GPU-кластеров, оптимизация pipeline'ов обучения.
Самое главное — перестать думать в парадигме "кодер vs ИИ". Будущее не за теми, кто пишет код, а за теми, кто создает системы, в которых этот код (написанный ИИ или людьми) работает эффективно. Бетон, электричество, трубы с жидкостью — вот новая роскошь. А те, кто управляет этой роскошью, будут получать роскошные зарплаты.
Пока остальные спорят, отнимет ли ИИ работу у программистов, умные компании скупают инженеров-энергетиков и специалистов по охлаждению. Потому что без них все эти GPT-5, Gemini Ultra и Claude 3.5 — просто красивые идеи, которым негде жить.
