深圳的算力，正在一栋栋盖起来

深圳的算力扩张，肉眼可见。鹏城云脑持续扩容，南山、龙华、光明几个区都有智算中心在推进，一批数据中心扎堆开工。背后的逻辑不复杂：大模型要落地，机器人要推理，低空要实时计算，智能网联车要云端协同。深圳押了这么多赛道，每一条都得先过算力这一关。

先把楼盖起来，再谈别的。这是深圳这几年最实在的打法。

机器越买越多，会调机器的人还是少

智算中心的楼盖起来不难，难的是让它跑得省、跑得稳。GPU可以按卡买，卡插进机柜就能转，可要把几千张卡调成一台真正好用的机器，是另一门手艺。我们翻自己的案例库，发现深圳算力方向的岗位，招聘周期普遍拉长，一个资深的算力调度或GPU优化岗，挂四五个月不算稀奇。

同样一批GPU，会不会调差出一大截

同样一批GPU，会不会调度，成本能差出一截。推理优化、显存管理、算子调优这些活，直接决定一个大模型跑起来烧多少钱。深圳的企业现在愿意为这类人开高薪，问题是人太散，多数还藏在大厂和头部实验室里，中小公司根本约不上。

省下来的，都是真金白银。

液冷和供电，成了更硬的门槛

算力密度越高，风冷就越撑不住，液冷从可选项变成必选项。一台满负荷的AI服务器，功耗顶得上好几台家用空调，散热、供电哪个环节出问题都是大事。

可懂液冷的人，过去多在服务器厂、数据中心里慢慢攒出来，深圳这一轮需求一上来，人就显得特别紧。这活儿急不来，也速成不了。

我们翻到的算力委托单

深圳百猎猎头把近一年算力方向的委托翻了一遍。一家做智算中心的公司要招液冷总工，寻访了快半年，最后从华东一家服务器厂挖回来。还有一家做AI平台的企业，GPU优化工程师挂了四个多月，中途降过一次标准，还是没招到。倒是有个规律挺明显：懂单一环节的人好找，能同时懂算力、散热、供电的人，几乎没有。

这跟深圳储能缺电芯工程师的情况有点像，都是产业跑得太快，把人远远甩在后面。

人从哪来

算力的人，短期靠挖，中期靠转，长期得自己养。挖，是去服务器厂、云厂商、数据中心请人，见效快但代价高。转，是让做硬件散热、做数据中心运维的人往智算上转，底子在，补一补AI负载的特性就能上手。养最慢，但最稳，企业跟高校的能源、热动专业做联合项目，用两三年把队伍搭起来。

算力的窗口期还在，真正缺的，是站在机房和机柜前的那批人。想细聊深圳算力基建的用人，可以联系我们，我们的猎头服务能帮你把基础设施的班子搭起来。