Meta 测试数据中心机器人，人类工作负荷面临压力

尽管 Meta 正围绕其不断扩张的美国基础设施强调就业带动作用，该公司仍在测试用于数据中心实体作业的机器人。据报道，这些机器可更换线缆、重启服务器、检查设备、搬运机架并重新插接组件。一名员工估计，一旦线缆自动化取得成功，可能替代某些工作负荷中多达 80% 的任务。

这一估计并非 Meta 的官方预测，而是来自一名接受 WIRED 采访的员工；WIRED 的报道随后成为一则被 Google News 广泛传播报道的基础。这些机器人目前的速度和自主性也仍不及经验丰富的技术人员。

不过，这些测试将自动化从软件延伸至支撑 Meta AI 系统的实体通道。Microsoft、Google 和 Amazon 都曾探索类似应用。Meta 现在面临一个棘手问题：基础设施增长究竟会创造技术岗位，还是会逐步将其转变为自动化工作流。

这并不只是一个机器人按下按钮的故事。它关乎谁掌控日益自动化的计算系统中最后一道人工环节，也考验为人手操作而设计的当代数据中心，能否在不牺牲可靠性的前提下实现机器可维护性。

Meta 已将数据中心机器人引入真实设施

Meta 不再将其数据中心机器人工作局限于受控演示。

根据 WIRED 记录的机器人测试，多台机器已在 Meta 设施内部运行或接受试验。相关工作覆盖爱荷华州阿尔图纳、俄亥俄州新奥尔巴尼等地点。

据报道，该公司测试了 Kinova Gen3 机械臂，用于执行电源循环操作。电源循环是指通过物理方式关闭并重新开启设备，以使其从某些故障中恢复。

另一项实验涉及配备双臂的 Watney Robotics 机器。这些机器在人工监督下，尝试于 Meta 位于阿尔图纳的园区执行线缆作业。

据报道，这项试验自 2025 年 6 月起一直在进行。这些机器尚无法达到人工技术人员的速度，但已在实际运营环境中工作。

Meta 还在新奥尔巴尼的 Prometheus 园区测试 ABB 设备。据报道，其中一种配置结合了轮式平台、剪叉式升降机构和六轴机械臂。

这一设计使机械臂能够触及机架内的不同位置。据报道，其早期任务包括重新插接组件，即移除或调整硬件位置，以恢复可靠连接。

机器类型的多样性很重要。Meta 并非押注于一台能完成所有维护任务的人形机器人，而是在针对具体运营问题测试专用配置。

有些任务需要移动能力，另一些则需要高度调节、精准视觉检查、可控施力，或操控柔性线缆的能力。

在这些较新的试验之前，Meta 已引入了更简单的自动化。2023 年，该公司展示了一台可运输重型服务器机架的自动驾驶牵引车。

它还开发了一台能够读取条形码的轮式库存机器人。WIRED 报道称，这些系统目前已在多个地点运行，包括爱荷华州和弗吉尼亚州的设施。

这一演进揭示了 Meta 的务实开发策略：它先实现移动和库存管理自动化，因为这类环境可围绕可预测路线进行设计。

如今，它正在测试操控能力。操控更困难，因为线缆会弯曲、连接器各不相同、设备会遮挡摄像头视野，而失误还可能损坏昂贵硬件。

Google News 的标题聚焦于机器人接管常规工作。更重要的变化是，Meta 已建立运营测试平台，让机器能够面对活跃设施中复杂而不规整的现实情况。

阿尔图纳似乎是这一过程的核心。这个爱荷华州园区历来是 Meta 在考虑更广泛部署前评估基础设施技术的场所。

这并不意味着每台机器都会投入生产，而是意味着该公司如今能够在自动化最终必须证明自身价值的环境中收集性能数据。

这些试验也将实体机器人技术与 Meta 现有的软件自动化连接起来。Meta 长期使用监控系统来发现故障并尝试远程修复。

其硬件修复流程能够识别不健康的服务器、应用软件修复措施，并在仍需实体干预时创建技术人员工单。机器人瞄准的正是最后这一类情况。

服务器重置听起来很简单，但当软件无法远程完成时，必须有人识别正确的机器、确认其状态、触及控制装置，并避免影响相邻设备。

每一项自动化实体任务都在弥合这部分缺口。因此，这些实验将 Meta 的软件控制系统延伸进了建筑物本身。

Meta 为何要自动化最后一道人工环节

随着 Meta 在基础设施上的投入增加，并运行更多专用硬件，其商业逻辑正变得更强。

Meta 预计，其 2026 年资本支出（包括融资租赁本金支付）将达到 1300 亿至 1450 亿美元。这一展望出现在该公司的季度业绩中。

仅第二季度，公司的资本支出就达到 310.8 亿美元。Meta 的大部分投资用于服务器、数据中心、网络，以及 AI 开发所需的系统。

在这一规模下，维护并非次要问题。一处故障连接可能使昂贵的计算能力闲置，直到合适的技术人员抵达正确的机架。

Meta 的 AI 集群也比传统服务器集群包含更多样化的硬件。该公司描述过涉及 50 多种组件的 30 多项维护操作。

根据其容量维护文档，该公司每天还执行数千项会造成中断的 AI 主机任务。中断性任务会暂时将一台主机从生产性工作中移出。

这些操作大多仍由软件驱动。然而，故障线缆、松动组件、受阻传感器或无响应的电源控制装置，仍可能需要人工处理。

机器人有望缩短最后一步的响应时间。当软件将问题升级为实体维修工单时，一台已在设施内部的机器便可采取行动。

经济收益并不完全取决于替代员工。更快的干预能让有价值的硬件更早恢复服务，并减少夜间或周末的延误。

机器人还具备可重复性。它能记录每次尝试的施力、位置、时机和结果，为后续分析创建结构化数据。

这些信息可同时改进机器人软件和未来硬件设计。Meta 或许能够发现，哪些连接器、机架布局和维修流程会持续阻碍自动化。

在经验丰富技术人员储备有限的地区，压力尤其强烈。大型园区需要电工、网络专家、制冷专家、安全人员和硬件技术人员。

Meta 表示，劳动力短缺已对建设形成制约。该公司推出培训计划，旨在扩大可用劳动力队伍，而非缩减它。

其与 CBRE 合作的 LevelUp 项目为有意从事光纤技术工作的人员提供为期四周的培训路径。Meta 表示，该计划将培训数千人，并通过其承包商网络为毕业生对接机会。

Meta 还表示，其已在美国运营或建设 27 个数据中心。自 2010 年以来，这些项目已支持逾 30,000 个建筑岗位和超过 5,000 个长期运营职位。

这些数字来自 Meta 的劳动力公告，因此应被视为公司自行报告的数据。尽管如此，它们仍显示出 Meta 将基础设施扩张与就业高度关联的程度。

机器人技术让这一表述变得更复杂。建设需求可能增加，而运营工作却会变得更加自动化。

建设与运营之间的区别至关重要。建设新园区需要大量临时劳动力，而维持已建成设施运行则创造规模较小的持续性岗位。

因此，Meta 可以在整体上雇佣更多人员，同时自动化个别职责。这两种说法都可能成立，但其收益或许会落在不同的劳动者和社区身上。

这正是 80% 工作负荷估计在 Google News 上引发关注的原因。它将一项技术试点转化为一个易于理解的劳动力问题。

但减少工作负荷并不等同于消除岗位。技术人员还要承担诊断、安全检查、问题升级、规划和处理陌生维修任务，而当前机器人无法可靠地完成这些工作。

直接压力将落在重复性任务上。更换线缆、库存检查、基础重置和例行检查，比不可预测的故障排查更容易被明确定义。

自动化通常始于将这些任务从更广泛的职位中剥离出来。剩余工作随后会变得更具技术性、更偏向监督，或数量更少。

Meta 面临的核心挑战，是证明推动该计划的是劳动力短缺而非劳动力替代。这一证明将需要部署数据、人员配置趋势，以及对重新设计岗位的透明说明。

数据中心机器人技术正成为超大规模云厂商的竞争

Meta 的实验是更广泛竞争的一部分：让实体基础设施像软件一样响应。

Microsoft Research 正在开发可操控光收发器和线缆的模块化机器人。其工作还涵盖光纤清洁、安装、维修、退役和硬件重新配置。

该公司描述的长期目标是实现自维护数据中心。在这一模式下，软件检测故障，并在有限人工参与下协调实体响应。

Microsoft 的机器人项目强调协同设计。设施、硬件、软件和机器人必须共同演进，而不能把机器仅视为后装技术人员。

Google 也在推进实体基础设施机器人技术。其招聘岗位包括负责在超大规模设施中部署移动机器人、导引车辆和多轴机械臂的专家。

Amazon 曾讨论使用机器人处理和回收数据中心组件。其丰富的仓储自动化经验为此提供了相关专业能力，尽管服务器维护对精度的要求不同。

Meta 当前的优势在于，将成熟的数据中心集群与不断扩展的机器人组织结合起来。它可以测试多个商业平台，而无需等待某一套通用人形机器人系统成熟。

这种供应商策略降低了技术集中的风险。Watney、Kinova 和 ABB 提供了不同的形态、控制系统和成熟度水平。

但这也让集成变得更困难。Meta 必须将每台机器连接至设施地图、维修工单、硬件记录、安全政策和访问控制。

因此，真正的竞争并非 Meta 与某个单一对手之间的较量，而是自动化维护与为人类而建的基础设施之间的较量。

人类无需正式指令，就能识别标签不清的线缆、移开障碍物、打开门，并调整握持方式。机器人则需要对这些变化进行建模或检测。

数据中心同样是标准化机架与多年累积的例外情况的结合体。设备代际不同，线缆路径不断变化，维修历史也会造成细微的物理不一致。

这些条件解释了为何线缆操作已成为严肃的研究难题。线缆会变形、交叠、遮挡连接器，还可能将力传递给相邻硬件。

机器人必须识别正确的线缆并理解其路径。随后，它还必须控制握持力度，避免拉松相邻连接。

当连接器出现阻力时，它还需要具备恢复程序。训练有素的技术人员能够感知阻力，并判断是角度、卡扣还是部件出了问题。

当前机器人能够在受限条件下完成此类操作。可靠部署则要求它们识别这些条件何时已不再适用。

Meta 的实验表明，专用机器人可能会早于完全自主化的数据中心到来。轮式巡检机器人或许负责库存管理，而固定机械臂则执行受控的电力操作。

受监督的双臂机器可能能够处理特定的线缆布局。技术人员则负责处理例外情况并批准高风险操作。

这一模式与其他行业的自动化相似。机器首先在明确边界内处理重复性任务，而人类则保留对非规则情况的判断与责任。

更大的变化可能来自新的设施设计。如果 Meta 将机器人友好的连接器、更宽的通道、机器可读标签和自动门标准化，性能理应得到提升。

硬件模块可以配备抓取点和对齐导向装置。机架也可以将控制装置置于机器人无需穿越密集线缆束即可触及的位置。

这些变化还将加深对供应商的约束。一座对机器人友好的 Meta 园区，可能要求供应商交付符合既定机械和数据接口的组件。

因此，最具影响力的 Google News 报道或许会在更晚时候出现。它关注的将是一座从一开始就围绕机器人维护而设计的数据中心，而非一台被改装后塞进人类空间的机器。

机器人仍会在人类判断力至关重要之处失效

反对快速部署的最有力论据，来自那些已经在 Meta 设施内工作的机器人。

WIRED 报道称，Meta 的库存机器人无法区分绿色和红色指示灯，因为其摄像头只能检测灰度。一些故障仍需要人工检查。

该机器还难以应对转角和横在路径上的线缆。在建筑物之间移动它时，可能需要人员开门并远程引导。

据报道，员工认为这台库存机器人速度过慢。根据同一报道，Meta 曾探索使用无人机作为更快的方案，但没有继续推进该路径。

电池充电又带来另一项限制。若没有备用机器或自动充电系统，一台长时间无法工作的机器人就无法提供可靠的事件响应。

据报道，Altoona 的 Watney 机器人仍比人慢。它们也在监督下工作，限制了任何短期内的人工成本节省。

Meta 已在内部认识到，某些硬件带来的问题更为棘手。据报道，Nvidia GB300 系统所需的密集布线仍超出当前机器人的能力范围。

这一限制直接挑战了规模化论点。新的 AI 系统提高了自动化的价值，但也可能让实体操作变得更为复杂。

必须结合失误成本来评估机器人的准确性。拔错线缆或损坏连接器，可能影响昂贵设备，并延误关键工作负载。

一次成功演示并不能证明具备运营可靠性。Meta 需要在数千次尝试、多个硬件代际以及异常故障条件下提供证据。

该公司尚未公开披露这些试验的成功率、人工干预频率、维修时间或损坏事件。它也拒绝回应 WIRED 对测试情况的详细描述。

Exclaim Robotics CEO Helen Oleynikova 在报道中给出了直率评估。她表示，该行业已经产生了许多试点项目和演示，但尚无可证明有效的解决方案。

这一观点并不能证明 Meta 的项目必然失败。它界定了有前景的原型与可靠基础设施之间的验证鸿沟。

数据中心对安全性和可用性有严格要求。机器必须与电力控制、访问系统、监控软件以及附近工作的技术人员协调配合。

网络安全同样重要。一台获准重置服务器或操作网络连接的机器人，将成为设施控制面的组成部分。

运营方必须验证命令身份，并阻止未经授权的物理操作。他们还需要可靠的日志，以显示机器接触了什么、为何接触。

软件故障也构成另一项问题。机器人可能丢失地图、误分类设备，或在维修过程中停机。

人工监督人员需要安全的程序来恢复机器，且不能引发另一场中断。紧急停止和受限作业区域必须每次都有效。

关于劳动力的叙事同样存在不确定性。80% 这一数字是一名员工的估计，并非经测量的岗位替代规模或正式人员配置计划。

脱离这一背景重复该数字，会把警示变成预测。这些试验尚未独立证明能够达到这种程度的自动化。

Google News 的传播可能会淡化这类区别。一项引人注目的工作量估计，比监督、充电、灰度摄像头或人工辅助开门等细节传播得更快。

更负责任的结论应当更为克制。Meta 正在积极推进自动化，用于占据部分技术人员相当比例工作时间的任务。

当前机器仍依赖人类和受控环境。部署速度将取决于 Meta 是否围绕其局限性重新设计设施和流程。

这一转变可能需要数年。它也可能呈现不均衡的推进节奏：库存和运输自动化速度快于线缆作业或复杂维修。

员工应关注任务组合，而非某一个百分比。重要的问题在于：哪些职责会消失，哪些责任会扩大，以及每座设施最终会保留多少技术人员。

Meta 的就业承诺如今面临可信度考验

Meta 必须调和两种指向数据中心劳动力不同未来的信息。

第一种信息强调创造就业。Meta 表示，美国需要更多熟练工人来建设和运营 AI 背后的基础设施。

发言人 Francis Brennan 告诉 WIRED，美国正经历自第二次世界大战以来最大规模的基础设施热潮。他认为，短缺意味着需要更多工人，而不是更少。

Meta 的培训项目支持这一立场。公司正在为人们提供光纤、电气、机械和管道方面的培训，并通过合作伙伴为部分毕业生保证就业机会。

第二种信息则来自工程实践。Meta 的机器人主管 Eric Xu 曾将数据中心机器人描述为事件响应、监控和预防性维护的长期目标。

这些立场并不必然矛盾。机器人可能承担重复性工作，而受过培训的人员则负责建设、故障排查、安全和复杂设备。

然而，Meta 尚未说明这些岗位将如何变化。其公开的劳动力信息强调机会，而机器人测试大多仍未披露。

这一缺口对正在考虑数据中心项目的社区至关重要。地方官员通常会将就业与税收激励、土地使用、电力需求和用水量一并评估。

一座设施可以代表重大资本投资，却未必带来成比例数量的长期岗位。自动化程度越高，这种差距就越大。

Altoona 的案例说明了这一问题。Meta 于 2014 年启用这座 Iowa 设施，如今该园区雇佣了数百人。

该市接受税收优惠，部分原因是该项目承诺带来经济活动以及可见的科技就业岗位。机器人技术改变了未来谈判所依据的假设。

社区将希望了解，一座规划中的园区需要数百名长期员工、数十名专业操作员，还是更小规模的远程团队。

他们也可能区分建设岗位与长期运营岗位。短暂的建设热潮，并不保证项目完成后仍有持久的技术就业机会。

Meta 近期的人数调整又增加了一层影响。该公司报告称，与 2026 年 5 月裁员相关的遣散费用为 11.8 亿美元。

已公布结果显示，该次裁员并未专门针对数据中心技术人员。尽管如此，它削弱了基础设施支出增长能够保护全公司就业的任何假设。

更好的检验标准是可量化的人员配置。Meta 可以披露机器人投入生产后技术人员数量如何变化，以及受影响员工是否转入更高技能岗位。

培训成果也值得审视。招生人数不如完成率、就业安置、留任率和工资增长重要。

员工需要能够进入自动化所创造的岗位，包括机队监督、机器人维护、安全验证和基础设施集成。

这些岗位可能要求不同于传统服务器工作的资质。如果现有技术人员缺乏切实可行的转岗路径，公司就不能称这一转型对员工友好。

这些实验也会影响供应商。服务器、机架和连接器制造商可能面临压力，需要让设备更易于由机器人维护。

承包商可能会看到常规维护协议缩减，同时机器人集成需求增长。设施管理公司可能需要兼具机械和软件专业能力的团队。

知识工作者也应注意这一模式。数据中心自动化反映了 AI 改变办公室岗位的方式：它先瞄准任务，而非立即取代整个职业。

一份工作可以继续存在，但其自主性、所需技能、工作量和人员规模都可能发生改变。因此，相比宽泛地宣称创造或消除岗位，任务层面的证据更有参考价值。

对于通过 Google News 追踪此事的读者而言，劳动力冲突才是持久的切入角度。机械臂很直观，但其背后的运营模式将决定真正的影响。

三项信号将显示 Meta 的机器人是否已准备就绪

下一阶段应通过部署证据、岗位设计和基础设施变化来评判，而不是又一次精心包装的演示。

第一个信号是更广泛的运营部署。Meta 已测试多种机器，但尚未宣布在其数据中心范围内部署机器人机队。

有意义的扩展应包括明确命名的设施、界定清晰的任务和可量化的表现。维修完成率和人工干预率将揭示该技术是否节省时间。

线缆更换表现值得特别关注。它兼具高潜在价值、困难的操作要求，以及出错时的严重后果。

如果 Meta 将这项工作推进至超出监督试验的阶段，自动化维护的理由将更有说服力。若仍局限于少数测试环境，则会支持怀疑者的观点。

第二个信号是人员配置和职位描述的变化。Meta 及其承包商将通过招聘、培训和内部岗位设计展现其优先事项。

更多面向机器人技术员或集中化操作员的岗位，将表明工作正在转移，而不只是消失。站点层面的技术员需求下降，则可能意味着直接替代。

最具参考价值的指标将是每单位计算能力对应的技术员数量。Meta 可以扩大员工规模，同时大幅减少每座设施所需的人力。

培训项目也应公布就业安置和留任结果。这些结果将检验 Meta 的就业承诺是否能在自动化改变任务结构后真正惠及劳动者。

第三个信号是适配机器人的基础设施。新的机架规格、连接器、服务 API、机器可读标签或设施布局，都将代表更深层的投入。

改装后的机器人必须适应原本为人设计的环境。专用基础设施可以消除门、线缆障碍、视觉歧义和不便进入的位置。

此类设计变更将强化这样一种判断：Meta 预计自动化会成为标准配置。若没有这些变化，则说明该公司仍将机器人视为实验性工具。

竞争对手的行动也将为这些信号提供另一项有用参照。Microsoft 已将自维护数据中心描述为一项研究目标。

如果多家超大规模云服务商采用通用机械接口，供应商将有更强动力重新设计设备。共享标准可能推动自动化的普及，其速度将超过任何单一公司所能实现的程度。

读者应如何看待当前这一说法？应将其视为方向性的证据，而非岗位替代已经完成的证明。

Meta 已将专用机器人部署到真实的数据中心，并让它们承担具有经济相关性的工作。这比实验室演示更具意义。

这些机器仍需要监督、充电、环境协助，以及经过严格限制的任务范围。Meta 尚未公布足够的运营数据，无法证明其可靠性或对劳动力的影响。

关注下一次基础设施公告时，请提出三个问题：机器人是否已走出试点站点？技术员岗位是否发生改变？设施是否专为机器服务而设计？

这些答案比另一条 Google News 头条更重要。它们将显示 Meta 是在为员工增加工具，还是在围绕更少的人手重建数据中心。