Meta正在把AI自动化从代码和办公流程推进到数据中心的实体空间。根据知情的现任及前任员工透露，公司已在部分设施测试机器人，用于连接和更换线缆、重启服务器等重复性工作。

这项尝试与Meta更宏大的“AI原生”劳动力计划相互呼应：公司希望让AI代理接管更多日常工作，并由规模更小的人类团队负责监督。但数据中心机器人的早期表现也说明，自动化要真正减少对专业人员的依赖，仍有很长的路要走。

机器人正在测试哪些工作？

据报道，Meta在艾奥瓦州阿尔图纳（Altoona）和俄亥俄州纽奥尔巴尼（New Albany）等设施，测试了来自Watney Robotics、Kinova和ABB等公司的机器人及相关硬件。

目前涉及的任务包括：

• 插入和更换网络线缆
• 对服务器执行断电重启
• 切断设备电源
• 按下设备上的物理重启按钮
• 完成数据中心技术员日常处理的其他重复性硬件操作9

这些工作流程清晰、步骤固定，因此比复杂的设备安装、故障诊断和维修更适合作为机器人自动化的早期目标。

一名员工估计，如果换线机器人最终达到预期效果，它或许能够承担部分技术员工作量的80%。但这个数字只是对未来潜力的估计，并不代表机器人目前已经完成了80%的相关工作。9

这些机器人离“无人数据中心”还很远

现有测试并没有显示Meta已经实现了完全自主的数据中心运营。报道显示，这些机器人的速度比人类技术员更慢，需要人工监督和充电，而且使用的摄像系统相对简单，主要依赖灰度摄像头。

它们也无法完成英伟达GB300系统所需的复杂密集布线等精细安装工作。换句话说，机器人可以重复执行标准化的插线或重启程序，却未必能在设备出现异常时判断下一步该做什么。

这一区别至关重要。数据中心技术员不仅要执行机械动作，还要负责复杂部署、异常诊断，并在高功率电气设备和高性能计算系统周围安全作业。机器人减少的可能是重复劳动，而不是所有需要经验和判断力的工作。

Meta对机器人在数据中心的长期设想也不止于“按按钮”。其机器人业务负责人曾提到更快响应事故、监测环境以及开展预防性维护等用途。这意味着更可能出现一种渐进式模式：机器人处理更多标准化动作，人类负责监督、例外情况和复杂操作。

Meta仍在招聘数据中心专业人员

机器人测试与Meta持续培训和招聘数据中心建设、运营人员的做法并不完全矛盾。Meta表示，AI基础设施的快速扩张造成了技术人才短缺，公司需要具备相关技能的更多员工，而不只是更少的员工。15

表面上看，一边招人、一边测试替代人工的机器人似乎相互冲突。实际上，两种策略可以同时存在：招聘专业人员是为了缓解眼下的劳动力瓶颈，而机器人则可能逐步提高每名技术员能够管理的基础设施规模。

在这种模式下，机器人更像是扩大技术员能力的工具，而不是一次性取代整个职业群体。它们尤其适合接手那些耗时、重复，却不太需要复杂判断的任务。

机器人测试与Project OT有什么关系？

数据中心的实体自动化，反映了Project OT背后的同一个问题。Project OT是“Organization Transformation”（组织转型）的简称，Meta曾据此探索建立一家“AI原生”公司：由AI代理接管数千名员工承担的部分工作，再由规模更小、人才更集中的人类团队监督自动化流程。内部方案曾评估让部分团队缩减最多60%。1 6

但Project OT并没有按原计划推进。Meta最终裁减了约8000名员工，而原定于11月进行的第二轮全公司范围裁员，在第一轮裁员开始前不久被取消。7

报道将这一计划的收缩归因于员工反对，以及AI系统未能带来预期的生产率提升。1 3Meta则表示，Project OT属于情景规划，并不是会影响公司所有团队的最终方案。2

这段经历为机器人计划提供了重要参照。问题并不是Meta是否希望自动化——答案显然是肯定的；真正困难的是，技术能否在真实运营环境中稳定地产生生产率收益。数据中心里，异常故障、安全要求和复杂协作往往与日常操作速度同样重要。

巨额基础设施投入，让自动化变得更有吸引力

Meta的AI基础设施开支规模，使哪怕幅度不大的效率提升也具有战略价值。公司披露，2026年第二季度资本性支出达到311亿美元，主要投向服务器、数据中心和网络基础设施。14

Meta还表示，预计全年将在AI基础设施和芯片上投入至少1300亿美元；其他报道则将全年支出区间估算为1300亿至1450亿美元。2 9

随着数据中心版图持续扩大，劳动力只是整体运营挑战的一部分。若技术成熟且成本合理，机器人理论上可以：

• 更稳定地执行重复操作
• 减少专业人员耗费在机械性任务上的时间
• 加快部分故障响应
• 让数量有限的技术员监控更多设备
• 在长期内降低部分运营成本

但高资本投入也意味着更高的成功门槛。一台价格昂贵、速度较慢、难以监督，且无法处理例外情况的机器人，可能不是在减少复杂性，而是在增加新的管理和维护负担。尤其当相关设备承载大规模AI工作负载时，操作失误的代价可能很高。

近期更可能出现“人机混合”团队

目前的证据并不支持“机器人正在取代数据中心技术员”这一更宽泛的结论。更准确的说法是：Meta正在验证机器人能否自动完成标准化的实体操作，同时也在尝试用AI代理重新设计知识型工作的组织方式。

但两条路线都受到现实表现的约束。数据中心机器人仍需要人工监督，无法处理最复杂的布线工作；Project OT则在预期生产率提升未达到要求后被大幅收缩。1 3

因此，近期最可能出现的是混合型劳动力结构：机器人处理重复任务，AI软件协调或辅助工作流程，专业技术员则负责复杂安装、安全操作、故障诊断和例外情况。

Meta不断扩大的AI基础设施投入，为继续推进这一路线提供了强大动力。但Project OT的经历也提醒人们，自动化计划最终必须在真实运营中证明自己，而不能只停留在规划文件和宏大叙事里。

Meta正在把AI自动化从代码和办公流程推进到数据中心的实体空间。根据知情的现任及前任员工透露，公司已在部分设施测试机器人，用于连接和更换线缆、重启服务器等重复性工作。

这项尝试与Meta更宏大的“AI原生”劳动力计划相互呼应：公司希望让AI代理接管更多日常工作，并由规模更小的人类团队负责监督。但数据中心机器人的早期表现也说明，自动化要真正减少对专业人员的依赖，仍有很长的路要走。

机器人正在测试哪些工作？

据报道，Meta在艾奥瓦州阿尔图纳（Altoona）和俄亥俄州纽奥尔巴尼（New Albany）等设施，测试了来自Watney Robotics、Kinova和ABB等公司的机器人及相关硬件。

目前涉及的任务包括：

• 插入和更换网络线缆
• 对服务器执行断电重启
• 切断设备电源
• 按下设备上的物理重启按钮
• 完成数据中心技术员日常处理的其他重复性硬件操作9

这些工作流程清晰、步骤固定，因此比复杂的设备安装、故障诊断和维修更适合作为机器人自动化的早期目标。

一名员工估计，如果换线机器人最终达到预期效果，它或许能够承担部分技术员工作量的80%。但这个数字只是对未来潜力的估计，并不代表机器人目前已经完成了80%的相关工作。9

这些机器人离“无人数据中心”还很远

现有测试并没有显示Meta已经实现了完全自主的数据中心运营。报道显示，这些机器人的速度比人类技术员更慢，需要人工监督和充电，而且使用的摄像系统相对简单，主要依赖灰度摄像头。

它们也无法完成英伟达GB300系统所需的复杂密集布线等精细安装工作。换句话说，机器人可以重复执行标准化的插线或重启程序，却未必能在设备出现异常时判断下一步该做什么。

这一区别至关重要。数据中心技术员不仅要执行机械动作，还要负责复杂部署、异常诊断，并在高功率电气设备和高性能计算系统周围安全作业。机器人减少的可能是重复劳动，而不是所有需要经验和判断力的工作。

Meta对机器人在数据中心的长期设想也不止于“按按钮”。其机器人业务负责人曾提到更快响应事故、监测环境以及开展预防性维护等用途。这意味着更可能出现一种渐进式模式：机器人处理更多标准化动作，人类负责监督、例外情况和复杂操作。

Meta仍在招聘数据中心专业人员

机器人测试与Meta持续培训和招聘数据中心建设、运营人员的做法并不完全矛盾。Meta表示，AI基础设施的快速扩张造成了技术人才短缺，公司需要具备相关技能的更多员工，而不只是更少的员工。15

表面上看，一边招人、一边测试替代人工的机器人似乎相互冲突。实际上，两种策略可以同时存在：招聘专业人员是为了缓解眼下的劳动力瓶颈，而机器人则可能逐步提高每名技术员能够管理的基础设施规模。

在这种模式下，机器人更像是扩大技术员能力的工具，而不是一次性取代整个职业群体。它们尤其适合接手那些耗时、重复，却不太需要复杂判断的任务。

机器人测试与Project OT有什么关系？

数据中心的实体自动化，反映了Project OT背后的同一个问题。Project OT是“Organization Transformation”（组织转型）的简称，Meta曾据此探索建立一家“AI原生”公司：由AI代理接管数千名员工承担的部分工作，再由规模更小、人才更集中的人类团队监督自动化流程。内部方案曾评估让部分团队缩减最多60%。1 6

但Project OT并没有按原计划推进。Meta最终裁减了约8000名员工，而原定于11月进行的第二轮全公司范围裁员，在第一轮裁员开始前不久被取消。7

报道将这一计划的收缩归因于员工反对，以及AI系统未能带来预期的生产率提升。1 3Meta则表示，Project OT属于情景规划，并不是会影响公司所有团队的最终方案。2

这段经历为机器人计划提供了重要参照。问题并不是Meta是否希望自动化——答案显然是肯定的；真正困难的是，技术能否在真实运营环境中稳定地产生生产率收益。数据中心里，异常故障、安全要求和复杂协作往往与日常操作速度同样重要。

巨额基础设施投入，让自动化变得更有吸引力

Meta的AI基础设施开支规模，使哪怕幅度不大的效率提升也具有战略价值。公司披露，2026年第二季度资本性支出达到311亿美元，主要投向服务器、数据中心和网络基础设施。14

Meta还表示，预计全年将在AI基础设施和芯片上投入至少1300亿美元；其他报道则将全年支出区间估算为1300亿至1450亿美元。2 9

随着数据中心版图持续扩大，劳动力只是整体运营挑战的一部分。若技术成熟且成本合理，机器人理论上可以：

• 更稳定地执行重复操作
• 减少专业人员耗费在机械性任务上的时间
• 加快部分故障响应
• 让数量有限的技术员监控更多设备
• 在长期内降低部分运营成本

但高资本投入也意味着更高的成功门槛。一台价格昂贵、速度较慢、难以监督，且无法处理例外情况的机器人，可能不是在减少复杂性，而是在增加新的管理和维护负担。尤其当相关设备承载大规模AI工作负载时，操作失误的代价可能很高。

近期更可能出现“人机混合”团队

目前的证据并不支持“机器人正在取代数据中心技术员”这一更宽泛的结论。更准确的说法是：Meta正在验证机器人能否自动完成标准化的实体操作，同时也在尝试用AI代理重新设计知识型工作的组织方式。

但两条路线都受到现实表现的约束。数据中心机器人仍需要人工监督，无法处理最复杂的布线工作；Project OT则在预期生产率提升未达到要求后被大幅收缩。1 3

因此，近期最可能出现的是混合型劳动力结构：机器人处理重复任务，AI软件协调或辅助工作流程，专业技术员则负责复杂安装、安全操作、故障诊断和例外情况。

Meta不断扩大的AI基础设施投入，为继续推进这一路线提供了强大动力。但Project OT的经历也提醒人们，自动化计划最终必须在真实运营中证明自己，而不能只停留在规划文件和宏大叙事里。