自然 · 通訊：誰(shuí)需要為未來職場(chǎng)付出更高的學(xué)習(xí)成本？

導(dǎo)語(yǔ)

在自動(dòng)化與人工智能飛速發(fā)展的時(shí)代，大量研究關(guān)注了崗位被取代的風(fēng)險(xiǎn)，卻鮮少探討崗位內(nèi)容本身如何隨時(shí)間演化。本研究聚焦職業(yè)技能的變化，而不是工作的消亡。通過分析覆蓋727類職業(yè)、1.67億份網(wǎng)絡(luò)招聘信息的數(shù)據(jù)，研究團(tuán)隊(duì)發(fā)現(xiàn)：技能變化最大的并非高技能職業(yè)，而是低技能職業(yè)。這一發(fā)現(xiàn)顛覆了以往的普遍認(rèn)知。研究進(jìn)一步揭示，小企業(yè)與小市場(chǎng)比大企業(yè)和大市場(chǎng)面臨更高的技能升級(jí)壓力；而女性與少數(shù)族裔群體，由于更多分布在低技能崗位，也因此承受更大的再培訓(xùn)挑戰(zhàn)。然而，這種技能收斂趨勢(shì)也在縮小崗位質(zhì)量差距，暗示著潛在的社會(huì)流動(dòng)機(jī)會(huì)。研究最后展示了基于“技能嵌入空間”的新方法，能夠刻畫職業(yè)演化的方向與路徑。

關(guān)鍵詞：技能變遷（Skill Change），再培訓(xùn)壓力（Reskilling Pressure），低技能職業(yè)（Low-Skilled Occupations），技能嵌入空間（Skill Embedding Space），勞動(dòng)力市場(chǎng)（Labor Market）

彭晨丨作者

趙思怡丨審校

論文題目：Lower-skilled occupations face greater upskilling pressure in U.S. job ads 論文鏈接：https://www.nature.com/articles/s41467-025-67992-y 發(fā)表時(shí)間：2025年12月31日 論文來源：Nature Communications

技能，而非崗位，正在被重塑

過去十余年，公眾討論自動(dòng)化時(shí)常聚焦于“機(jī)器會(huì)不會(huì)搶走人類的飯碗”。但這項(xiàng)研究提出了不同的視角：工作本身并沒有簡(jiǎn)單消失，而是被重塑。新技術(shù)通常取代崗位中的部分技能，同時(shí)引入新的技能需求。這意味著，工人所面臨的不是單純的失業(yè)風(fēng)險(xiǎn)，而是如何在崗位存續(xù)中不斷學(xué)習(xí)、不斷適應(yīng)。

然而，如何量化這種“崗位演化”？此前的研究大多依賴于工資變化、教育水平供需或靜態(tài)的職業(yè)技能分類體系（如 O*NET 數(shù)據(jù)庫(kù)），這些方法難以捕捉技能之間的相似性與差異。結(jié)果往往造成偏差：高技能崗位看似變化劇烈，但實(shí)際上很多新增技能與原有技能相近；而低技能崗位新增的少數(shù)技能，卻往往與原有技能距離遙遠(yuǎn)、學(xué)習(xí)難度高。

技能空間模型的突破

為解決這一難題，集智科學(xué)家吳令飛合作研究團(tuán)隊(duì)引入了機(jī)器學(xué)習(xí)方法，構(gòu)建了一個(gè)“技能嵌入空間”（skill embedding space）。他們將1.67億條招聘廣告中的技能要求作為語(yǔ)料，訓(xùn)練出約1.5萬(wàn)個(gè)技能的向量表示。類似于自然語(yǔ)言處理中“word2vec”的思路，這種方法能夠度量技能之間的“距離”，即從一種技能過渡到另一種技能所需的學(xué)習(xí)跨度。

通過這種方式，研究者不僅能計(jì)算某個(gè)職業(yè)在2010到2018年之間技能構(gòu)成的變化程度，還能比較不同職業(yè)間技能變動(dòng)的“激烈程度”。結(jié)果令人意外：低技能職業(yè)的變化幅度最大。例如，食品批量加工工人（food batchmaker）的技能變化幅度，比計(jì)算機(jī)程序員高出144%，詳見圖 1說明。這意味著，低技能崗位的勞動(dòng)者實(shí)際上承受了更大的學(xué)習(xí)壓力。

圖 1. 在不考慮技能接近性的情況下測(cè)量職業(yè)技能內(nèi)容變化會(huì)產(chǎn)生偏差。a， 2018年食品配料師的新核心技能（前5%）比程序員少，但新技能的平均位置比2010年的核心技能遠(yuǎn)得多。我們通過K-means算法從原始200維技能嵌入轉(zhuǎn)換的t-SNE二維技能向量中檢測(cè)到的6個(gè)格式良好的聚類來表示技能之間的接近度和距離。每個(gè)點(diǎn)代表一個(gè)二維技能向量。食品配料師的每個(gè)新核心技能（紅點(diǎn)）都與其最近的2010年舊技能（藍(lán)點(diǎn)）相關(guān)聯(lián)，鏈接的長(zhǎng)度與技能轉(zhuǎn)換相關(guān)的距離成正比。與圖b相比，圖a中的紅點(diǎn)要少得多，但紅點(diǎn)與最近的藍(lán)點(diǎn)之間的距離通常更大。b，程序員在2018年有許多新增的核心技能，沒有出現(xiàn)在2010年的核心技能中，但2018年和2010年的技能非常相似。c、在不考慮技能距離的情況下，2010年至2018年，程序員被評(píng)估為經(jīng)歷了比食品配料工高得多的技能變化。d、在控制技能距離后，食品配料師的技能變化比程序員大得多。

低技能崗位的“逆襲”

在傳統(tǒng)印象中，技能升級(jí)似乎是高技能職業(yè)的專屬。但研究表明，低技能崗位在過去十年經(jīng)歷了顯著的技能提升趨勢(shì)（upskilling）。農(nóng)業(yè)、建筑、運(yùn)輸?shù)刃袠I(yè)的技能需求變化幅度最大，而金融、管理、計(jì)算機(jī)類崗位的變化反而最小。這不僅說明低技能勞動(dòng)者的工作難度增加，也意味著他們的工作質(zhì)量與前景可能正在改善。

更重要的是，這種趨勢(shì)正在縮小高低技能崗位之間的差距。數(shù)據(jù)顯示，從2010到2018年，低技能崗位的技能要求逐漸向高技能崗位靠攏。這一過程與近年來美國(guó)低收入群體工資增速快于中位數(shù)的趨勢(shì)相呼應(yīng)，表明技能的升級(jí)可能正在帶來實(shí)實(shí)在在的收益。

圖 2. 當(dāng)考慮到技能距離時(shí)，低技能職業(yè)在2010-2018年經(jīng)歷了最大的技能變化。a、技能復(fù)雜度較低的職業(yè)有較高的平均技能內(nèi)容變化。每條表示一組工作的平均技能向量變化，其核心技能數(shù)量落在x軸上標(biāo)記的范圍內(nèi)。b、工資較低的職業(yè)有較高的平均技能矢量變化。每個(gè)柱狀圖表示一組工作的平均技能向量變化，這些工作的平均年工資中位數(shù)落在x軸上標(biāo)記的范圍內(nèi)。c、除研究生學(xué)歷外，學(xué)歷要求較低的職業(yè)變化較大；要求碩士或博士學(xué)位的工作比要求學(xué)士學(xué)位的工作變化更大。每個(gè)柱狀圖表示一組工作的平均技能矢量變化，這些工作的平均入職教育要求落在x軸上標(biāo)記的范圍內(nèi)。d，每個(gè)2位數(shù)SOC職業(yè)類別中6位數(shù)SOC職業(yè)的技能向量變化分布。

小企業(yè)與小市場(chǎng)的追趕之路

研究的另一發(fā)現(xiàn)是：小企業(yè)與小市場(chǎng)比大企業(yè)和大市場(chǎng)經(jīng)歷了更劇烈的技能變化（圖 3a-b）。這背后有兩種邏輯：一方面，大企業(yè)通常位于技能前沿，因而需要持續(xù)調(diào)整以保持競(jìng)爭(zhēng)力；另一方面，小企業(yè)若要追趕，也必須付出更大的學(xué)習(xí)躍遷。數(shù)據(jù)支持后者：2010至2018年間，小企業(yè)和小市場(chǎng)的技能需求快速向大企業(yè)和大市場(chǎng)收斂（圖 3c）。

這種“追趕效應(yīng)”（catching-up）帶來了明顯的地理差異，美國(guó)農(nóng)村和內(nèi)陸地區(qū)的技能升級(jí)壓力顯著高于沿海和大城市（圖 3e）。換句話說，區(qū)域發(fā)展不平衡不僅體現(xiàn)在經(jīng)濟(jì)產(chǎn)出上，也體現(xiàn)在勞動(dòng)者所需付出的學(xué)習(xí)成本上。

誰(shuí)在承擔(dān)最大的再培訓(xùn)壓力？

當(dāng)研究者將技能變化與人口統(tǒng)計(jì)學(xué)特征結(jié)合時(shí)，一個(gè)清晰的圖景浮現(xiàn)：女性與少數(shù)族裔工人承受了更高的再培訓(xùn)壓力（圖 3f-g）。她們更集中在低技能崗位，而這些崗位正是技能升級(jí)的重災(zāi)區(qū)。相比之下，男性和白人更多分布在教育要求較高的崗位，因此技能變化幅度較小。這種差異揭示了職場(chǎng)中隱藏的不平等：經(jīng)濟(jì)轉(zhuǎn)型的成本，并不是所有人均攤的。弱勢(shì)群體需要學(xué)習(xí)更多、更陌生的技能，才能在崗位上立足。如果缺乏培訓(xùn)支持，他們可能更容易在變革中被邊緣化。

同時(shí)，值得注意的是，這種不平等并非全然負(fù)面。研究顯示，技能升級(jí)推動(dòng)低技能崗位逐漸向高技能崗位靠攏。這種收斂不僅可能提升崗位質(zhì)量，還可能改善社會(huì)流動(dòng)性。換句話說，今天的“低端工作”通過技能升級(jí)，有可能成為未來的“向上跳板”（stepping-stone job）。同時(shí)，工資差距的縮小也在一定程度上印證了這一趨勢(shì)。隨著小企業(yè)與低技能崗位完成技能升級(jí)，他們?cè)谛匠昱c發(fā)展前景上的劣勢(shì)也可能逐漸減弱。

此外，文章還指出，技能變化不僅受技術(shù)驅(qū)動(dòng)，還受到宏觀經(jīng)濟(jì)環(huán)境的影響。在經(jīng)濟(jì)衰退期，企業(yè)更傾向于提高學(xué)歷門檻，而在勞動(dòng)力緊缺時(shí)則放寬要求。這意味著，技能升級(jí)的節(jié)奏與方向不僅取決于技術(shù)演進(jìn)，還與經(jīng)濟(jì)周期緊密相關(guān)。

圖 3. 不同組織、當(dāng)?shù)貏趧?dòng)力市場(chǎng)和社會(huì)群體的技能需求變化差異。a， 2010年至2018年，小企業(yè)的職業(yè)技能變化水平高于大企業(yè)。條形圖表示大小公司同一組職業(yè)的平均技能矢量變化。b、2010 - 2018年，小企業(yè)技能需求升級(jí)，向大企業(yè)技能需求趨同。柱狀圖表示2010年和2018年大型和小型企業(yè)之間的平均職業(yè)技能向量距離。c， 2010年至2018年，小型市場(chǎng)的職業(yè)技能變化水平高于大型企業(yè)。d、2010 - 2018年，小市場(chǎng)技能需求升級(jí)并向大企業(yè)技能需求趨同。e、繪制美國(guó)地區(qū)職業(yè)技能變化圖。各州和通勤區(qū)根據(jù)其平均職業(yè)技能變化從低到高分為三個(gè)分位數(shù)，分別標(biāo)記為“輕微”、“中等”和“大變化”。f .與女工相比，從事高技能職業(yè)的男性工人占其總數(shù)的較大比例；與白人和亞裔工人相比，拉丁裔和黑人工人從事低技能職業(yè)的比例更大。核密度估計(jì)（KDE）曲線顯示了六個(gè)社會(huì)群體中不同教育年限的職業(yè)的就業(yè)分布。g、女性工人和非白人工人比男性工人和白人工人面臨更高的技能培訓(xùn)壓力。第一個(gè)柱狀圖表示男女工人加權(quán)職業(yè)技能變化的差異。另外三個(gè)柱狀圖表示三個(gè)少數(shù)民族和白人工人之間加權(quán)職業(yè)技能變化的差異。

政策與未來展望

這項(xiàng)研究的方法論創(chuàng)新在于：用連續(xù)的幾何模型取代了離散的技能分類，既捕捉了技能間的依賴關(guān)系，也為計(jì)算技能“距離”提供了工具。這一模型揭示了隱藏的再培訓(xùn)壓力，并為政策制定提供了新的視角。

對(duì)政策制定者而言，核心啟示有三：

1. 重點(diǎn)支持弱勢(shì)群體：女性、少數(shù)族裔和低技能工人需要更多的培訓(xùn)機(jī)會(huì)，否則可能在轉(zhuǎn)型中落后。

2. 關(guān)注區(qū)域平衡：農(nóng)村與小市場(chǎng)的勞動(dòng)者面臨更大壓力，應(yīng)在這些地區(qū)投入更多資源。

3. 強(qiáng)化技能升級(jí)的正向效應(yīng)：如果培訓(xùn)支持到位，低技能崗位有望成為社會(huì)流動(dòng)的通道。

未來的研究需要進(jìn)一步探索技能變化的方向性——哪些技能正在成為跨行業(yè)的通用能力？哪些技能則逐漸邊緣化？隨著團(tuán)隊(duì)合作與跨學(xué)科需求的增加，未來的“技能地圖”將比今天更加復(fù)雜，也更加值得深入探究。

論文作者

面向未來的科學(xué)學(xué)讀書會(huì)

科學(xué)是研究實(shí)踐、是理性精神，也是一個(gè)由學(xué)者、文獻(xiàn)、科研項(xiàng)目、科學(xué)思想與靈感等一起構(gòu)成的自組織、自生長(zhǎng)的復(fù)雜系統(tǒng)。科學(xué)學(xué)這門學(xué)科，旨在深入理解科學(xué)研究的種種因素并推動(dòng)科學(xué)發(fā)展。科學(xué)的迅猛發(fā)展在積累科學(xué)知識(shí)的同時(shí)，也遭遇諸多社會(huì)、倫理、政策問題：開放科學(xué)的范式如何影響科學(xué)研究的實(shí)踐？階層、性別、種族、國(guó)家等視角如何揭示科學(xué)不平等的起源？期刊編輯和審稿人如何塑造當(dāng)今的科學(xué)活動(dòng)？科學(xué)人口結(jié)構(gòu)、人才激勵(lì)、科技人才流動(dòng)如何影響科學(xué)發(fā)展？AI大模型如何重塑科學(xué)研究的各個(gè)環(huán)節(jié)？

為了思考和回應(yīng)科學(xué)的多元化挑戰(zhàn)、科學(xué)開放性面臨的危機(jī)，以及新興技術(shù)對(duì)科學(xué)的沖擊，集智俱樂部聯(lián)合美國(guó)匹茲堡大學(xué)博士后崔浩川、東南大學(xué)副研究員孫燁、田納西大學(xué)信息學(xué)院助理教授李愷、紐約大學(xué)阿布扎比分校博士研究生劉逢源、南京大學(xué)地理與海洋科學(xué)學(xué)院研究員古恒宇，共同發(fā)起，這是繼「復(fù)雜系統(tǒng)下的科學(xué)學(xué)讀書會(huì)」之后的新一季科學(xué)學(xué)讀書會(huì)。讀書會(huì)已完結(jié)，現(xiàn)在報(bào)名可加入社群并解鎖回放視頻權(quán)限。

詳情請(qǐng)見：

1.

2.

3.

4.

5.

6.

7.