自然 · 通訊：誰需要為未來職場付出更高的學習成本？

導語

在自動化與人工智能飛速發展的時代，大量研究關注了崗位被取代的風險，卻鮮少探討崗位內容本身如何隨時間演化。本研究聚焦職業技能的變化，而不是工作的消亡。通過分析覆蓋727類職業、1.67億份網絡招聘信息的數據，研究團隊發現：技能變化最大的并非高技能職業，而是低技能職業。這一發現顛覆了以往的普遍認知。研究進一步揭示，小企業與小市場比大企業和大市場面臨更高的技能升級壓力；而女性與少數族裔群體，由于更多分布在低技能崗位，也因此承受更大的再培訓挑戰。然而，這種技能收斂趨勢也在縮小崗位質量差距，暗示著潛在的社會流動機會。研究最后展示了基于“技能嵌入空間”的新方法，能夠刻畫職業演化的方向與路徑。

關鍵詞：技能變遷（Skill Change），再培訓壓力（Reskilling Pressure），低技能職業（Low-Skilled Occupations），技能嵌入空間（Skill Embedding Space），勞動力市場（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 發表時間：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，公眾討論自動化時常聚焦于“機器會不會搶走人類的飯碗”。但這項研究提出了不同的視角：工作本身并沒有簡單消失，而是被重塑。新技術通常取代崗位中的部分技能，同時引入新的技能需求。這意味著，工人所面臨的不是單純的失業風險，而是如何在崗位存續中不斷學習、不斷適應。

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的職業技能分類體系（如 O*NET 數據庫），這些方法難以捕捉技能之間的相似性與差異。結果往往造成偏差：高技能崗位看似變化劇烈，但實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技能，卻往往與原有技能距離遙遠、學習難度高。

技能空間模型的突破

為解決這一難題，集智科學家吳令飛合作研究團隊引入了機器學習方法，構建了一個“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料，訓練出約1.5萬個技能的向量表示。類似于自然語言處理中“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習跨度。

通過這種方式，研究者不僅能計算某個職業在2010到2018年之間技能構成的變化程度，還能比較不同職業間技能變動的“激烈程度”。結果令人意外：低技能職業的變化幅度最大。例如，食品批量加工工人（food batchmaker）的技能變化幅度，比計算機程序員高出144%，詳見圖 1說明。這意味著，低技能崗位的勞動者實際上承受了更大的學習壓力。

圖 1. 在不考慮技能接近性的情況下測量職業技能內容變化會產生偏差。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年的核心技能遠得多。我們通過K-means算法從原始200維技能嵌入轉換的t-SNE二維技能向量中檢測到的6個格式良好的聚類來表示技能之間的接近度和距離。每個點代表一個二維技能向量。食品配料師的每個新核心技能（紅點）都與其最近的2010年舊技能（藍點）相關聯，鏈接的長度與技能轉換相關的距離成正比。與圖b相比，圖a中的紅點要少得多，但紅點與最近的藍點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，程序員被評估為經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”

在傳統印象中，技能升級似乎是高技能職業的專屬。但研究表明，低技能崗位在過去十年經歷了顯著的技能提升趨勢（upskilling）。農業、建筑、運輸等行業的技能需求變化幅度最大，而金融、管理、計算機類崗位的變化反而最小。這不僅說明低技能勞動者的工作難度增加，也意味著他們的工作質量與前景可能正在改善。

更重要的是，這種趨勢正在縮小高低技能崗位之間的差距。數據顯示，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低收入群體工資增速快于中位數的趨勢相呼應，表明技能的升級可能正在帶來實實在在的收益。

圖 2. 當考慮到技能距離時，低技能職業在2010-2018年經歷了最大的技能變化。a、技能復雜度較低的職業有較高的平均技能內容變化。每條表示一組工作的平均技能向量變化，其核心技能數量落在x軸上標記的范圍內。b、工資較低的職業有較高的平均技能矢量變化。每個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落在x軸上標記的范圍內。c、除研究生學歷外，學歷要求較低的職業變化較大；要求碩士或博士學位的工作比要求學士學位的工作變化更大。每個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軸上標記的范圍內。d，每個2位數SOC職業類別中6位數SOC職業的技能向量變化分布。

小企業與小市場的追趕之路

研究的另一發現是：小企業與小市場比大企業和大市場經歷了更劇烈的技能變化（圖 3a-b）。這背后有兩種邏輯：一方面，大企業通常位于技能前沿，因而需要持續調整以保持競爭力；另一方面，小企業若要追趕，也必須付出更大的學習躍遷。數據支持后者：2010至2018年間，小企業和小市場的技能需求快速向大企業和大市場收斂（圖 3c）。

這種“追趕效應”（catching-up）帶來了明顯的地理差異，美國農村和內陸地區的技能升級壓力顯著高于沿海和大城市（圖 3e）。換句話說，區域發展不平衡不僅體現在經濟產出上，也體現在勞動者所需付出的學習成本上。

誰在承擔最大的再培訓壓力？

當研究者將技能變化與人口統計學特征結合時，一個清晰的圖景浮現：女性與少數族裔工人承受了更高的再培訓壓力（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的重災區。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中隱藏的不平等：經濟轉型的成本，并不是所有人均攤的。弱勢群體需要學習更多、更陌生的技能，才能在崗位上立足。如果缺乏培訓支持，他們可能更容易在變革中被邊緣化。

同時，值得注意的是，這種不平等并非全然負面。研究顯示，技能升級推動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量，還可能改善社會流動性。換句話說，今天的“低端工作”通過技能升級，有可能成為未來的“向上跳板”（stepping-stone job）。同時，工資差距的縮小也在一定程度上印證了這一趨勢。隨著小企業與低技能崗位完成技能升級，他們在薪酬與發展前景上的劣勢也可能逐漸減弱。

此外，文章還指出，技能變化不僅受技術驅動，還受到宏觀經濟環境的影響。在經濟衰退期，企業更傾向于提高學歷門檻，而在勞動力緊缺時則放寬要求。這意味著，技能升級的節奏與方向不僅取決于技術演進，還與經濟周期緊密相關。

圖 3. 不同組織、當地勞動力市場和社會群體的技能需求變化差異。a， 2010年至2018年，小企業的職業技能變化水平高于大企業。條形圖表示大小公司同一組職業的平均技能矢量變化。b、2010 - 2018年，小企業技能需求升級，向大企業技能需求趨同。柱狀圖表示2010年和2018年大型和小型企業之間的平均職業技能向量距離。c， 2010年至2018年，小型市場的職業技能變化水平高于大型企業。d、2010 - 2018年，小市場技能需求升級并向大企業技能需求趨同。e、繪制美國地區職業技能變化圖。各州和通勤區根據其平均職業技能變化從低到高分為三個分位數，分別標記為“輕微”、“中等”和“大變化”。f .與女工相比，從事高技能職業的男性工人占其總數的較大比例；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的比例更大。核密度估計（KDE）曲線顯示了六個社會群體中不同教育年限的職業的就業分布。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壓力。第一個柱狀圖表示男女工人加權職業技能變化的差異。另外三個柱狀圖表示三個少數民族和白人工人之間加權職業技能變化的差異。

政策與未來展望

這項研究的方法論創新在于：用連續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系，也為計算技能“距離”提供了工具。這一模型揭示了隱藏的再培訓壓力，并為政策制定提供了新的視角。

對政策制定者而言，核心啟示有三：

1. 重點支持弱勢群體：女性、少數族裔和低技能工人需要更多的培訓機會，否則可能在轉型中落后。

2. 關注區域平衡：農村與小市場的勞動者面臨更大壓力，應在這些地區投入更多資源。

3. 強化技能升級的正向效應：如果培訓支持到位，低技能崗位有望成為社會流動的通道。

未來的研究需要進一步探索技能變化的方向性——哪些技能正在成為跨行業的通用能力？哪些技能則逐漸邊緣化？隨著團隊合作與跨學科需求的增加，未來的“技能地圖”將比今天更加復雜，也更加值得深入探究。

論文作者

面向未來的科學學讀書會

科學是研究實踐、是理性精神，也是一個由學者、文獻、科研項目、科學思想與靈感等一起構成的自組織、自生長的復雜系統。科學學這門學科，旨在深入理解科學研究的種種因素并推動科學發展。科學的迅猛發展在積累科學知識的同時，也遭遇諸多社會、倫理、政策問題：開放科學的范式如何影響科學研究的實踐？階層、性別、種族、國家等視角如何揭示科學不平等的起源？期刊編輯和審稿人如何塑造當今的科學活動？科學人口結構、人才激勵、科技人才流動如何影響科學發展？AI大模型如何重塑科學研究的各個環節？

為了思考和回應科學的多元化挑戰、科學開放性面臨的危機，以及新興技術對科學的沖擊，集智俱樂部聯合美國匹茲堡大學博士后崔浩川、東南大學副研究員孫燁、田納西大學信息學院助理教授李愷、紐約大學阿布扎比分校博士研究生劉逢源、南京大學地理與海洋科學學院研究員古恒宇，共同發起，這是繼「復雜系統下的科學學讀書會」之后的新一季科學學讀書會。讀書會已完結，現在報名可加入社群并解鎖回放視頻權限。

詳情請見：

1.

2.

3.

4.

5.

6.

7.