导语

在自动化与人工智能飞速发展的时代，大量研究关注了岗位被取代的风险，却鲜少探讨岗位内容本身如何随时间演化。本研究聚焦职业技能的变化，而不是工作的消亡。通过分析覆盖 727 类职业、1.67 亿份网络招聘信息的数据，研究团队发现：技能变化最大的并非高技能职业，而是低技能职业。这一发现颠覆了以往的普遍认知。研究进一步揭示，小企业与小市场比大企业和大市场面临更高的技能升级压力；而女性与少数族裔群体，由于更多分布在低技能岗位，也因此承受更大的再培训挑战。然而，这种技能收敛趋势也在缩小岗位质量差距，暗示着潜在的社会流动机会。研究最后展示了基于 " 技能嵌入空间 " 的新方法，能够刻画职业演化的方向与路径。

关键词：技能变迁（Skill Change），再培训压力（Reskilling Pressure），低技能职业（Low-Skilled Occupations），技能嵌入空间（Skill Embedding Space），劳动力市场（Labor Market）

彭晨丨作者

赵思怡丨审校

论文题目：Lower-skilled occupations face greater upskilling pressure in U.S. job ads

论文链接：https://www.nature.com/articles/s41467-025-67992-y

发表时间：2025 年 12 月 31 日

论文来源：Nature Communications

技能，而非岗位，正在被重塑

过去十余年，公众讨论自动化时常聚焦于 " 机器会不会抢走人类的饭碗 "。但这项研究提出了不同的视角：工作本身并没有简单消失，而是被重塑。新技术通常取代岗位中的部分技能，同时引入新的技能需求。这意味着，工人所面临的不是单纯的失业风险，而是如何在岗位存续中不断学习、不断适应。

然而，如何量化这种 " 岗位演化 "？此前的研究大多依赖于工资变化、教育水平供需或静态的职业技能分类体系（如 O*NET 数据库），这些方法难以捕捉技能之间的相似性与差异。结果往往造成偏差：高技能岗位看似变化剧烈，但实际上很多新增技能与原有技能相近；而低技能岗位新增的少数技能，却往往与原有技能距离遥远、学习难度高。

技能空间模型的突破

为解决这一难题，集智科学家吴令飞合作研究团队引入了机器学习方法，构建了一个 " 技能嵌入空间 "（skill embedding space）。他们将 1.67 亿条招聘广告中的技能要求作为语料，训练出约 1.5 万个技能的向量表示。类似于自然语言处理中 "word2vec" 的思路，这种方法能够度量技能之间的 " 距离 "，即从一种技能过渡到另一种技能所需的学习跨度。

通过这种方式，研究者不仅能计算某个职业在 2010 到 2018 年之间技能构成的变化程度，还能比较不同职业间技能变动的 " 激烈程度 "。结果令人意外：低技能职业的变化幅度最大。例如，食品批量加工工人（food batchmaker）的技能变化幅度，比计算机程序员高出 144%，详见图 1 说明。这意味着，低技能岗位的劳动者实际上承受了更大的学习压力。

图 1. 在不考虑技能接近性的情况下测量职业技能内容变化会产生偏差。a， 2018 年食品配料师的新核心技能（前 5%）比程序员少，但新技能的平均位置比 2010 年的核心技能远得多。我们通过 K-means 算法从原始 200 维技能嵌入转换的 t-SNE 二维技能向量中检测到的 6 个格式良好的聚类来表示技能之间的接近度和距离。每个点代表一个二维技能向量。食品配料师的每个新核心技能（红点）都与其最近的 2010 年旧技能（蓝点）相关联，链接的长度与技能转换相关的距离成正比。与图 b 相比，图 a 中的红点要少得多，但红点与最近的蓝点之间的距离通常更大。b，程序员在 2018 年有许多新增的核心技能，没有出现在 2010 年的核心技能中，但 2018 年和 2010 年的技能非常相似。c、在不考虑技能距离的情况下，2010 年至 2018 年，程序员被评估为经历了比食品配料工高得多的技能变化。d、在控制技能距离后，食品配料师的技能变化比程序员大得多。

低技能岗位的 " 逆袭 "

在传统印象中，技能升级似乎是高技能职业的专属。但研究表明，低技能岗位在过去十年经历了显著的技能提升趋势（upskilling）。农业、建筑、运输等行业的技能需求变化幅度最大，而金融、管理、计算机类岗位的变化反而最小。这不仅说明低技能劳动者的工作难度增加，也意味着他们的工作质量与前景可能正在改善。

更重要的是，这种趋势正在缩小高低技能岗位之间的差距。数据显示，从 2010 到 2018 年，低技能岗位的技能要求逐渐向高技能岗位靠拢。这一过程与近年来美国低收入群体工资增速快于中位数的趋势相呼应，表明技能的升级可能正在带来实实在在的收益。

图 2. 当考虑到技能距离时，低技能职业在 2010-2018 年经历了最大的技能变化。a、技能复杂度较低的职业有较高的平均技能内容变化。每条表示一组工作的平均技能向量变化，其核心技能数量落在 x 轴上标记的范围内。b、工资较低的职业有较高的平均技能矢量变化。每个柱状图表示一组工作的平均技能向量变化，这些工作的平均年工资中位数落在 x 轴上标记的范围内。c、除研究生学历外，学历要求较低的职业变化较大；要求硕士或博士学位的工作比要求学士学位的工作变化更大。每个柱状图表示一组工作的平均技能矢量变化，这些工作的平均入职教育要求落在 x 轴上标记的范围内。d，每个 2 位数 SOC 职业类别中 6 位数 SOC 职业的技能向量变化分布。

小企业与小市场的追赶之路

研究的另一发现是：小企业与小市场比大企业和大市场经历了更剧烈的技能变化（图 3a-b）。这背后有两种逻辑：一方面，大企业通常位于技能前沿，因而需要持续调整以保持竞争力；另一方面，小企业若要追赶，也必须付出更大的学习跃迁。数据支持后者：2010 至 2018 年间，小企业和小市场的技能需求快速向大企业和大市场收敛（图 3c）。

这种 " 追赶效应 "（catching-up）带来了明显的地理差异，美国农村和内陆地区的技能升级压力显著高于沿海和大城市（图 3e）。换句话说，区域发展不平衡不仅体现在经济产出上，也体现在劳动者所需付出的学习成本上。

谁在承担最大的再培训压力？

当研究者将技能变化与人口统计学特征结合时，一个清晰的图景浮现：女性与少数族裔工人承受了更高的再培训压力（图 3f-g）。她们更集中在低技能岗位，而这些岗位正是技能升级的重灾区。相比之下，男性和白人更多分布在教育要求较高的岗位，因此技能变化幅度较小。这种差异揭示了职场中隐藏的不平等：经济转型的成本，并不是所有人均摊的。弱势群体需要学习更多、更陌生的技能，才能在岗位上立足。如果缺乏培训支持，他们可能更容易在变革中被边缘化。

同时，值得注意的是，这种不平等并非全然负面。研究显示，技能升级推动低技能岗位逐渐向高技能岗位靠拢。这种收敛不仅可能提升岗位质量，还可能改善社会流动性。换句话说，今天的 " 低端工作 " 通过技能升级，有可能成为未来的 " 向上跳板 "（stepping-stone job）。同时，工资差距的缩小也在一定程度上印证了这一趋势。随着小企业与低技能岗位完成技能升级，他们在薪酬与发展前景上的劣势也可能逐渐减弱。

此外，文章还指出，技能变化不仅受技术驱动，还受到宏观经济环境的影响。在经济衰退期，企业更倾向于提高学历门槛，而在劳动力紧缺时则放宽要求。这意味着，技能升级的节奏与方向不仅取决于技术演进，还与经济周期紧密相关。

图 3. 不同组织、当地劳动力市场和社会群体的技能需求变化差异。a， 2010 年至 2018 年，小企业的职业技能变化水平高于大企业。条形图表示大小公司同一组职业的平均技能矢量变化。b、2010 - 2018 年，小企业技能需求升级，向大企业技能需求趋同。柱状图表示 2010 年和 2018 年大型和小型企业之间的平均职业技能向量距离。c， 2010 年至 2018 年，小型市场的职业技能变化水平高于大型企业。d、2010 - 2018 年，小市场技能需求升级并向大企业技能需求趋同。e、绘制美国地区职业技能变化图。各州和通勤区根据其平均职业技能变化从低到高分为三个分位数，分别标记为 " 轻微 "、" 中等 " 和 " 大变化 "。f . 与女工相比，从事高技能职业的男性工人占其总数的较大比例；与白人和亚裔工人相比，拉丁裔和黑人工人从事低技能职业的比例更大。核密度估计（KDE）曲线显示了六个社会群体中不同教育年限的职业的就业分布。g、女性工人和非白人工人比男性工人和白人工人面临更高的技能培训压力。第一个柱状图表示男女工人加权职业技能变化的差异。另外三个柱状图表示三个少数民族和白人工人之间加权职业技能变化的差异。

政策与未来展望

这项研究的方法论创新在于：用连续的几何模型取代了离散的技能分类，既捕捉了技能间的依赖关系，也为计算技能 " 距离 " 提供了工具。这一模型揭示了隐藏的再培训压力，并为政策制定提供了新的视角。

对政策制定者而言，核心启示有三：

重点支持弱势群体：女性、少数族裔和低技能工人需要更多的培训机会，否则可能在转型中落后。

关注区域平衡：农村与小市场的劳动者面临更大压力，应在这些地区投入更多资源。

强化技能升级的正向效应：如果培训支持到位，低技能岗位有望成为社会流动的通道。

未来的研究需要进一步探索技能变化的方向性——哪些技能正在成为跨行业的通用能力？哪些技能则逐渐边缘化？随着团队合作与跨学科需求的增加，未来的 " 技能地图 " 将比今天更加复杂，也更加值得深入探究。

论文作者

面向未来的科学学读书会

科学是研究实践、是理性精神，也是一个由学者、文献、科研项目、科学思想与灵感等一起构成的自组织、自生长的复杂系统。科学学这门学科，旨在深入理解科学研究的种种因素并推动科学发展。科学的迅猛发展在积累科学知识的同时，也遭遇诸多社会、伦理、政策问题：开放科学的范式如何影响科学研究的实践？阶层、性别、种族、国家等视角如何揭示科学不平等的起源？期刊编辑和审稿人如何塑造当今的科学活动？科学人口结构、人才激励、科技人才流动如何影响科学发展？AI 大模型如何重塑科学研究的各个环节？

为了思考和回应科学的多元化挑战、科学开放性面临的危机，以及新兴技术对科学的冲击，集智俱乐部联合美国匹兹堡大学博士后崔浩川、东南大学副研究员孙烨、田纳西大学信息学院助理教授李恺、纽约大学阿布扎比分校博士研究生刘逢源、南京大学地理与海洋科学学院研究员古恒宇，共同发起「面向未来的科学学读书会」，这是继「复杂系统下的科学学读书会」之后的新一季科学学读书会。读书会已完结，现在报名可加入社群并解锁回放视频权限。

详情请见：面向未来的科学学读书会：探索开放科学范式，揭示科学不平等的起源

推荐阅读

1.  获得诺贝尔奖之后影响力会下降？绘制精英科学家的职业生涯路线图

2.  135877 位学者大调查：物理学家的职业生涯是如何发展的？

3.  AI 来袭，专业怎么选？一项超大规模职业轨迹研究给你答案

4.  系统科学前沿十讲：探究复杂世界演变背后的规则（二）

5.  集智学园精品课程免费开放，解锁系统科学与 AI 新世界

6.  高考分数只是张入场券，你的科研冒险在这里启航！

7.  加入集智字幕组：成为复杂科学知识社区的 " 织网人 "

点击 " 阅读原文 "，报名读书会