AI浪潮下,亚太青年的机遇与鸿沟

点击蓝字

关注我们

点亮右上角星标

第一时间获得影响力投资新资讯

导读

今天，AI已经成了许多年轻人学习，求职和工作的一部分。有人用它润色简历，准备面试，有人用它生成方案初稿，提升接单效率。看上去，越来越多人都已经站在这股技术浪潮之中。但是，AI的普及是否意味着机会的普及呢？又或者AI带来的机会增长速度，已经超过普通人能抓住机会的速度？

AVPN发布的《AI时代下的亚太劳动力技能转型》（AI for All: Building an AI-Ready Workforce in Asia-Pacific）报告，综合分析了超过40万份公开资源，以及近3,000份来自青年求职者和中小微企业（Micro, Small and Medium Enterprises，MSMEs）的调研问卷，覆盖亚太八个国家和地区的劳动力市场^[1]。报告揭示了一个令人警惕的现实：AI转型带来的差距，正沿着既有的不平等结构不断扩大。报告同时尝试通过实证数据回答三个核心问题：谁能从AI中受益？谁正在被落下？又该如何应对日益扩大的鸿沟？

[1]报告覆盖的八个焦点国家和地区为：澳大利亚、印度、印度尼西亚、日本、韩国、新加坡、越南和中国台湾。

一场分配不均的转型：谁在被AI

带走，谁在被落下？

到2030年，AI预计将为亚太地区带来约3万亿美元的GDP增量。世界经济论坛预测，AI将催生多达9700万个新职位——即便同期有8500万个岗位面临自动化替代，整体来看，AI带来的新增岗位仍多于被AI替代的岗位。

从数据和个体感受来看，这种“机遇正在被打开”的趋势确实存在。南亚某基金会对430名AI受训学员的调查显示，55%的人认为AI为他们创造了更公平的发展机会。在农业领域，有数据表明AI驱动的精准农业可将作物产量提升20%至30%；在教育、医疗与公共服务等行业，约70%的从业者认为AI能够切实提升他们的工作表现。

但另一组数据，同样值得关注：尽管亚太地区约58%的人对AI持积极态度，但真正参与过AI技能培训的仅有15%；更有超过一半（57%）的人，甚至不知道相关培训资源的存在。

热情与参与之间的巨大落差，意味着问题并不在于“是否有意愿”，而在于“是否有路径”。

哪类工作面临替代，哪类工作

面临转型

报告梳理了至少160项可能被AI重塑的技能，并从两个维度进行划分：一是技能类型（分析技术型 vs 行政实践型），二是技能的创新程度（重复执行型 vs 战略创意型）。两条维度交叉，构成了四类典型的工作类型。

受AI影响的工作分类，纵轴为技能重复/创新度，横轴为技能技术/行政类型

其中，处于“技术刚性”象限（分析技术型＋重复执行型）的岗位，如数据分析员、财务专员，更容易被AI直接替代；而处于“精准运营”象限（行政实践型＋重复执行型）的岗位，如物流工人、行政支持人员，同样面临较高替代压力，且这类岗位的从业者往往缺乏转型所需的资源与路径。

相比之下，位于“创新工程”和“战略协调”象限的岗位，面临的更多是转型的机遇而非消失的危机——借助AI提升效率，同时承担更复杂、更具判断力的工作内容。

12个受AI影响的技能集群

在此基础上，报告进一步识别出12个受AI冲击最显著的技能集群。其中，对弱势群体影响最集中的六类包括：运营敏捷性、重复性任务、教育发展与教学设计、内容创作与管理、以人为本的沟通技能，以及设计与创意。

这些技能主要集中在行政支持、客服、内容生产等岗位，而这些岗位的从业者，往往是应届毕业生、非正规就业者、女性劳动者以及移民工人。也正是这些群体，在现有AI技能培训体系中的覆盖最少。这进一步揭示出一个结构性问题：替代风险最高的地方，往往也是防护最薄弱的地方。

此外，亚太人工智能研究所（AI Asia Pacific Institute）所长也提出了一个更深层的担忧：“当前仍有大量人工在后台为AI系统标注数据、训练模型。但当这些环节逐渐被自动化，这些人将何去何从？” 这类“隐形劳动”，往往由低技能、低收入群体承担。他们以人工劳动支撑着AI的发展，却几乎没有机会从中获益。这已经不只是技能培训的问题，而是整个转型结构中尚未被正视的一道矛盾。

谁在被落下：代际、教育与数字

素养、企业规模的结构性差距

代际断层

每5名年轻劳动者中，就有1人已经参与过AI技能培训。相比之下，50至65岁的劳动者，对AI的疑虑是年轻人的1.6倍，面临语言不通的概率是年轻人的两倍。这类差距，并不完全源于技术本身。

教育与数字素养^[2]断层

在高中及以下学历的受访者中，仅有23%对AI工具有所了解；而在研究生群体中，这一比例接近50%。值得注意的是，对AI越了解的人，往往也越清楚其带来的替代风险。那些最积极拥抱AI潜力的人，恰恰也是最清醒地意识到自身岗位不确定性的一群人。而缺乏数字基础能力的人群，则面临“双重门槛”：一方面缺少设备与工具的入口，另一方面，也难以在以城市白领为隐性前提设计的培训内容中找到适配路径。

[2]数字素养（Digital Literacy）：指使用数字设备与网络工具完成日常任务的基础能力。

大量培训项目的错配

亚太地区目前已有近2万个与AI相关的数字技能培训项目，由约6,000家机构主导，规模看似可观。但当我们将不同群体的技能需求紧迫程度，与其实际获得的培训资源进行对照时，一个明显的错位浮现出来：需求最迫切的低数字素养群体，反而获得的培训支持最少。

每100万AI技能培训人群中的群体分布，横轴为AI技能需求紧迫程度

换句话说，培训资源的流向，与需求最紧迫的方向，恰恰是相反的。当大多数培训在设计之初，就默认学员拥有稳定的网络环境、一定的英文阅读能力，以及可自由支配的学习时间时，那些处境最脆弱的人，往往从一开始就被排除在外。

培训盲区：时间、语言与场景匹配

报告对近3,000名受访者的调查显示，当被问及“怎样才能让AI培训对你更可及”时，多语言支持与灵活的参与时间，是当前大多数培训项目最欠缺的两个关键设计维度。语言的缺失，首先构成了进入门槛——对于使用印尼语、马来语、乌尔都语等语言的人群而言，培训内容本身就难以被真正理解。而时间的刚性，则进一步将部分群体排除在外：灵活就业者、需要照顾子女的女性等，很难按照固定课程安排参与培训。

AI培训可及性需求调研

“

AI技能培育，不是一次性的知识传授，

更需要持续支持，并嵌入真实的工作场景。

”

调查显示，约40%的受访者更希望获得与真实工作相结合的情境式培训；30%的人认为，只有对AI有更深入的理解，才能真正将其有效地用于工作；另有24%强调，技能提升应是一个持续的过程。

当培训设计回应这些需求时，其效果也更加显著。有受训学员在项目结束后表示参与这个项目让他有信心去追求用AI做社会公益的梦想。”而在参与之前，他和许多同龄人一样，对AI可能带来的就业变化充满不确定与焦虑。这也说明，障碍并非不可跨越，关键在于培训是否真正从学习者的处境出发进行设计。

案例：AI技能培训为何失败

制度性排斥：新加坡的SkillsFuture，是亚太地区最早启动、覆盖范围最广的AI技能培育政策框架之一，并于2023年升级为National AI Strategy 2.0，计划到2029年将具备AI技能的劳动力规模扩大三倍。然而，在新加坡约140万外籍劳工中，有99.9万是低薪持证工人，而SkillsFuture的补贴培训体系并未覆盖这一群体。他们需要自行承担全部培训费用 —— 对于月收入仅数百新元的劳动者而言，这几乎不具备可行性。制度的边界，往往也划定了谁能够被纳入其中。

优先级的倒置：女性占亚太劳动力总量的约35%，并高度集中于办公室支持和客服等岗位——而这些岗位，恰恰是报告中最容易被AI替代的类型。但在各类培训项目的覆盖密度排名中，女性与低数字素养群体却并列处于最低水平。风险最集中的群体，反而获得了最少的支持。

需求的迭代：在一些市场，即便是顶尖工程院校的毕业生，也开始面临大规模的就业压力。企业的招聘要求中，已经越来越明确地强调：对AI工具的掌握能力、批判性思维以及沟通能力。然而，多数公立教育体系尚未系统性地培养这些能力。传统教育路径、学历证书与市场实际需求之间，正在出现越来越明显的错位。填补这一错位，所需要的并不是更多证书，而是更贴近真实工作场景的能力培育。

AI机遇基金·亚太

AI Opportunity Fund: Asia-Pacific

Google联合亚洲开发银行（ADB）于2024年5月发起该项目，初始规模为1,500万美元，并于2025年追加1,000万美元。基金聚焦印度、印度尼西亚、马来西亚、巴基斯坦与新加坡五个执行市场³，目标支持72万名劳动者和10万家中小微企业完成AI技能转型。

在执行机制上，该项目以“以训促训”（Train the Trainer）为核心路径：由AVPN遴选的49个本地社会影响力组织参与实施，先由AVPN战略合作伙伴对其进行培训，再由这些本地组织直接触达目标群体。项目所覆盖的人群包括印度农村女性小企业主、新加坡移民建筑工人、巴基斯坦非正规就业青年等，重点面向此前在培训体系中较难被覆盖的群体。

截至2025年12月，基金第一阶段已通过48家合作机构，累计培训超过30万名劳动者。

AI公正转型：谁来承担转型的代价

“公正转型”（Just Transition）一词最初源于气候政策：当化石燃料逐步退出时，转型的代价不应由矿工和资源型社区单独承担，而应通过公共政策加以分担。如今，AI领域面临同样的问题：当自动化取代了仓储工人、客服人员和内容标注员的岗位，这些人的转型成本，应由谁来承担？

现实是，目前尚不存在一套清晰且系统性的承担机制。企业在享受自动化带来的效率红利的同时，往往未将受影响员工的再培训纳入成本；政府政策也多停留在倡导层面，缺乏具有约束力的就业保障安排；公益资金在技能培训领域的投入，仍处于相对边缘的位置。最终，转型的代价被不断向个体转移——由劳动者自己用时间、积蓄与焦虑去消化。

责任边界：

企业、政府、公益机构各欠缺什么

什么样的AI技能培训才是有效的？报告提出了七项设计原则：确保可及性、有针对性、以实际成效而非证书产出为导向、促进真实就业准备、纳入伦理视角、支持持续学习，并推动跨界协作。那么，谁有能力，也有责任去创造这些条件？报告将视角转向企业、政府与公益机构，分别提出了相应的角色建议：

企业在推进AI技术部署的同时，企业应为受影响岗位提供系统性的再培训支持。然而，目前有96%的企业主认为生成式AI将带来重大冲击，但仅有4%的企业真正实施了规模化员工培训。

政府政策的重点，应放在市场化培训体系难以触及的人群。例如，在印尼、印度等市场，AI相关的就业保障路径仍不清晰，大量处于高替代风险岗位的劳动者仍处于政策空白之中。

公益机构可以进入市场化培训缺位、政策尚未覆盖的交叉地带，为移民劳工、残障人士、灵活就业者等群体提供更具可及性的技能支持。

中国视角

中国正经历一场规模空前的AI全民应用热潮。从Kimi、DeepSeek、豆包等产品的快速走红，到互联网大厂相继推出小龙虾“免费安装”、“一键部署”等服务，再到各地政府陆续出台支持“一人公司”（One Person Company，OPC）的相关政策，AI正以前所未有的速度进入日常生活，折射出中国社会对这一技术浪潮的高度关注与参与意愿。

中国的AI技能培育政策框架正在加速成形。2024年，九部门联合印发《加快数字人才培育支撑数字经济发展行动方案（2024—2026年）》，2025年政府工作报告进一步提出“开展大规模职业技能提升培训行动”。

政策方向已逐步明确，但覆盖面仍存在明显缺口。中央网信办2024年全国调查显示，约三分之一的就业人口尚未达到初级数字素养门槛；城乡互联网普及率差距接近18%（城镇85.3%，农村67.4%）。与此同时，AI技能培训市场呈现结构性失衡：中低端供给过剩，高端供给不足；约2亿灵活就业者和8,400万新型灵活就业从业者，仍处于现有培训体系的边缘。

缺位之处，亦是切入点。对国内公益机构与企业基金会而言，可将AI公正转型与资源配置相结合：以欠发达地区和农村转移劳动力为重点，将AI基础技能嵌入乡村振兴、职业教育与社区服务体系；以灵活就业者和新市民为切入，开发贴近真实工作场景的技能培育路径，弥补正规培训体系的覆盖空白；同时推动企业将供应链上游中小微企业的数字化能力建设纳入ESG战略，倡导建立以实际能力为导向的本土化评估框架，而非以证书数量作为替代指标。

AI时代的包容与公正，不在于每个人是否拥有同样的工具，而在于每个人是否都有机会学会并真正使用这些工具。用户之间的差距，并非源于天赋或努力，而是获取资源路径的不同。这个差距能否被缩小，取决于接下来政府、企业与公益机构的选择与行动。