夜雨聆风——人工智能如何重塑职业技能结构与产业格局：来自《管理世界》的最新研究
全文摘要
潘珊、盖庆恩、胡涟漪三位学者在《管理世界》2026年第2期发表的研究，构建了一个包含人工智能和职业技能异质性的多部门一般均衡模型，系统分析了人工智能对职业技能结构和产业结构转型的影响。研究发现：当前阶段，人工智能对"常规型"职业技能（如流水线操作、数据录入）的冲击最大，"社交型"职业技能（如沟通协调、管理服务）的需求持续上升，"认知型"职业技能（如逻辑分析、专业判断）暂时相对安全。但随着AI技术加速升级——尤其是大语言模型的突破——AI对不同技能的影响将趋于"趋同"，认知型职业技能将面临越来越大的"挤出"压力。换言之，未来最该担心的不是"体力劳动者"，而是"脑力劳动者"。
一、三种技能，三种命运
要理解AI对就业的影响，首先要理解"职业技能"的分类。这项研究将职业技能分为三种类型：常规型、认知型和社交型。
"常规型"技能，是指完成重复性、结构化、标准化任务的能力——比如流水线装配、数据录入、基础财务计算。这类技能的特点是"有规则可循"，而AI最擅长的恰恰是按规则办事。
"认知型"技能，是指与高认知需求相关的能力——包括逻辑分析、批判性思维、问题解决和创造性思维，常见于医生、律师、工程师、研究人员等职业。这类技能需要知识积累和创新，AI目前只能辅助，尚不能完全替代。
"社交型"技能，涉及人与人之间的沟通、互动、协调和管理能力——比如心理咨询师、教师、销售、管理者。这类技能的核心是"理解人"和"影响人"，而AI最不擅长的恰恰是理解人的情感和社交语境。
三种技能，三种命运。研究揭示的核心逻辑是：AI对不同技能的冲击存在"偏向性"——对常规型技能冲击最强，认知型技能次之，社交型技能最弱。这种偏向性决定了职业技能结构的演变方向。
二、数据说话：中国职业技能结构的"大洗牌"
研究利用1990至2015年中国人口普查和抽样调查数据，计算了中国职业技能结构的变化趋势。数据呈现出清晰的"洗牌"信号。
从总体看，1990至2015年间，常规型职业技能的就业比例下降了4.25个百分点，社交型职业技能增加了5.04个百分点，认知型职业技能变化相对较小。更关键的是时间节点：2010年之前，职业技能结构相对稳定；2010年之后，变化明显加速——而2011至2017年正是中国工业机器人年均增速超过30%的时期。
分行业看，差异更加显著。制造业中，常规型技能占比高达80%，认知型和社交型各约10%；服务业中，三种技能的占比相对均衡，均在20%至40%之间。这意味着，制造业是常规型技能的"大本营"，而服务业是社交型技能的"主战场"。随着制造业就业份额下降、服务业份额上升，常规型技能自然被"稀释"，社交型技能被"放大"。
研究还对比了美国1980至2022年的数据，发现中美两国呈现出相似的趋势：常规型技能下降，社交型技能上升。但两国的"时间差"值得关注——美国自1980年代起社交型技能就快速增长，2010年后趋缓；中国的社交型技能则在2010年后才加速增长。这说明，中国的职业技能转型仍有较大空间。
三、理论模型：AI如何"偏心"地改变就业结构
研究构建了一个多部门一般均衡模型，将AI设定为"劳动扩展型技术"——即AI不是直接替代劳动者，而是提升不同技能劳动者的生产效率，但提升幅度因技能类型而异。模型的核心假设是：AI对常规型技能的偏向性最强（参数值0.8），认知型技能次之（0.4），社交型技能最弱（0.2）。
模型的逻辑可以这样理解：AI提高了常规型技能劳动者的生产效率，意味着同样多的工作需要的常规型劳动者更少了——这就是"替代效应"。但不同技能之间是互补的（替代弹性小于1），企业不能只靠AI完成所有工作，还需要社交型和认知型劳动者来配合。因此，企业会减少常规型劳动者的雇佣，增加社交型和认知型劳动者的需求——这就是"结构转换效应"。
模型推导出两个核心结论。结论一：在产业内部，AI技术提高会导致常规型职业技能就业比重下降，社交型职业技能比重上升，认知型职业技能的比重方向不确定——取决于AI对不同技能偏向性的相对大小。结论二：在产业层面，AI技术提高会推动产业结构转型，制造业就业比重下降，服务业就业比重上升。
四、数值模拟：30年后的就业图景
研究设定模型第1期对应2010年，模拟30年的经济转型过程。基准模型的模拟结果验证了理论结论：常规型职业技能就业比重显著下降，社交型职业技能持续上升，认知型职业技能基本稳定。制造业就业比重逐年下降，但制造业的劳动生产率和实际产出比重反而上升——这意味着制造业正在"提质减量"，从劳动密集型转向技术密集型。
研究还进行了职业技能就业比重变化的"效应分解"，将变化拆分为三个来源：制造业内部的集约边际效应、服务业内部的集约边际效应、产业结构转型的广延边际效应。结果发现：模拟期内，常规型职业技能就业比重总变化率为-40.7%，社交型为78.8%，认知型为25.9%。其中，常规型技能比重下降中，服务业内部变化贡献最大（-22.4%），超过总量的一半；社交型技能比重上升中，服务业内部变化同样贡献最大（50.0%）；认知型技能比重变化中，产业结构转型的广延边际效应贡献最大（11.8%）。这说明，服务业内部的技能结构变化是推动职业技能转型的"主引擎"。
五、未来预判：当AI越来越"聪明"，认知型技能也危险了
基准模型模拟的是当前AI技术水平下的趋势。但AI技术正在加速升级——尤其是以ChatGPT、DeepSeek等为代表的大语言模型，正在迅速提升AI处理认知型任务的能力。研究通过敏感性分析模拟了这一趋势：当AI对认知型技能的影响参数从0.4逐步提高到0.8甚至0.9时，认知型职业技能的就业比重出现了"先升后降"的转折。
这意味着什么？在AI发展初期，认知型技能因为"不太容易被替代"而相对安全，甚至因为与常规型技能互补而需求略有增加。但随着AI技术升级，对认知型技能的影响逐渐追上常规型技能，认知型劳动者也开始被"挤出"。研究明确指出："人工智能技术升级主要体现在对认知型职业技能的挤出效应。"
换言之，AI的冲击正在从"体力活"向"脑力活"蔓延。今天AI替代的是流水线工人和数据录入员，明天可能替代的是初级分析师和文字翻译。而社交型技能——沟通、协调、管理、共情——是AI最难攻克的"堡垒"，其就业比重在所有模拟情景中都在持续上升。
六、工资差距的影响：技能越值钱，越容易被替代？
研究还讨论了不同技能之间存在工资差距的情形。数据显示，认知型技能的平均工资最高，社交型技能次之，常规型技能最低。社交型与常规型技能的工资差距约为1.2倍，认知型与常规型技能的工资差距在1.3至1.7倍之间，且呈扩大趋势。
引入工资差距后，基准模型的结论并未改变：常规型技能比重下降，社交型技能比重上升，认知型技能比重变化较小。但研究进一步做了反事实实验：如果通过职业培训缩小技能间的工资差距，会怎样？结果发现，缩小认知型与常规型技能的工资差距，会大幅提高认知型技能的就业比重——因为工资差距缩小意味着企业雇佣认知型劳动者的成本相对降低，需求相应增加。这为政策制定提供了一个重要启示：职业培训不仅能帮助劳动者转型，还能通过缩小工资差距来调节就业结构。
七、政策启示：从"人口红利"到"人才红利"
基于上述发现，研究提出了三方面的政策建议。
第一，深化教育体系改革，将"人口红利"转变为"人才红利"。既然AI持续推动常规型技能需求下降、社交型技能需求上升，教育体系就必须前瞻性地调整——强化批判性思维、创新能力、协作精神等社交型技能的培育，推动劳动者从常规技能向社交型及"认知-社交"复合型技能转型。同时，建立终身职业技能培训制度，帮助面临替代风险的常规技能劳动者实现转岗。
第二，坚持就业优先战略，完善就业保障制度。AI对劳动力市场的影响具有长期性，结构性失业难以避免。服务业是吸纳社交型技能需求的主要部门，应破除制约服务业发展的体制机制障碍，推动产业结构持续优化。同时，重点关注应届毕业生、农民工、长期失业者等就业困难群体，完善灵活就业群体的社会保障制度。
第三，加强风险预警与监测体系建设。政府应建立就业替代风险评估指标体系，动态量化AI对不同行业与职业的结构性影响，识别高风险替代领域与临界节点，通过政策干预平滑技术替代进程，防范短期集中性失业风险。
八、结语：AI时代的"生存法则"
这项研究最核心的发现可以概括为一句话：AI的冲击是"梯度递进"的——先替代常规型技能，再挤压认知型技能，最后才轮到社交型技能。对于个人而言，这意味着"会做人"比"会做题"更重要——沟通能力、协调能力、共情能力，这些看似"软"的技能，恰恰是AI时代最"硬"的竞争力。对于社会而言，这意味着需要系统性的应对方案——教育改革、就业保障、风险预警缺一不可。AI时代的"生存法则"不是与机器比效率，而是做机器做不到的事。
参考文献
[1] 潘珊, 盖庆恩, 胡涟漪. 人工智能、职业技能结构与产业结构转型[J]. 管理世界, 2026(2): 107-124.
[2] 胡涟漪, 盖庆恩, 朱喜, 郭士祺. 中国职业技能结构转型：任务内容的视角[J]. 经济研究, 2024(1).
[3] 郭凯明. 人工智能发展、产业结构转型升级与劳动收入份额变动[J]. 管理世界, 2019(7).
[4] 王林辉, 胡晟明, 董直庆. 人工智能技术、任务属性与职业可替代风险[J]. 管理世界, 2022(7).
[5] 王林辉, 钱圆圆, 周慧琳, 董直庆. 人工智能技术冲击和中国职业变迁方向[J]. 管理世界, 2023(11).
[6] Autor D H, Levy F, Murnane R J. The skill content of recent technological change[J]. Quarterly Journal of Economics, 2003, 118(4): 1279-1333.
[7] Autor D H, Dorn D. The growth of low-skill service jobs and the polarization of the US labor market[J]. American Economic Review, 2013, 103(5): 1553-1597.
[8] Deming D J. The growing importance of social skills in the labor market[J]. Quarterly Journal of Economics, 2017, 132(4): 1593-1640.
[9] Acemoglu D, Restrepo P. Robots and jobs: Evidence from US labor markets[J]. Journal of Political Economy, 2020, 128(6): 2188-2244.
[10] Eloundou T, Manning S, Mishkin P, Rock D. GPTs are GPTs: Labor market impact potential of LLMs[J]. Science, 2024, 384(6702): 1306-1308.
