川海智库

报告概述

本报告利用2021至2024年间来自29个国家的超过6700万条在线职位发布数据，首次全面、跨国地考察了数字技能的工资回报。研究制定统一的数字技能分类法，从广泛（是否需要数字技能）、密集（数字技能数量）和定性（技能类型）三个维度分析回报。报告还特别区分了传统AI技能与生成式AI（GenAI）技能，并探讨了回报在不同行业、职业、教育水平和经验群体中的异质性。对于政策制定者和求职者，报告提供了数字技能价值的量化证据，有助于理解哪些技能能带来更高收入。

报告的核心结论

数字技能在全球范围内享有正工资溢价，且在低收入和中等收入国家更高。

至少需要一种数字技能的职位，全球平均工资溢价为1.6%，但在低收入和中等收入国家（LMICs）高达7.5%。每增加一项数字技能，全球工资增长0.5%，而在LMICs增长2.6%，反映数字人才稀缺性。

中级和高级数字技能回报显著为正，基本技能回报为负。

每项中级或高级数字技能带来0.8%的工资增长（高收入国家）和约3%的增长（LMICs）；而基本数字技能（如打字）与较低工资相关，可能因其被视为低复杂度职位的最低要求。

生成式AI技能提供超高的工资溢价，尤其在非技术岗位。

在数字核心职业中，GenAI开发技能在传统AI技能之外额外带来7%至9%的溢价；在数字增强职业（如营销、金融）中，GenAI素养技能溢价高达25%至36%，反映其稀缺性和生产力潜力。

数字技能回报在IT密集型行业和ICT职业中更高，且被教育和经验放大。

IT投入份额提高1个百分点，数字技能溢价额外增加0.3-0.4%。ICT专业人士的回报最高；大学毕业生和经验5年以上的工人获得更高的数字技能溢价，凸显互补性。

报告回答的关键问题

数字技能能带来多少工资增长？

全球范围内，至少需要一项数字技能的工作平均工资高出1.6%，每增加一项数字技能工资再增0.5%。在低收入和中等收入国家，回报更高，分别为7.5%和2.6%，反映出数字人才的稀缺。

哪些数字技能最值钱？

生成式AI（GenAI）技能回报最高，尤其在非技术岗位（溢价25%-36%）。传统AI技能每项带来约3%的工资增长。中级和高级数字技能（如编程、数据分析）也提供正回报，而基本技能（如社交媒体操作）与较低工资相关。

低收入和中等收入国家的数字技能回报是否更高？

是的。由于数字人才稀缺，低收入和中等收入国家（LMICs）的数字技能溢价显著高于高收入国家。例如，至少一项数字技能的溢价在LMICs为7.5%，高收入国家仅1.3%；每项中级/高级技能在LMICs回报约3%，高收入国家为0.8%。

AI技能和生成式AI技能有何区别？

传统AI技能（如机器学习）已存在多年，每项带来约3%的工资溢价。生成式AI（GenAI）技能是新兴类别，进一步分为开发技能（如构建LLM）和素养技能（如使用ChatGPT）。在技术岗位，GenAI开发技能额外溢价7%-9%；在非技术岗位，GenAI素养溢价高达25%-36%。

报告中的代表性数据

1.6%

数字技能工资溢价（广泛边际）

2021-2024，全球至少需要一项数字技能的职位，广告工资比不需要数字技能的职位平均高1.6%。在低收入和中等收入国家，该溢价为7.5%。

25%至36%

生成式AI素养技能溢价（数字增强职业）

2021-2024，在非技术类数字增强职业（如营销、金融）中，要求GenAI素养技能的职位，广告工资比不要求的高25%至36%。

2.9%

每项AI技能工资溢价

2021-2024，每列出一项传统AI技能（如机器学习、数据科学），广告工资平均增长2.9%，高于非AI高级数字技能（0.7%）。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整的数据集描述与筛选过程：包括Lightcast数据来源、样本选择标准、各国职位发布分布及其与劳动力规模的对比。
  • 统一的数字技能分类框架：将14,000种独特数字技能分为基础、中级和高级三类，并细化AI与生成式AI技能子类。
  • 详尽的计量经济学方法：Mincer工资方程、多层次固定效应（职业、行业、城市-年份、企业）、稳健性检验（控制非数字技能、企业固定效应、不同固定效应组合）。
  • 丰富的异质性分析：按国家收入水平（高收入 vs. 中低收入）、行业IT密度、职业类型（ICT、数字增强等）、教育程度和工作经验分组的回报差异。
  • 非线性回报检验：数字技能数量与工资之间的凹形关系，边际回报随技能数量递减但保持正值至约37项技能。
  • 生成式AI技能的专门分析：区分GenAI开发技能和素养技能，分别估计其在数字核心职业和数字增强职业中的独特溢价。
  • 政策启示与未来研究：讨论如何通过教育和培训缓解数字技能差距，以及数字技能与非认知特质的交互作用等未来方向。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告