川海智库

报告概述

本报告是《新经济技能》系列的第二篇，由世界经济论坛与Cognizant合作发布。报告重点研究了AI、数据和数字技能在全球的供需现状、发展趋势及存在的差距，分析了哪些技能正在被AI重塑，并提出了一个涵盖评估、开发和认证数字技能的全球行动框架。报告覆盖了不同地区和行业的差异，旨在为商业领袖、教育者和政策制定者提供策略指导，以弥合数字技能鸿沟，推动经济增长。

报告的核心结论

数字技能需求快速增长但供给严重不足

报告指出，AI和数据分析等高级数字技能的需求持续攀升，但教育体系和在职培训未能跟上。全球只有约20%的企业领导者认为员工在AI和大数据方面具备足够能力，技能短缺已成为企业转型的主要障碍。

AI正在深刻改变数字技能的应用方式

AI不仅创造了对新技能的需求，也改变了现有数字技能的使用方式。约68%的数字技能将经历混合或完全转型，远高于人际技能（35%）。这意味着工人需要学会与AI协作，而非简单执行传统任务。

数字技能发展呈现显著的区域和行业不均衡

北美在AI技能发展方面领先，而拉丁美洲和撒哈拉以南非洲在数字技能方面信心较低。行业上，科技密集型行业（如IT、电信）对高级数字技能需求极高，而住宿、食品等传统行业需求有限，存在数字鸿沟扩大的风险。

投资数字技能是释放经济潜力的关键

报告引用研究指出，生成式AI有望在未来十年将全球GDP提升7%，但这一潜力依赖于具备相关技能的劳动力。技能差距正在拖累经济增长，例如英国因数字技能短缺每年损失约230亿英镑。

需要建立全球统一的数字技能评估和认证体系

当前技能认证多由商业机构主导，缺乏互操作性和通用标准。报告呼吁制定共享标准、推广基于实践的证据和模块化微证书，使技能识别在区域和行业间更具可移植性和可信度。

报告回答的关键问题

哪些数字技能的市场需求最高？

报告显示，技术素养是需求最广泛的数字技能，出现在34%的美国招聘信息中。但AI和大数据技能被视为最重要的增长技能，近90%的企业领导者预期其重要性将提升。网络安全和编程技能需求也持续强劲，但集中在特定岗位。

AI如何改变企业对技能的要求？

AI正在重塑数字技能的应用，使高级AI和数据技能、编程技能面临更高自动化风险，但同时提升了技术素养、批判性思维等人类主导技能的价值。报告强调，工人需从单纯执行任务转向监督和协作AI系统，技能组合需更强调适应性。

不同行业对数字技能的需求有何差异？

科技密集型行业（如IT、电信、汽车和航空航天）对AI、编程等高级数字技能需求极高，而住宿、食品、农业等传统行业需求较低。金融、能源等行业技术素养被视为核心。这种差异可能导致行业间数字化水平进一步分化。

学习数字技能需要多长时间？

学习时间因技能层级和领域而异。AI和大数据入门约需30小时，但达到高级水平需约137小时；网络安全高级阶段最耗时（约155小时）。编程入门和中阶难度最高。设计及用户体验的学习曲线相对平缓。

企业和政府应如何缩小数字技能差距？

报告提出全球行动框架：企业应建立基于实践的内部技能开发生态系统，采用真实绩效评估和可携带的微证书；政府应制定国家数字技能战略，投资AI驱动的学习基础设施，并促进公私合作。案例包括Check Point的网络安全模拟训练、新加坡的SkillsFuture等。

报告中的代表性数据

27%

AI/ML岗位工资增长

2019年至2025年7月，AI和机器学习岗位的中位工资从2019年的150,000美元增长至2025年7月的189,800美元，涨幅显著，体现市场对高级AI技能的高需求。

21%

AI和大数据技能学习占比

2025年第二季度，在Coursera平台上，AI和大数据相关课程的学习时长占总学习时长的21%，是所有数字技能中占比最高的类别，反映学习者对AI技能的高度关注。

20%

雇主对教育体系培养AI技能的满意度

2025年，世界经济论坛执行意见调查显示，仅两成商业领袖认为教育体系能有效培养AI和数据技能，表明传统教育在数字技能供给上严重不足。

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

  • 全球AI、数据和数字技能供需的详细数据分析，包括学习时长、岗位发布趋势和工资变化图表，帮助读者了解市场动态。
  • 按地区和行业细分的技能重要性变化趋势，揭示不同区域和产业的数字化进展差异，为区域战略提供参考。
  • 生成式AI对技能转型影响的量化评估，涵盖近2,900种工作技能的分类，展示哪些技能最易被AI自动化或增强。
  • 数字技能评估、开发和认证的全球指导原则框架，包含9条具体原则及教育者、雇主和政府三方落地建议。
  • 来自Check Point、Censia、SkillsFuture Singapore和EY的四个深度案例研究，展示如何在实践中应用上述原则并取得可量化成果。
  • 关于技能凭证、微证书和区块链验证等新兴工具的分析，以及确保公平性和包容性的关键条件讨论。

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