流动的劳动力：AI 浪潮下普通人的转型困境

编者摘要：本麦肯锡 2026 报告聚焦 2025‑2035 美国劳动力市场，核心结论：AI 自动化不会造成大规模岗位消失，而是引发美国史上最大规模劳动力重新配置。自动化将等效削减 3600 万岗位，但人口、基建、AI 新赛道将创造 4100 万个岗位，净增 500 万岗位。基准情景下 1100 万劳动者需要跨职业转型，每年 77 万人更换职业大类，为历史均值 3.6 倍，区间 600‑1600 万人。

自动化不等于裁员，四大机制抵消约 60% 冲击：缓解加班、效率拉动业务增长、产生新工作任务、组织监管带来人员置换约束。岗位变化分三类路径：仅 14% 劳动者拥有直接转型路径；41% 曲折路径；45% 艰难未铺设路径。低收入群体转型风险是高收入群体 7.6 倍，弱势人群受冲击更大。

报告划分三大技能：基础必备技能拓宽择业面；赋能技能助力薪资提升；应变赋能技能（AI 应用、适应力、韧性等）需求爆发，AI 应用能力需求上涨 11 倍。仅有技能不足以完成转型，多重壁垒阻碍流动：85% 增长岗位要求证书资质，还存在薪资摩擦、地域限制、语言隐性门槛，壁垒会叠加放大负面影响。

大量职业并非简单兴衰，而是岗位重塑，70% 以上劳动者任务结构将发生显著变化，收银员、教师、核保人等岗位工作内容彻底改写。人本经济、实体经济、科技经济是三大就业增长引擎，衰退岗位集中在行政、零售、物流。

劳动力转型需要四方协同：企业转向技能导向管理；政府优化资质体系与培训资助；教育机构开发模块化课程；劳动者持续学习应变技能。能否把 AI 生产力转化为普惠繁荣，取决于能否打通劳动者通往增长岗位的现实路径。

20 个关键问题问与答

宏观市场篇

Q1：未来十年 AI 自动化会让美国大量岗位消失吗？ A：不会。自动化等效减少 3600 万岗位需求，但经济结构性增长创造 4100 万岗位，整体岗位净增加，核心挑战是劳动力重新分配，不是岗位短缺。

Q2：多少美国劳动者需要更换职业？ A：基准情景 1100 万；受自动化速度影响区间 600‑1600 万，每年约 77 万人跨职业大类，是历史非疫情均值的 3.6 倍。

Q3：为什么自动化改造大量工时，但不会同等比例裁员？ A：4 种抵消机制：缓解过度加班；效率提升带动业务扩张；催生复核、监督 AI 等新任务；法规、劳资协议等人员置换约束，合计抵消约 60% 自动化冲击。

Q4：哪些是美国未来三大就业增长引擎？ A：①人本经济（老龄化、生活水平提升带动医疗照护）；②实体经济（基建、能源、建筑技工）；③科技经济（数字、AI 基础设施）；AI 还会诞生 50‑200 万全新职业。

Q5：哪些职业类别岗位萎缩最严重？ A：行政办公支持、零售销售、运输物流，75% 需要跨职业流动劳动者来自这三大类。

Q6：什么叫 “岗位重塑”？ A：职业总规模不一定扩张或萎缩，但超过 15% 工作任务重构；人类更多负责例外处理、AI 监督、人际判断，收银员、教师、保险核保人都是典型案例。

转型路径篇

Q7：报告划分哪三类劳动者转型路径？ A：直接路径（14%）、曲折路径（41%）、未铺设 / 艰难路径（45%），由技能重合、薪资保留、资质获取时间、目标岗位需求四个维度判定。

Q8：什么是直接转型路径，占比多少？ A：技能重合≥75%、薪资不下降、取证培训＜6 个月；仅 14%（约七分之一）的转型劳动者拥有该路径。

Q9：什么是未铺设路径？ A：技能缺口巨大，培训考证周期漫长，伴随潜在薪资损失；近 45% 劳动者面对该路径，例如洗碗工转家庭健康助理。

Q10：哪些人群受劳动力转型冲击最大？ A：低收入群体风险是高收入 7.6 倍；其次是无本科学历、女性、青年、少数族裔，他们大量集中在衰退岗位。

Q11：岗位总量增长，为什么很多劳动者依然很难找到好工作？ A：岗位数量充足≠技能、证书、地域、薪资匹配；总量平衡下个体会遇到技能鸿沟、资质、地域等现实壁垒。

技能专题篇

Q12：报告提出哪三大类劳动者技能？ A：基础必备技能、赋能技能、应变赋能技能。

Q13：应变赋能技能市场需求变化如何？ A：2022‑2026，AI 应用能力需求上涨 11 倍；适应力上涨 5 倍；韧性、好奇心、学习意愿上涨 3 倍。

Q14：应变赋能技能是天生性格，无法后天学习吗？ A：不是。大量企业、政府项目证明，AI 应用能力、韧性、好奇心、适应力都可以通过培训、职场项目后天培养。

Q15：什么是技能邻近度？对求职有什么意义？ A：现有职业和目标职业技能重合比例；现实可行的转型大多发生在技能邻近岗位，跨巨大技能鸿沟的转换难度极高。

壁垒障碍篇

Q16：阻碍劳动者流向增长岗位最大壁垒是什么？ A：资质证书壁垒。85% 增长岗位要求证书，38% 属于法律强制，47% 为雇主主观偏好，仅 15% 岗位无证书要求。

Q17：除证书外还有哪些关键转型壁垒？ A：薪资摩擦（岗位低薪、培训期收入中断）；地域约束（76% 增长岗位需要线下工作）；语言隐性门槛，多重壁垒会叠加放大阻力。

Q18：是否劳动者只要拥有足够技能就可以顺利转型？ A：不行。技能只是基础，证书法规、地域、培训期间经济压力会阻断纸面可行的转型机会。

多方行动与启示

Q19：企业、政府、教育、劳动者分别要做什么？ A：企业：转向技能导向人才管理，搭建内部流动；政府：完善劳动力市场信息、模块化可堆叠证书、培训资金补贴；教育：按岗位真实需求反向设计模块化课程；劳动者：持续打磨可迁移与应变赋能技能，坚持终身学习。

Q20：这份报告的最终核心启示是什么？ A：AI 生产力红利不会自动普惠大众；技术可以创造岗位，但制度、教育、企业政策、劳动者能力，共同决定普通人能否抓住新工作机会，劳动力重新配置是时代最大挑战，也是重大机遇。

附录 劳动力流动：美国未来就业的技能与职业路径

麦肯锡全球研究院｜2026 年 9 月

作者：玛丽亚・赫苏斯・拉米雷斯、桂琳・埃林鲁德、唐吉・卡特兰、迭戈・卡斯特雷萨纳、安娜・科尔蒂斯

保密专有材料。未经麦肯锡公司明确许可，严禁使用本材料。 ©2026 麦肯锡公司，版权所有。

执行摘要（要点速览）

人工智能、自动化以及更广泛的结构性趋势，正在加速美国经济内部的劳动力重新分配。想要收获这一变革带来的红利，就需要打造全新的职业发展路径、培养劳动者新技能，并消除衰退岗位与增长岗位之间的各类障碍。

未来十年，美国经济新增岗位数量或将超过自动化淘汰的岗位数量，但这场变革或将迎来美国历史上规模最大、持续时间最长的劳动力转型。我们估算，大约有 1100 万身处衰退行业的劳动者可能需要转入新岗位；受自动化落地节奏及其对劳动力需求的影响，该数字区间为 600 万‑1600 万人。

未来的岗位，尤其是增长型岗位，平均薪资水平更高，但对技能的要求也随之提升。约 60% 的新增就业岗位集中在薪资五分位最高的两个层级，岗位增量大量集中在医疗、建筑以及管理类职业。与之相反，超过 70% 萎缩的就业岗位分布在薪资五分位最低的两个层级，主要集中在行政办公支持、零售销售、运输物流领域。

每七名劳动者中仅有一人拥有直接转入增长岗位的职业路径，近半数劳动者的转型道路坎坷难行。尽管每位需要转型的劳动者理论上都能找到通往增长岗位的出路，但仅有约七分之一的人无需或只需极少再培训即可完成转型。各类壁垒（尤以资质证书为代表，约 85% 的增长岗位都对证书有所要求）会扭曲甚至阻断本可行的职业转型路径。

总体来看，超过 70% 的劳动者都需要实现一定程度的自我能力重塑，因为新任务占用的工作时间占比往往超过 15%。无论劳动者是否更换工作岗位，绝大多数人都要持续学习新技能；不管一份职业整体处于扩张、萎缩还是保持稳定，岗位本身都在不断迭代更新。

三类技能能够帮助劳动者实现岗位流动、获得晋升、持续适应变化：基础必备技能拓宽职业选择范围；赋能技能帮助劳动者获得高薪岗位；应变赋能技能助力劳动者持续应对变化。市场对这类应变赋能技能的需求已经激增：自 2022 年起，对人工智能应用能力的需求增长了 11 倍，对适应力的需求增长 4 倍，对抗挫力、好奇心与学习意愿的需求增至原先的 3 倍。

引言

每一代遭遇新技术冲击的人，都会发问：机器会不会取代人类劳动者？蒸汽机实现生产机械化，电力重构工厂模式，计算机完成信息数字化。如今人工智能又把这个问题推到风口浪尖 —— 它波及全部劳动者、全部岗位，就连过去被认为很难被自动化替代的脑力工作也未能幸免。

劳动力市场面对技术创新与技术落地，不只是单纯削减岗位，同时还会创造新岗位，重组、重新分配工作内容。一部分工作活动实现自动化，另一部分工作价值得到放大，全新任务不断涌现；部分行业需求扩张，部分行业需求收缩；劳动者会在不同职业、不同雇主、不同地域之间流动，也会出现流动受阻的情况。

20 世纪 70 年代末问世的电子表格，几秒就能完成过去会计文员一整天的工作量。虽然依赖手工计算的文员岗位消失了，但会计师这个职业并没有消亡。美国劳工统计局的数据甚至预测，未来十年会计师岗位增速会高于行业平均水平。计算预测的工作变得廉价，但人的判断力与专业经验反而变得愈发珍贵。

社交媒体充斥着人工智能将冲击就业的悲观预言。到 2035 年，美国整体可用岗位数量大概率会高于当下，但受人口老龄化影响，劳动力供给会变少。各界对人工智能给劳动力带来的整体影响估算差异巨大。我们基准情景测算显示：自动化或将等效减少 3600 万个岗位的劳动力需求，但人工智能产业链以及宏观经济整体增长，未来十年又会创造超 4000 万个岗位需求。

我们的估算基于四大因素：

1. 人工智能与其他技术驱动的自动化会降低劳动力需求，但并非一一对应地消灭岗位；工作实现自动化不等于岗位直接消失。
2. 人口结构变化、生活水平提升，会带动 “人本经济” 岗位持续扩张；这类岗位往往较难自动化，如今已经面临、未来还将持续面临劳动力短缺。
3. 人工智能浪潮叠加基础设施现代化建设需求，会推动 “实体经济” 与 “科技经济” 的用工需求上涨。
4. 和以往通用技术一样，人工智能本身也会催生出如今尚且无法想象的全新岗位。

很大一部分变化发生在职业内部，但约 1100 万美国劳动者（约占当前就业人口 7%）或将不得不更换职业，才能保住工作。

单纯统计岗位数量不足以衡量新技术带来的影响。即便岗位供给充足，如果这些岗位所要求的技能、证书、工作地点、薪资待遇和现有劳动者的条件不匹配，数百万劳动者依旧会陷入就业困境。未来大量增长岗位都对技能提出了更高、更新的要求。因此，搭建从萎缩岗位通向增长岗位的可行职业路径，对自动化时代劳动力市场平稳过渡至关重要。

职业路径指不同职业之间实际可行的转换通道，由四项条件共同决定：目标岗位的用工需求、技能相近度、薪资保障、获取资质所需时间。

• 直接路径
  劳动者只需少量再培训，且薪资不会下降，即可转入增长类职业。
• 曲折路径
  劳动者需要学习大量新技能，或是接受薪资下调。
• 未铺设路径
  存在巨大技能鸿沟、薪资大幅缩水，或是需要耗费极长时间考取资质。

上述任意一类路径，都可能因为现实壁垒过高而彻底走不通。

通往新职业的路径质量至关重要。几乎美国所有劳动者理论上都拥有至少一条转型出路，但仅有七分之一的劳动者拥有直接转型通道。劳动者从原有职业习得的技能，是顺利完成职业转换的关键。部分技能适用于大量职业，另一些技能则集中在高薪岗位。适应力、好奇心、抗挫力、学习意愿这类技能价值愈发凸显，能够帮助劳动者在工作不断变化的过程中习得新能力。

但是，技能能够促进流动，但转型路上重重阻碍会形成壁垒。劳动者已经具备增长岗位所需技能，却可能因为执照、特定学历要求、需要迁居到语言环境不同的地区等因素，而无法获得这份工作。本报告将研究人工智能时代，塑造劳动者通往增长岗位的各类技能与现实壁垒。

核心逻辑：劳动力市场面临的挑战，是通过高质量的职业路径，将劳动者匹配到增长岗位。 从劳动力需求萎缩，到劳动力需求增长的三类路径：

1. 直接路径：技能匹配度高、无薪资损失、考证耗时短；
2. 曲折路径：存在一定技能差距、小幅薪资损失、考证耗时中等；
3. 未铺设路径：技能差距巨大、薪资大幅下降、考证周期漫长。 路径的两大影响因素：技能（加速流动）；壁垒（证书、薪资、地域以及其他现实摩擦，决定路径能否真正落地）。

第一章：岗位为何发生改变

人工智能究竟会创造还是消灭多少岗位，尚无确切答案。但结合技术以及宏观趋势，未来十年美国或将新增 4100 万个岗位。在我们的基准情景中，自动化落地将改造当前 21% 的工时，等效于 3600 万个岗位。其中约 2500 万劳动者，能够依靠本职业内部的业务增长抵消自动化冲击，继续留在原有岗位，只是岗位工作内容会发生改变。剩余 1100 万人则必须彻底更换职业。未来十年最大挑战，是劳动者的流动，而非岗位的绝对短缺。

技术改变现有工作所需人力，进而改变用工需求。人工智能一方面会直接改造部分职业：自动化或增强部分工作内容，引发大众焦虑；同时也会催生系统落地、治理监督、工作流程重构等全新工作。另一方面，人工智能还会间接创造岗位：拉动基础设施与技术产业链相关工作，催生新产品、新行业，带动整体经济增长。

与此同时，人工智能发展恰逢社会老龄化。全球人均寿命延长，发达国家生育率走低。麦肯锡全球研究院过往研究测算：按照当前人口衰减速度，想要在 2050 年前维持人均 GDP 平稳，发达经济体需要将生产率增速提升至现有水平的 2‑4 倍。老年人口增加、劳动年龄人口缩减，已经推高家庭医护人员、医疗技术人员、餐饮服务人员的用工需求；而中小学教育、玩具制造、夏令营辅导员这类岗位需求出现下滑。如果劳动人口能够顺利完成岗位转换，人工智能将极大推动经济增长；但如果转型处理不当，红利只会流向少数群体，大量劳动者的就业前景将持续恶化。

自动化落地速度，职业之间差异巨大

早期讨论人工智能与就业，大多聚焦对白领岗位的冲击，但实际上，自动化在各类岗位的渗透速度参差不齐。历史上，企业部署新技术总是断断续续：决定在哪些领域落地、哪些领域暂缓、哪些工作必须保留人工。人工智能的实际落地，取决于它能完成哪些工作、在怎样的风险水平下创造价值。

我们分析得出：行政办公支持类职业自动化平均落地程度最高；预计到 2035 年，现有工时的约 80% 将实现自动化；技术分析岗位 70% 工时、零售销售岗位 68% 工时会被自动化改造。而医疗专业岗位仅有 26% 工时、公共安全安保岗位 28% 工时会引入自动化。

方法论说明 本报告沿用麦肯锡全球研究院过往未来工作研究框架，模拟 2025‑2035 年间，自动化、人工智能与其他结构性力量重塑美国经济后，劳动力需求与职业转换的演变。核心回答两个问题：

1. 在自动化、人工智能以及其他结构性力量重塑美国经济时，不同职业劳动力需求如何增减；
2. 身处萎缩岗位的劳动者，向增长岗位流动的难易程度。

研究依托美国劳工统计局标准职业分类体系，进一步对接 Lightcast 公司精细职业分类，覆盖约 1800 个职业，实现更细颗粒度分析。以 2025 年作为基准，测算到 2035 年，以全职等效岗位（FTE）计量的劳动力需求变化。

研究主要估算美国就业结构的变迁，而非总就业独立预测；总就业增速锚定美国劳工统计局预测：十年增长约 3.1%。综合自动化带来的需求缩减，以及各类驱动因素带来的需求增长，测算每个职业净劳动力需求变化。

①自动化带来的劳动力需求缩减：基于麦肯锡既有自动化模型，评估各项工作活动技术层面的自动化潜力，设置不同落地情景。本次研究做出两点拓展：

1. 针对每一组 “工作活动‑职业” 匹配，单独设置落地情景，不再假设所有职业自动化推进速度一致。建立评分框架，考量工作的可编码性、重复性、可核验性、流程改造工作量，以及监管、商业、声誉、社会层面约束。同时考虑一份岗位内部各项工作绑定在一起，无法单独自动化某一项任务。
2. 区分 “工时被自动化改造” 和 “劳动力需求下降”
   。自动化解放出来的工时，不会同比例转化为裁员。一部分可以用来缓解加班；一部分受杰文斯悖论（效率提升带动需求扩张）抵消；一部分催生新工作，例如监督、管理、协同人工智能系统。组织、监管层面的约束，也会抑制裁员规模。

两大不确定性变量：自动化落地速度；自动化转化为劳动力缩减的程度。本报告设置不同情景测试结果敏感度，而非给出绝对上下限。

②人工智能产业链与其他结构性趋势带来劳动力需求增长，分为三大经济板块：

• 人本经济
  人口老龄化、医疗健康消费提升、生活水平提高、高等教育变化、无偿家庭劳动市场化；剔除重复计算。
• 实体经济
  建筑、基础设施、能源投资带来用工需求，参考麦肯锡以及第三方投资预测，将投资规模转化为职业用工需求。
• 科技经济
  软件、云、数字基础设施建设带来就业。

投入产出模型捕捉供应链间接拉动效应。同时参考历史通用技术发展经验，保守估算人工智能催生全新职业带来的岗位增量。本研究尚未计入市场效率提升、研发创新、创业扩张带来的额外潜在需求。

③构建职业之间的转换路径：基于四大维度建立优化模型，评估萎缩岗位劳动者流向增长岗位的可行性。

1. 技能邻近度
   依托 Lightcast 海量招聘岗位数据提取各职业所需技能，利用语义嵌入模型，测算现有职业技能和目标职业技能重合比例。
2. 资质证书
   结合 Lightcast 分类、公开执照法规，区分法律强制要求和雇主优先偏好的证书。
3. 培训耗时
   分别以高中、副学士、学士学位为起点，估算获取必备资质最低现实耗时，包含前置教育、实操临床时长、执照考试。借助大模型整合公开培训资质信息。
4. 薪资
   使用 Lightcast 招聘广告标注的基本工资，对比源职业与目标职业薪资。

综合四大维度构建转型成本框架，优先保留薪资水平，同时兼顾技能缺口、证书、培训时长。根据转型成本，划分直接、曲折、未铺设三类路径。

自动化落地 ≠ 岗位数量下降

全美范围看，到 2035 年，自动化技术或将改造 54% 的现有工时，但这不会直接一对一造成劳动力缩减。组织与市场机制可以抵消约 60% 自动化带来的用工冲击，最终仅等效减少 21% 工时的劳动力需求（尚未计入经济增长、人口变化、新岗位创造带来的对冲）。

从工作任务到岗位，中间没有简单换算关系：职业是一组相互关联工作活动的集合，而非一堆独立任务。当自动化完成一部分任务后，人的判断力、协调、责任担当依旧不可或缺，自动化会改变岗位的工作构成，但不会直接消灭岗位。

有四类机制，能够抵消自动化对劳动力需求的冲击：

1. 缓解过度加班
   对于长期人手短缺、加班严重的岗位，自动化提升效率，可以让工时回归合理水平，而不是裁员。例如护理、起重机操作员，自动化降低加班、职业倦怠、人员流失，人员编制基本保持不变。但部分劳动者的收入很大一部分来自加班费，这部分损失需要更好的岗位或者更高薪资进行弥补。
2. 效率催生新需求（杰文斯效应）
   生产率提升，降低服务成本、改善服务质量，企业会扩大业务规模，而非削减人手。审计行业就是实例：引入人工智能后，审计岗位就业率反而上涨 4.3%，审计质量同步提升；效率红利被用来扩大审计业务体量，而非裁员。只要存在尚未被满足的市场需求，就会出现这类效应。
3. 催生全新工作任务
   ：自动化接管重复性工作，人类就要花更多时间复核人工智能输出结果、处理例外情况、管控质量、设计人机协同流程、监督智能系统。不是诞生全新职业，而是重塑原有岗位的工作内容。
4. 人员置换的现实壁垒
   ：即便企业实现工作自动化，法规、劳资协议、合同义务、社会期待会要求保留人员；企业也可以通过自然人员流失逐步缩减编制，而不是直接裁员。

图表解读：基准情景自动化改造 54% 工时；通过四大抵消机制（缓解加班 + 3、效率拉动需求 + 15、新增工作任务 + 11、置换壁垒 + 5），抵消 60% 冲击，最终仅带来‑21% 等效工时的劳动力需求缩减。

自动化对不同职业劳动力需求影响千差万别

同样的自动化落地程度，对劳动力需求的冲击并不相同。

• 高度冲击型
  工作高度流程化、标准化，自动化落地直接带来人员缩减，例如呼叫中心客服。
• 以增强为主
  自动化改造大量任务，但人的判断、专业经验、责任不可替代，裁员有限，例如保险承保人、保险销售。
• 低冲击型
  高度依赖线下实体工作、监管约束、人际交互，例如教师。
• 潜在延迟冲击
  长期存在自动化潜力，但现实环境复杂、经济效益有限，落地缓慢，例如长途卡车司机、保洁人员。

自动化落地程度和劳动力需求缩减，是两个完全不同的概念。同样自动化改造比例，最终用工缩减程度，取决于效率红利如何消化。办公室行政、零售销售、物流这类岗位，任务容易和其他工作剥离，自动化落地会带来较大用工缩减。而法律、管理、建筑架构岗位，虽然自动化渗透率也很高，但更多体现为人机协同、新增监督审核类工作，不会大规模裁员。

企业所处现实环境同样决定结果：长期缺人的企业，会用人工智能扩大业务规模、降低员工倦怠；成本压力大、增长乏力的企业，则更倾向利用自动化减少人手。企业规模也会带来差异：小企业很难拆分岗位，大企业可以重构工作、灵活调整人员规模。

人工智能拓展了企业利用现有人力能够完成的边界。效率红利最终转化为裁员、更高产出、更好质量、更短交付周期、减少加班，还是全新工作，取决于企业和劳动力市场如何消化这项技术。

本报告基准估算存在两大不确定变量：企业自动化落地速度；自动化转化为劳动力减少的幅度。

• 如果自动化推进更快、替代人力效应更强，需要更换职业的劳动者，将从基准的 1100 万上升至 1600 万以上；
• 如果自动化落地慢、更多用于增强而非替代人力，则仅约 600 万人需要转型。

第二章：大规模劳动力重新配置

多股宏观力量共同催生美国新岗位

历史证明，重大技术变革时代，总体是创造新工作，而不是单纯消灭旧工作。工业革命以来，蒸汽机、电力、内燃机、通信、计算机、互联网，每一项通用技术，都诞生出过去不存在的全新职业。

• 蒸汽机：铁路列车员、锅炉工、机车工程师；
• 电力：电工、电梯维修技师、放射技师；
• 内燃机：飞行员、汽车修理工；
• 通信：电话接线员、广播主持人；
• 计算机互联网：软件开发工程师、系统分析师、网络安全分析师。

技术不是新职业诞生的唯一来源。人口老龄化、收入上涨、消费模式变化同样催生大量岗位。家庭内部非正式劳动走向商业化，催生个人护理助理、育儿陪护、瑜伽教练等服务业岗位。

源自历代通用技术的职业，如今占美国就业总量约三分之一；收入提升催生的岗位占五分之一以上。1920 年，美国四分之一劳动者从事农业；如今农业就业占比不足 2%。替代农业岗位的工作，一部分要求更高认知技能、薪资更高，另一部分转向服务业。人工智能将延续这一历史趋势，数十年后，美国职业结构将发生巨大变化。

参照美国历史通用技术催生岗位的速率估算：人工智能将创造50 万‑200 万个全新职业岗位。一部分岗位围绕人工智能全产业链：模型开发、AI 基础设施、智能代理工程、工作流设计、人工智能治理、人工审核评估。随着人工智能走向成熟，还会加速创业创新，诞生更多新角色。

宏观趋势对劳动力需求的影响，不亚于人工智能

本报告的就业总量锚定美国劳工统计局对 2035 年的预测。驱动劳动力需求变化最大的来源，是人口变化、生活水平提升、实体基建投资、数字经济扩张等结构性力量，其影响不亚于人工智能。叠加自动化带来的岗位缩减，以及人工智能催生 50 万‑200 万新岗位，共同构成就业总变化。

1. 人本经济，美国最重要的就业增长引擎
   生活水平提升，将创造约 1800 万岗位：家庭与企业采购更多服务，非正式家务劳动商业化，带动管理、商业运营、酒店、个人服务、人力培训等岗位。人口老龄化带来长期照护、慢性病护理、居家支持、药房、营养、照护协调岗位，净新增 800 万岗位。
2. 实体经济是另一大增长动力
   住房短缺、基础设施更新改造、电网现代化、电气化、制造业回流，需要建筑、安装维修、仓储物流、技术工匠。建筑领域净增约 300 万全职等效岗位；能源体系建设新增 200 万岗位。这类岗位高度本地化，不易被 AI 替代，但容易出现地域供需错配。
3. 科技经济同样创造大量就业
   软件、云计算、电商、广告流媒体游戏扩张，带动工程师、数据专家、产品经理、客服、信任安全、销售运营、内容运营岗位。数字经济浪潮（扣除本行业自动化缩减前）净增约 300 万全职等效岗位。同时支撑数字产业的实体基建：半导体、数据中心、设备、机器人、冷却电网配套，再带来 200 万岗位。

以上增长并非全部确定。实体建设很多属于项目制；科技基建岗位受投资周期影响；医疗岗位受生产力、照护模式、政策资金、监管多重因素左右。确定的是：劳动力需求正在向不同职业、不同技能层级、薪资区间、地域转移，抵消其他领域岗位萎缩。

未来十年，受自动化、人工智能与结构性力量重塑，企业会削减等效 3600 万岗位，同时创造 4100 万岗位，净增加 500 万岗位。

在同一职业内部，2500 万岗位实现内部对冲：自动化压低岗位需求，但宏观趋势又带来岗位增长。如果岗位内部需求增长赶不上自动化淘汰速度，就会出现人员流失；二者节奏同步，则劳动者可以直接在本岗位完成角色迭代。

扣除职业内部消化的部分后，还有 1100 万身处萎缩岗位的劳动者，以及 1600 万新增岗位缺口，无法在单一职业内部完成匹配。这 1100 万人就必须跨职业流动。另有 500 万岗位缺口，需要新进入劳动力市场人群、移民、重返职场人员来填补。

历史性的大规模跨职业流动

到 2035 年，大约 1100 万美国劳动者需要转入全新职业。这意味着每年约 77 万人跨大类职业更换工作，达到非疫情历史年均水平的 3.6 倍。虽然总计会诞生 1600 万个新岗位，但能否填补缺口，取决于劳动者是否掌握对应技能。岗位总量充足，高质量转型路径却十分稀缺。

本次变革的特殊之处，不在于流动人数，而在于流动的方向。历史上职业转换大多发生在同一大类职业内部，技能基础接近，转型壁垒低。本次受自动化冲击的 3600 万岗位中，大部分劳动者依旧可以留在本职业内部完成角色重塑；但剩余 1100 万人必须跨大类职业流动。

疫情期间（2019‑2022）也曾出现年均 78.8 万跨大类职业转换。但疫情冲击只是 2‑3 年短期事件；而本次重构将持续整整十年。跨大类职业转换意味着要掌握大量新技能、适应全新工作环境，面对更严峻的证书、薪资、地域壁垒。

即便新增岗位总数大于需要转型的劳动者数量，也不等于个体自动匹配成功。劳动者不是标准化劳动力单元，每个人自带独特的技能、薪资预期、证书、居住地、过往经历。总量平衡之下，大量个体依旧会经历艰难转型。

岗位萎缩高度集中，冲击弱势群体

岗位萎缩集中在 22 个大类中的三类职业：行政办公支持、零售销售、运输物流，75% 需要跨职业流动的劳动者来自这三个群体。其中客服代表、零售销售、办公室助理、收银员、仓库工人五个岗位，就占跨职业流动总人数的三分之一。

岗位萎缩高度集中，意味着政策、教育机构、企业可以聚焦这一小批岗位，定向设计转型通道。

自动化冲击在人群间分布极不均衡：

• 低收入五分位群体需要更换职业的概率，是高收入群体的7.6 倍；
• 没有学士学位的劳动者，风险是本科以上人群的 1.8 倍；
• 青年劳动者风险是中年群体 1.6 倍；女性风险是男性 1.6 倍；
• 黑人和西裔劳动者风险略高于白人，约 1.2 倍。

根源在于这些群体大量集中在自动化更容易削减需求的岗位。当然人口结构变化（婴儿潮一代大规模退休）也会给年轻人腾出一部分增长岗位机会。

大量职业不是简单扩张或萎缩，而是岗位重塑

并非所有劳动者都落入 “萎缩岗位” 或者 “增长岗位” 二选一。对大量人而言，未来十年的核心体验，是岗位重塑：职业整体规模没有大涨大跌，但岗位的任务组合、工具、工作流程、技能要求、价值来源彻底改变。

• 低程度重塑
  不足 15% 任务时间重新分配；岗位核心任务基本不变，AI 改变做事方式；
• 中等程度重塑
  15‑30% 任务时间重新分配；核心目标不变，但大量工作内容更新；
• 高程度重塑
  超过 30% 任务时间重新分配；日常工作发生巨大变化。

约 25% 劳动者将经历高程度岗位重塑；47% 劳动者经历中等程度重塑。一部分自动化工时带来裁员，另一部分转化为新拓展的工作任务，留在岗位的人工作职责被改写。

典型案例：

1. 收银员
   不再以结算收款为主；转向处理交易异常、客户沟通、监督自助结账 AI 系统。总全职等效岗位规模下降约 17%。
2. 保险核保人
   AI 完成数据搜集整理；人类聚焦风险判断、复核人工智能给出的建议、和客户与经纪人沟通；岗位总规模基本不变。
3. 中小学教师
   AI 承担备课、作业批改；教师更多做个性化辅导、课堂管理、审核 AI 教学输出；受学龄人口萎缩，岗位小幅下降约 5%。
4. 长途卡车司机
   AI 接管调度、路线规划、文书报表；人类更多专注驾驶、货物装卸、安全判断；货运需求上涨，岗位规模反而小幅增加。

岗位重塑会同时发生在扩张、萎缩、规模持平的各类职业中。

• 在高度受冲击的岗位，岗位重塑和裁员会同时发生，收银员就是例子；
• 在以增强为主的岗位，自动化接管重复工作，人类更多做例外处理、系统监督、人际关系，不会大规模裁员；
• 自动化渗透率低的岗位，同样会发生岗位重塑，教师就是代表；
• 部分实体岗位自动化中等，但后台文书类任务被 AI 改造，工作重心转移到线下实操，卡车司机属于这类。

核心启示：自动化落地程度 ≠ 转型风险。一个岗位自动化渗透率很高，但如果业务增长快、新任务大量涌现、劳动者技能易于向周边岗位迁移，劳动者转型压力反而有限。反之，一个岗位自动化中等，但岗位需求持续萎缩，周边又没有合适出路，劳动者就会面临巨大风险。 真正高风险劳动者的特征：所在岗位需求萎缩；同时通往增长岗位的路径质量很差（技能差距大、证书门槛高、地域不匹配、再培训成本高）。薪资高低本身也不能直接决定转型路径好坏：部分低收入劳动者技能高度可迁移，反而拥有直接路径；部分高薪专业人才技能高度窄化，可选出路寥寥。

第三章：通往增长岗位的三类职业路径

几乎每一位需要更换职业的劳动者，理论上都能找到通往增长岗位的出路，但路径质量差异悬殊。

• 直接路径：14%（约七分之一），技能重合≥75%、薪资不下降、法定证书培训时间＜6 个月；
• 曲折路径：41%，中等技能重合，适度薪资损失，培训 6‑24 个月；
• 未铺设路径：45%
  ，巨大技能鸿沟、薪资缩水，漫长考证周期。

路径质量，决定岗位总量增长能否真正转化为劳动者的机会。 直接路径四大硬性条件：目标职业处于增长；现有技能和目标岗位高度重合；薪资不降低甚至提升；获取法定资质耗时很短。 曲折路径：需要大量技能再学习、小幅薪资让步或者更长培训周期。 未铺设路径：技能差距巨大，可能伴随薪资下降，考证周期漫长；部分路径会因为岗位供给不足、薪资暴跌、考证、地域、招聘筛选直接彻底阻断。

典型转型案例

1. 洗碗工 → 家庭健康护理助理（未铺设路径）
   可迁移技能：卫生保洁、体力搬运；但技能整体重合仅 20%。需要学习病人照护、日常生活协助，并且考取家庭健康护理助理法定证书，最少 1 个月培训；行业还优先持有护理助理证书人员。薪资小幅上涨约 12%。虽然有少量技能基础，但证书和照护技能构成巨大壁垒。
2. 包装工 → 生产装配工（曲折路径）
   可迁移技能：搬运、叉车操作、质量管控；技能重合 52%。需要补充机械装配、钻孔、精细操作技能；无强制证书，薪资上涨约 10%。已有实操基础，只需要针对性技能升级。
3. 行政助理 → 项目经理（曲折路径）
   可迁移技能：排期、规划、流程协调；技能重合 58%。需要补充业务拓展、预测、质量管理；企业普遍优先工商管理学士学历、项目管理专业证书；薪资涨幅高达 154%。技能基础很好，但学历与证书带来很高投入门槛。

以上转型并非不可能，都建立在现有技能基础之上；但理论可行不等于现实轻松落地。

同时，仅靠现有岗位内部人员流动，不足以填满全部新增岗位。还需要青年新人、移民、中断职业重返职场人员、高龄持续就业人员共同补充。新劳动力供给和存量劳动者转型，二者互为补充，缺一不可。

薪资：总量向好，但个体存在分化

宏观层面，劳动力再分配会推高平均薪资水平。 萎缩岗位中，70% 集中在薪资最低两个五分位；增长岗位中，60% 集中在薪资最高两个五分位。整体经济，是在淘汰大量低薪岗位，新增大量高薪岗位。

但宏观向好不等于个体自动涨薪。 模型测算：1100 万需要转型的劳动者中，仅约 30.5 万人（占比 3%）转型后薪资会下降；绝大多数人转型可以维持甚至提高收入。该测算固定每个职业内部薪资水平，只测算跨职业带来的收入变化，尚未考虑岗位内部供需变化带来薪资涨跌。

增长岗位对技能要求更高

增长岗位招聘平均要求 68 项不同技能；萎缩岗位仅要求 47 项。 84% 增长岗位要求高等教育相关资质，萎缩岗位这一比例仅 45%。 不只是技能数量增加，很多增长岗位要求更强的判断、解读、决策能力，认知负荷更高。企业不能一味要求劳动者提升能力，也要关注 burnout（职业倦怠），为员工提供合理工作环境。

不同人群，拿到高质量路径的机会并不均等

虽然几乎所有劳动者都存在转型出路，但拿到直接路径的概率，随人群特征差异巨大：

1. 收入差距最大
   薪资最高五分位劳动者，拥有直接路径的概率，是最低五分位劳动者的 4 倍。年收入低于 38000 美元群体，仅 10% 拥有直接路径；最高五分位接近 40%。
2. 学历
   本科以上劳动者，直接路径概率比本科及以下群体高 50%。
3. 性别
   男性拥有直接路径的概率比女性高 30%。

低收入群体能够获得高质量转型路径的机会更少，需要定向培训、职业辅导、各类转型帮扶。

第四章：基础必备、赋能、应变赋能三类技能，拓宽通往优质岗位的通道真正风险，不完全是身处自动化高暴露岗位；而是劳动者从萎缩岗位通往增长岗位的路径曲折甚至被阻断。技能至关重要，但仅有技能远远不够。

三大技能分类

1. 基础必备技能（Essential）
   大量职业通用，拓宽择业选择。 示例：问题解决、领导力、人际沟通、人员与流程管理、注重细节。超过 75% 职业都要求这类技能。大部分职业转换不是跨领域巨大跳跃，而是依托已有技能基础，在相近岗位之间移动。拥有客户关系、问题解决、细节把控，可以从零售流向照护、行政协调、运营岗位；拥有领导力运营能力，可以跨行业、跨职能流动。缺乏这类技能，大量岗位直接对劳动者关上大门。
2. 赋能技能（Enabling）
   跨职业适用，大量集中在高薪岗位，助力向上流动。 示例：创新、影响力、决策、协作、批判性思维。平均岗位薪资超过 83000 美元。 专业医疗这类小众高薪岗位，薪资很高，但适用岗位少。赋能技能兼顾通用性与高薪属性，帮助劳动者从执行类岗位走向协调、业务运营、项目领导等高价值工作，是实现向上流动的重要资本。

3. 应变赋能技能（Empowering）：帮助劳动者持续适应技术与岗位演变，维持就业竞争力。 示例：人工智能应用能力、学习意愿、抗挫力、适应力、好奇心。 2022‑2026 市场招聘需求爆发：人工智能应用能力需求增长 11 倍；适应力增长 5 倍；抗挫力、好奇心、学习意愿增至 3 倍。

   重要：这类能力并非天生性格特质，可以后天刻意培养。企业（微软、美国银行、联合利华、百事）、经合组织、加拿大政府都已经把这类能力纳入培训体系。 人工智能应用能力只是起点，还需要配套学习韧性等其他应变技能，才能持续应对未来一轮轮技术变革。 这类技能对两类人都至关重要：需要更换职业的人；留在原有岗位，但岗位被 AI 持续重塑的绝大多数劳动者。

技能邻近度，决定转型难易

职业内部技能重合度通常最高；但不同大类之间，同样存在可观技能重合。现实可行的转型，大多发生在技能邻近的岗位之间。 高薪岗位群体普遍跨职业技能重合度更高：管理、金融商业岗位，拥有多条流动出路。但高薪不等于高流动性，部分医疗、技术岗位薪资高，但技能高度专门化，跨领域迁移空间有限。 行政办公岗位虽然整体岗位需求萎缩，但协调、排期、客户交互、问题解决等技能，依旧可以迁移到运营、客户类岗位。 约束最强的，往往是低薪、高度执行性、场景高度专用岗位：技能在本岗位有用，但很难迁移到高薪增长岗位，想要向上流动，就必须大规模再培训、考取证书。

技能还要被雇主识别认可：劳动者明明拥有目标岗位所需技能，但简历、面试无法体现，就会被低估。企业推行技能导向招聘，使用实操测评、统一面试标准，有助于挖掘可迁移人才。 技能可以拓宽岗位选择，但证书、地域等壁垒依旧可以阻断本可行的转型路径。

第五章：消除壁垒，让转型路径更加通畅

技能为转型创造可能性；而各类壁垒，决定这条路径好不好走。很多时候劳动者已经拥有足够相近技能，但岗位硬性资质要求直接把人挡在门外。证书资质是阻碍劳动力流动的最大壁垒之一。

美国 85% 增长岗位，要求某种证书或者执照（法律强制，或是雇主偏好）；76% 增长岗位必须线下到岗；25% 增长岗位依旧属于薪资最低两个五分位。

培训可以弥补技能缺口；但培训无法修改执照法规、改变企业招聘偏好、迁移岗位地理位置，也不能补贴劳动者培训期间的收入损失。很多情况下，即便技能达标，壁垒才是真正约束。

壁垒一：证书资质壁垒

1. 法律强制证书
   38% 增长岗位存在法律强制执照、证书，集中在医疗、法律、运输物流、教育、建筑架构、公共安全，出于安全、责任、行业标准考量。医疗专业岗位 96% 都有法定执照要求。即便劳动者沟通服务能力很强，没有完成培训拿证，依旧无法上岗。
2. 雇主偏好证书
   47% 增长岗位没有法律强制证书，但企业招聘时优先学历与证书。只有 15% 增长岗位完全没有任何证书门槛。企业可以通过放宽学历、采用技能测评、认可过往经验、学徒制来降低这类壁垒。

证书的培训周期长短，决定路径质量。以高中毕业为起点，拿到法定证书平均需要 32 个月；学士学位起点平均需要 17 个月。

• 医疗支持类岗位：部分证书 6 个月以内就可以完成；
• 教育、建筑架构、医疗专业岗位：平均培训周期超过 2 年。

启示：看待医疗行业不能一概而论，要区分短周期照护岗位、中等周期技术岗位、长周期专业医师岗位，设计阶梯式的职业路径。

壁垒二：薪资与经济摩擦

宏观测算显示转型降薪并不多见，但不等于岗位薪资足够吸引人。

1. 岗位本身薪资水平
   ：25% 增长岗位属于薪资最低两个五分位。例如餐饮服务业 97%、医疗支持岗位 92% 都落在最低两个五分位。对比原先岗位薪资没有下降，但绝对收入偏低，叠加转型风险、体力情绪消耗，劳动者依旧没有动力转型。
2. 培训期间收入缺口
   即便目标岗位薪资可观，但培训的数周、数月收入下降甚至没有收入。储蓄少、需要照顾家人的劳动者，即便纸面路径很好，现实中也无法承担，直接放弃转型。这一点在静态薪资对比中看不到，但却决定劳动者要不要迈出第一步。

壁垒三：地域壁垒

全国层面可行的转型，落到劳动者居住的州，可能就没有足够岗位。如果只看劳动者所在州的增长岗位，拥有直接路径的劳动者数量下降 5%。 76% 增长岗位必须线下工作。家庭责任、住房成本、交通，让搬迁现实难度很大。 部分岗位可以通过工作模式改造缓解地域错配，而不是要求劳动者搬家：

• 远程办公：科技、金融、行政办公岗位远程占比很高；医疗照护、维修、餐饮几乎无法远程。
• 模块化建造：把一部分建筑工地工作转移到集中工厂，靠近劳动力供给充足地区；远程监控、集中诊断、分布式后台运营等模式。

壁垒四：语言壁垒

很多岗位法律不会强制英语水平，但客户沟通、团队协作、理解工作指令，形成隐性语言门槛。 招聘广告里只有三分之一增长岗位明确提出英语能力，但当下在岗人员中，91% 具备熟练英语；医疗专业、金融商业、管理岗位达到 96‑98%。 全美劳动者整体 91% 英语熟练；但西裔、亚裔群体仅 72%。语言障碍会和证书、薪资、地域壁垒叠加，进一步压缩可选择岗位。 对策：岗位定向英语课程、双语入职引导、语言 + 技能一体化培训。

各类壁垒会相互叠加放大。例如医疗支持岗位：低薪、完全线下、部分需要证书；物流岗位：需要执照、几乎无法远程。单一维度只是中等难度，多重壁垒叠加后路径直接被阻断。

补充专栏：不同国家地区壁垒差异 同样一份岗位，执照要求、失业保障、语言、非正规就业比例，全球差异巨大。例如法律执业执照各国考试培训体系不同；失业金替代率各国差距大；欧盟语言多样性抑制跨国流动；拉美、南亚大量非正规就业，劳动者无法证明自身技能，很难进入正规岗位。解决方案必须贴合本地实际。

第六章：推动劳动力顺利完成转型

劳动力再分配，需要企业、政府、教育机构、劳动者多方共同参与。再培训和劳动力重新分配并不新鲜；但人工智能时代，挑战的规模、持续时间前所未有。萎缩岗位的劳动者需要帮扶获取新机会；雇主同时需要具备新技能的人才。没有任何一方可以独自搭建完整转型路径。

企业

人工智能重塑工作流程，改变技能需求。企业要摸清内部现有员工技能，判断哪些岗位扩张、哪些萎缩，识别哪些员工可以直接转岗，哪些需要培训，哪些岗位必须外部招聘。 人力资源管理重心，从看职位头衔，转向看实际技能。区分可以快速转岗、需要短期技能升级、需要漫长转型、只能外部招聘的人员。企业文化、激励机制，决定员工是否愿意学习适应变化。企业要透明沟通，设计结构化学习，让员工参与人机协同下的工作重构。

• 大型企业：可以搭建内部人才市场，大规模投入技能培养；
• 中小企业：更多依靠技能导向招聘、外部合作伙伴。

企业要把人员再部署、内部岗位填充率、员工发展结果，纳入业务衡量指标，而不是只看成本削减。灵活敏捷的人才管理，将成为巨大竞争优势。

政府

政府无法精准预测哪些岗位会增长，但可以搭建制度环境，帮助雇主、教育机构、劳动者应对岗位变革，支持大规模再培训。

1. 完善劳动力市场信息
   提供颗粒度细、时效性强的岗位、可迁移技能、培训要求、薪资数据；帮助劳动者找路径，帮助企业做人力规划，帮助院校设计课程。
2. 改革资质证书体系
   发展模块化、可堆叠证书，认可过往学习与工作经验；推动雇主与教育机构协同，让证书匹配市场真实需求。
3. 创新资金模式
   公共资金补贴培训，弥补培训期间收入损失；资金向培训后真实就业效果倾斜。不同国家实践包含个人学习账户、培训补贴、学习期间收入补偿。
4. 破除现实壁垒
   住房、儿童照护、搬迁补贴、区域发展政策，帮助劳动者克服地域障碍。

教育机构

不能简单扩大传统旧课程，要反向设计课程：先明确增长岗位需要什么技能，评估学员已有能力，定位能力缺口。目标是搭建从现有岗位通往未来岗位的直接路径。 需要灵活、市场需求驱动的学习模式，紧密对接雇主：技能缺口小的，开设短周期课程；专业门槛高的，保留长周期培养。推广模块化、可堆叠证书，把终身学习常态化。 同时要公开培训产出数据：就业率、薪资、职业晋升情况，方便学习者理性选择。

劳动者

即便留在原有岗位，岗位也在持续被 AI 重塑；持续技能升级，不只是失业再培训的需求。持续学习需要时间、金钱、自信心。低薪、中老年、需要照顾家人的群体，参与学习的现实负担最重。 成功流动，不只是报课程上课。劳动者需要明确目标岗位、可信的薪资预期，确信雇主认可自己学到的技能。学习模式要灵活，适配工作与家庭责任，重点打磨应变赋能技能，应对一轮轮变革。政府、企业、教育机构，需要降低学习的经济与现实门槛。

总结：未来的工作不是被技术预先写死。人工智能有机会创造更多更好的岗位，但前提是劳动者拥有胜任新岗位的能力。帮助千万劳动者完成转型，将是人工智能时代最核心的劳动力挑战，也是巨大机遇。

结语

纵观历史，重大技术革命，最终创造的岗位总数往往多于被消灭的岗位。人工智能同样具备这样的潜力，但前提是人具备完成新工作的能力。那些充分释放人工智能全部潜力的经济体与组织，既善于部署技术，也善于高效调配人才。搭建高质量职业路径，帮助劳动者快速抓住新机会，才能把人工智能的生产力转化为持续增长，实现普惠繁荣。

人口老龄化会放缓劳动力供给增长；抚养比上升，未来繁荣取决于充分用好现有人才。人工智能可以提升生产率，但能否拿到这份红利，取决于劳动者能不能获取岗位、掌握新技能。人工智能时代，人和制度的重要性，丝毫不亚于技术本身。

几乎每一位转型劳动者，理论上都拥有通往增长岗位的出路；但仅有约七分之一的人拥有直接、低成本的路径。其余人需要在曲折的道路上获得各类支持。技能是连接萎缩岗位和增长岗位的桥梁，但只是拼图的一部分。证书、培训时长、薪资、地域、语言、企业招聘习惯、学习机会，决定纸面可行的路径，现实中能不能走通。

想要拥抱这样的未来，不只是依靠更先进的技术。需要领导者像投资人工智能一样大胆投资于人；教育者不只教会第一份工作的技能，更教会终身适应变化；政府推动转型更公平、更顺畅；劳动者持续保持好奇心、适应力、抗挫力与学习意愿。

大规模劳动力重新配置已经拉开序幕。我们的挑战，是把这场变革，转化为人类机遇的新一轮扩张。

术语表

1. 人工智能 AI
   软件完成传统上依赖人类智能的任务，可以增强或者替代人的能力。
2. 自动化 Automation
   使用技术完成原本需要人力的工作活动。
3. 自动化落地 Automation adoption
   企业把 AI 与自动化部署到真实工作流程，决定自动化潜力落地多少、推进快慢、覆盖广度。
4. 壁垒 Barriers
   让本可行的职业转换变得艰难甚至完全不可能，降低路径质量或者彻底阻断路径。分为法律强制要求，雇主偏好要求；前者需要政策法规调整，后者企业自身就可以改变。
5. 证书 Credential
   从事一份职业所需要的资质、证书、执照、学历。
6. 通用技术 GPT
   足以重塑多个行业，催生全新职业的技术。
7. 劳动力需求 Labor demand
   雇主所需要的劳动者数量，以全职等效岗位 FTE 计量。
8. 职业大类 Occupational group
   基于美国劳工统计局 23 个主要职业大类，本报告分析其中 22 类（排除军事）。
9. 职业路径 Pathway
   劳动者从原有职业转向目标职业的可行转换通道，评估维度包含目标岗位用工需求、技能邻近度、薪资保障、获取法定资质耗时。
10. 路径质量 Pathway quality
    基于四大条件，划分为直接、曲折、未铺设三类。
11. 劳动力重新配置 Reallocation
    技术与结构性变革下，劳动力需求与劳动者，从萎缩职业流向增长职业。
12. 再培训 Reskilling
    为更换职业，或是完成本岗位彻底更新的工作内容，学习全新技能。
13. 技能 Skills
    完成工作所运用的知识、能力、个人特质；通常来自正式教育、培训、工作实践。
14. 技能邻近度 Skill adjacency
    劳动者现有技能，和目标岗位所需要技能的重合比例。
15. 转型劳动者 Transitioning worker
    ：原有岗位劳动力需求萎缩，转向其他职业的劳动者。
16. 技能升级 Upskilling
    掌握更高级的技能，用于本职业晋升，或是切换其他岗位。

致谢、尾注（略） 麦肯锡全球研究院，2026 年 9 月 

附录 图表