2030年人工智能与人才展望新经济下的四大就业图景（中文）

全球经济对话系列的情景全球经济对话系列的情景工作的四种未来图片：AdobeStock执行摘要322030年的四种就业未来3对企业的影响144企业如何为任何情况做好今天的准备16贡献者。免责声明,或通过任何信息存储和检索系统。新经济中的四种就业未来：2030年的人工智能与人才2新经济中的四种工作未来：2030年的人工智能与人才3执行摘要式和人才管道。随着人工智能（AI）从实验转向整商业高管对AI影响的看法也各不相同：在全球范的人表⽰AI将创造新工作。近45%的人也提到了将不确定性转化为前瞻性综合来看，人工智能的进展和人才发展的向量11勃发展。广泛的AI准备使人们能够利用“代理飞跃”，适应以AI为中心的经济，并部分22失业时代：指数级的AI进步超出了劳动者适应速度。代理AI接管关键流程，创造了生产3344新经济中⼯作的四种未来：2030年的⼈⼯智能与⼈才4未来的战略‒从⼩开始，快速构建，扩展有效的⽅案‒对⻬技术和⼈才战略‒投资于⼈类与⼈⼯智能的协作及主动⼯作流程‒投资于数据治理和基础设施‒为不同职业、任务和市场的不同影响做好准备‒设计多代⼯作流程‒利⽤战略合作伙伴关系之一。在过去几年中，AI已从实验转向工作流程集度调查，约54%的受访者预计AI将取代现有,24%的人表⽰AI将推动新职位的创设。超过四成的受访高管预计AI将增加企业的利润率，略少于的人表⽰AI将提高可及性（37%）和（30%）的商品和服务。值得注意的是，仅有12%的人预计AI对工资有积极影响，而24%的人预测行业集中度将增加人工智能将......取代大量现有工作岗位54.3%...提高多个行业企业的利润率...提高商品和服务的可获得性44.6%...提高商品和服务的可负担性…创造大量新工作…加剧对特定人口群体的歧视21.4%…导致更高的工资12.1%人工智能将......取代大量现有工作岗位54.3%...提高多个行业企业的利润率...提高商品和服务的可获得性44.6%...提高商品和服务的可负担性…创造大量新工作…加剧对特定人口群体的歧视21.4%…导致更高的工资12.1%受访者的比例(%)来源：世界经济论坛。2024年执行官意见调查新经济中工作的四种未来：2030年的人工智能和人才5…加剧多个行业的集中度活性和前瞻性。仅考虑人工智能的影响，LinkedI新经济中的就业四种未来：2030年的人工智能与人才6新经济中的职位四种未来：2030年的人工智能与人才72情景3：副驾驶经济。渐进的情景3：副驾驶经济。渐进的AI进步和AI准备技能数行业看到逐步转型，因为人类与AI团队重塑价和AI治理的国家和企业创造了吸收和推进新兴技勃发展。广泛的AI准备使人们能够利用“代理跃迁”，适应以AI为中心的经济，并在一定程度上自主人工智能接管关键过程，创造出生产力的激增，但也带来了新的风险。经济在技术上迅速发展，但在社会上却出现了裂变人工智能的进步超级充能的进展场景超级充能的进展置换的时代普遍可行有限的劳动力准备情况普遍可行有限的场景3共同经济场景3共同经济停滞不前的进展来源：世界经济论坛新经济中的⼯作四种未来：2030年的⼈⼯智能与⼈才8基线超级充电经济⼈⼯智能能⼒，前五名模型平均MMMU1⼈⼯智能素养和相关技能劳动⽣产率增⻓，%年度失业率，%消费者信⼼指数代理⼈⼯智能的普及，%的企业标准普尔500季度运营利润率，%1⼤规模多学科的多模态理解（MMMU）情境3副驾驶情境4停滞不前指标进展进展情境3副驾驶情境4停滞不前指标进展进展2当前没有权威或标准化的全球“⼈⼯智能素养和相关技能”衡量标准.3世界⼯资收⼊者中前10%与后10%之间的总⼩时收⼊⽐率.注：箭头表⽰特定场景特征中的⽅向变化。除⾮另有说明，所有值均为全球⽔平。该分析基于场景叙述和推断。⽅向性仅⽤于说明和场景构建⽬的.来源：Xiang,Y.等(2025);国际劳⼯组织(ILO).(2020-2025年度);国际劳⼯组织(ILO).(2025);Ipsos.(2025);McKinsey.(2025);国际劳⼯组织(ILO).(指数级⼈⼯智能进步，⼴泛的劳动⼒准备指数级的⼈⼯智能突破重塑⾏业、商业模式和⼯作流程，适应以⼈⼯智能为中⼼的经济并部分遏制失业。许但新职业迅速涌现并规模化，部分原因是⼈类引导能合，成为代理协调者。社会保障⽹、伦理和治理框架步伐和规模.⼈⼯智能能⼒，前五名模型的平均⼈⼯智能能⼒，前五名模型的平均MMMU智能代理的规模，企业的百分⽐基线：12.6%(标准普尔,2025年平均)基准：1.5%⼯资极化，D9/D1收⼊者基线：16.8⼈⼯智能素养与相关技能基准：N/A1消费者信⼼指数基线：48.8(Ipsos,2025)基准：84.2(Xiang,Y.等,2025)基线：23%标准普尔500运营利润率，%季度失业率，%基准：5%1⽬前没有权威或标准化的全球“⼈⼯智能素养和相关技能”衡量标准。说明：箭头表⽰给定场景特征中的⽅向变化。除⾮另有说明，所有值均为全球⽔平。分析基于场景叙述和对类似现有研究的外推。⽅向性仅为说明性，并仅⽤于构建场景。⼯智能（AGI）的时间表本⽀出（CapEx）已超过1.3万亿美元，对计算和displacement、治理空⽩、可持续性压⼒以‒职业和任务：劳动⼒市场已经“数字员⼯”和⼀系列专业AI代理，或转向更然⽽，加速的⾃动化和即将到来的AGI⻛险对⻓期前景、投资者信⼼和可持续性溢出效应造成影响‒政策和监管环境：监管新经济的四个未来：2030年的地缘经济学与技术9指数级的⼈⼯智能进步超出了劳动⼒适应的能⼒。企业竞相进指数级的⼈⼯智能进步超出了劳动⼒适应的能⼒。企业竞相进⾏⾃动化作为权宜之计，在教育和技能再培训系统能够响应之前，⼯⼈被更快地替代。⾃主⼈⼯智能接管关键流程，创造了⽣产⼒的激增，但也带来了新的⻛险。经济在技术上⻜速发展，但在社会上却出现了断裂：失业率激增，消费者信⼼降低，政府⾯临⽇益严重的社会⻛险和不稳定。情景⼆：替代时代指数级的⼈⼯智能进步，劳动⼒准备不⾜⼈⼯智能能⼒，前五名模型平⼈⼯智能能⼒，前五名模型平均MMMU基线：84.2（Xiang,Y.等，2025）⼯资极化，D9/D1收⼊者基线：16.8（国际劳动标普500运营利润率，%季度基线：12.6%（标普，2代理⼈⼯智能的规模，企业的百分⽐基线：23%基线：1.5%⼈⼯智能素养及相关技能基线：不适⽤1消费者信⼼指数基线：48.8失业率，%基线：5%（国际劳⼯组织，2020‒2025年年均）1⽬前没有权威或标准化的全球“⼈⼯智能素养及相关技能”度量标准。备注：箭头表⽰给定情境特征中的⽅向变化。除⾮另有说明，否则所有值均为全球⽔平。该分析基于情境叙事和来⾃类似现有研究的外推。⽅向性仅为说明⽬的，并仅⽤于情境构建。显著降低了各⾏业部署⼈⼯智能的⻔槛。竞争模式、⼈AI部署和数据中⼼⼯作负载的规模增⻓速。虽然新的AI互补职业已出现，但劳动⼒在新经济中的就业四种未来：2030年的AI与⼈才10围绕⾼度⾃我优化、⾃动化和AI原⽣架构进⾏采⽤主权AI堆栈，但最终缺乏⼈才来平衡⼤规挤。对机构的信任在错误信息上升和AI⽣成内⽹络。未能将福利系统适应以AI为中⼼的经济的国家，⾯临持续的失业和⽇益加剧的政治极化。努⼒协调AI安全标准、代理治理和数据框架⾯机、对计算和AI⽹络访问的地缘政治限制推动。逐步的逐步的AI进步和具备AI准备技能的劳动⼒的出现，将焦点转向增强早期投资于培训、流动性、数字基础设施和⼈⼯智场景3：共同驾驶者经济渐进式⼈⼯智能进步，⼴泛的劳动⼒准备⼈⼯智能能⼒，前五⼤模型平⼈⼯智能能⼒，前五⼤模型平均MMMU基线：84.2（Xiang,Y.等，2025）标准普尔500指数营业利润率，%季度基准线：12.6%（标普⼯资极化，D9/D1收⼊者基准线：16.8（国际劳⼯代理⼈⼯智能的规模，%的企业基准线：23%基线：1.5%⼈⼯智能素养及相关技能基线：不适⽤1消费者信⼼指数基线：48.8失业率，%基线：5%（国际劳⼯组织，2020‒2025年度化）1⽬前没有权威或标准化的全球“⼈⼯智能素养及相关技能”衡量标准。备注：箭头表⽰特定场景特征中的⽅向变化。所有值均为全球⽔平，除⾮另有说明。分析基于场景叙述和与现有类似研究的外推。⽅向性仅为说明性，仅⽤于场景构建。-职业和任务：⼯⼈们已经开始使⽤⼈⼯智能⼯具来增强常规任务，⽽管理者们则调整了对⼈类-⼈⼯智能新经济中的⼯作未来四种设想：2030年的⼈⼯智能与⼈才11劳动市场表现出更⾼的流动性和⼯作流动性，对解决问题、社交、管理和独特⼈类技能的需求更强。然⽽，⼯作质量差异很⼤：在⼯⼈领导⼈⼯智能的地⽅质量提⾼，⽽在⼈⼯智能压缩⼈类创造⼒和主动性的地⽅质市场使波动⻛险保持⾼位。拥有透明AI采⽤框投资流⼊。AI基础设施成熟度和能源成本的差异加剧了AI准备经济体与世界其他地区之间的。‒政策和监管环境：AI，但差异很⼤。⼀些地区和⾏业在AI和数据其他地⽅关注于限制性⽅法和国家化AI⼯。稳定的AI进展遇到缺乏关键技能的劳动⼒。⽣产率增⻓零散，企业依稳定的AI进展遇到缺乏关键技能的劳动⼒。⽣产率增⻓零散，企业依赖⾃动化来填补稀缺的⼈才。收益集中于具备AI专业知识的企业和地种和⼿⼯职业的价值则增加。随着采纳差距加剧不平等情景4：停滞进展渐进的AI进步，有限的劳动⼒准备⼈⼯智能能⼒，前五模型平均⼈⼯智能能⼒，前五模型平均MMMU基线：84.2（Xiang,Y.等,2025）标准普尔500企业营业利润，%季度基线：12.6%（标准普⼯资极化，D9/D1收⼊者基线：16.8（国际劳⼯代理⼈⼯智能的⽐例，%的企业基线：23%基线：1.5%⼈⼯智能素养和相关技能基线：N/A1消费者信⼼指数基线：48.8失业率，%基线：5%（国际劳⼯组织，2020‒2025年年化）1⽬前没有权威或标准化的全球“⼈⼯智能素养和相关技能”衡量标准.备注：箭头表⽰给定场景特征的⽅向变化.除⾮另有说明，所有值均为全球⽔平.本分析基于场景叙述和类似现有研究的外推.⽅向性仅供说明和场景构建⽬的.2030年新经济中⼯作的四种未来：⼈⼯智能与⼈才12‒职业和任务：劳动⼒被取代空，AI基础设施仍然不完善职业和⾏政任务特别容易受到AI驱动的替代‒经济前景：全球增⻓不均新的增⻓。其他企业则难以实现⼴泛的AI收益‒不平等和两极化：收⼊不平等在国家内部和之间加剧。⼯资因⼈⼯智能的采⽤和取代⽽受到挤压‒政策和监管环境：许多然⽽，全球AI基础设施的协调和整合仍然有限。AI监督能⼒、技术保护、审查和数据隐私⽅新经济中的⼯作四种未来：2030年的AI与⼈才13情景1：超级加速的进展情景1：超级加速的进展——在加速进展中出现过度⾃信、监管滞后和⾃满——能源⽹紧张，关键材料价格飙升，以及在绿⾊转型没有突破的情况下，环境外部性上升绿⾊转型的突破‒复杂性和⼈⼯智能能⼒的指数级增⻓超出了企业和政府的适应能⼒，加速了迅速的过时，“赢家通吃”的动态，以及削弱对⼈⼯智能代理、⾃主系统和⽇益增多的专有模型的控制‒在⽣产⼒增⻓、成本效率和创新⽅⾯的突破‒物理和虚拟⽹络的模糊化创造了可互操作的⼈⼯智能原⽣⽣态系统，减少了获取⼈才、市场和关键价值链的地理边界‒跃进式进步和⼈⼒资本发展，伴随着超个性化商品和服务的增⻓，⼈⼯智能定制的教育和医疗保健，以及对素养、⻓寿和福祉的投资‒围绕代理⽹络、⾼⾃主性流程和⼈⼯智能互补的业务模型重新设计⼈才管道‒扩⼤数据基础设施、⽹格效率、价值链整合和韧性‒投资于敏捷性、⽣态系统和⼈⼯智能治理领导⼒‒使⼈才和⼈⼯智能战略保持⼀致，并让⼯⼈、政府和关键⾏业利益相关者参与⼈⼯智能部署过程新经济中⼯作的四种未来：2030年的⼈⼯智能和⼈才14新经济中⼯作的四种未来：2030年的⼈⼯智能和⼈才14场景2：流离失所的时代场景2：流离失所的时代‒决策盲点，过度依赖代理⼈⼯智能系统和缺乏监督增加了系统性⻛险和认知操纵‒关键⻆⾊和⼈⼯智能设计、架构和监督职能的⼈才短缺‒少数技术平台和政府的权⼒集中扭曲了市场和监管框架‒⼤规模失业、社会安全⽹崩溃、环境外部性增加和⼈⼯智能驱动的虚假信息导致的社会和经济基础崩溃‒超轻和⼈⼯智能原⽣流程、商业模式和研发周期的扩展‒透明和负责任的⼈⼯智能部署和数据治理成为信任、声誉和竞争差异化的关键来源‒结构性重塑⼯作、教育、价值创造和再分配的⽅法‒加强韧性，制定适应性需求和投资规划，以应对消费收紧和宏观经济空间‒强化数据标准，丰富⼈⼯智能⼯具和基础设施，减少对任何单⼀模型或供应商的依赖‒制度化以⼈为本的⻆⾊和决策框架，以确保对关键的监督和控制在⼈才紧缩的情况下的流程‒让监管机构和关键利益相关者参与⾃动化和⼯作流程重设计场景3：共同驾驶经济场景3：共同驾驶经济‒对AI驱动的流程的系统性过度依赖降低了⼈类判断能⼒，增加了模型弱点的⻛险偏⻅和治理差距‒在“AI泡沫”破裂后，⾦融环境收紧和投资者信⼼疲软‒操作差异，过度监管或投资不⾜的部⻔和地区落后‒有关AI能⼒、⼈才优势和关键价值链控制的战略竞争加剧‒在关键领域加速创新周期和前沿突破‒扩⼤⼈⼯智能的应⽤平等化机会，激发⼈类创造⼒，允许⼯⼈专注于复杂问题解决和⾼价值任务‒关键价值链的韧性增强以及物理和数字⽣态系统的互操作性‒投资于⻓期的⼈⼯智能领导⼒，制定内部治理和整合蓝图‒制度化⼈类与⼈⼯智能的合作，定义独特的⼈类过程，重新设计遗留⼯作流程和任务以实现增强‒扩⼤培训、再技能和提升技能的⽣态系统，以提升⼈类专业知识和增加内部流动性场景4：停滞的进展场景4：停滞的进展‒在进展碎⽚化和收益递减的背景下，AI和技术承诺的过度扩展AI投资‒⼈才保护主义上升和⼈才流动限制‒经济停滞、财政空间收紧和社会保障⽹削弱导致两极化以及劳动⼒脱离参与‒成本压⼒和对短期回报的竞争加深遗留流程，阻碍转型潜⼒‒技术谨慎，AI进展缓慢为全球对AI治理的协调创造空间和在⼴泛部署之前达到标准‒增加专业领域的⼈⼯智能解决⽅案、本地创新和⼈才储备‒低⻛险实验和试点环境‒加强运营和财务缓冲，并优先考虑核⼼市场‒通过量⾝定制和动态培训课程、⼈⼯智能互补技能和流动性框架来增强⼯作准备度‒投资于⼈⼯智能架构和数据基础设施，以释放效率提升并增强⼈机⼯作流程‒利⽤合作伙伴关系和⾏业联盟来减轻结构性能⼒差距，并扩展创新协同效应从小开始，快速构建，扩展有效的方案。开展小型、可控的实验，从风险最低的操作和数字化挑战开始以低成本从失败中学习，了解各行业和公司之间不同的技术应用案例，并谨慎地扩展人工智能的整合,建立责任和信任利用战略伙伴关系。与合作伙伴——行业同行、大学、44新经济下工作的四种未来：2030年的AI和人才16新经济与社会中心菲利波·克罗塔战略与转型负责人阿提利奥·迪·巴蒂斯塔经济增长与转型负责人马克·埃尔斯纳全球风险倡议负责人萨姆·格雷林见解负责人，工作、工资与就业创造凯特琳娜·卡伦斯卡洞察主管，经济增长与转型萨迪亚·扎希迪执行董事，世界经济论坛；新经济与社会中心负责人全球产业团队弗朗西斯科·贝蒂全球产业团队负责人我们感谢新经济与社会中心、全球产业团队和战略情报团队的同事，他们在整个项的见解和支持。在新经济与社会中心：尼尔·阿利森、安格斯·柯林斯、斯里拉姆·古塔、阿玛利亚·哈恰特扬、蒂尔·利奥波德、塔尼亚·米尔伯格和艾昂·奥凯萨赫。在全球产业团安德烈·贝尔利厄、斯特凡·科赫、马切伊·科⽡奇科夫斯基、维托尔德·科皮廷斯基、伊西多拉·科斯塔、埃利·皮皮克、贾科莫鲁斯凯洛尼、玛吉·范·戈赫、瑞妮·范·赫斯登。在战略情报部门：布莱奥妮·古斯里致谢世界经济论坛感谢全球未来理事会网络，特别是以下全球未来理事会的成员们，感见解，以及LeandroLoss、MartinaSzabo和LeaWeibel在本项目期间的支持先进的全球未来理事会制造与价值链商业全球未来理事会经济增长全球未来理事会：去中心化金融全球未来理事会：公平转型全球未来理事会：能源联系地缘政治全球未来理事会人类全球未来理事会资本发展全球未来理事会：投资性别平等全球未来理事会：就业与前沿技术全球未来理事会：领导力新经济中的就业四种未来：2030年的人工智能与人才17新经济中的就业四种未来：2030年的人工智能和人才18作者还要感谢和赞赏众多来自不同地理和行业的组织、专家以及世界经济论坛首席战略们通过一系列研讨会和咨询会慷慨贡献了他们的冈特·贝廷格迪尔克·布尔曼CLS银行国际杰罗·科尔曼大众汽车尼卢帕姆·达斯塔默集团安东尼奥·德拉·托雷雷普索尔安娜·玛丽亚·迪帕普罗米加斯丹特·迪斯帕特卡尔-贝内迪克特·弗雷牛津大学马丁学院尼克拉斯·古斯塔夫松沃尔沃马克·汉拉哈雅特金斯·瑞亚利斯亚当·海恩斯海恩斯拉文·杰苏萨森马克·卡恩英韦斯特银行戈卡尔普·卡哈拉曼利马克控股安吉·卡马斯纽约大学SulaekhaKolloruPearsonJonathanLianLippo集团ChristianeMann安德鲁·麦克劳克林SandboxAQ.普基·莫迪塞阿布萨集团玛丽亚姆·阿尔-内阿米一般退休和社会保险局（GRSIA）菲利普·内维尔斯AES江崎格力高科斯马·潘扎基西门子能源西里尔·佩尔杜卡罗克韦尔自动化阿西姆·普拉萨德印度天然气公司阿提拉·凯马尔·萨格拉姆巴拉斯特·内达姆索尼娅·桑德尔优达学城珍妮娜·施洛斯创业教育网络(NFTE)亚当·谢尔曼CornerstoneOnDemand相树其久住友商事迈克·冯·海曼英格索尔美洲公司劳伦斯·丹麦创意总监，Miko工作室MarthaHowlett编辑，Miko工作室OliverTurner设计师，Miko工作室123456789世界经济论坛.(2025).2025年就业未来报告.https://www.weforum.org/publications/the-future-of-jobs-report-2025/麦肯锡.(2025).2025年人工智能的状态：代理、创新与转型./capabilities/quantumblack/our-insights/the-state阿吉翁.P.&布内尔.S.(2024).人工智能与增长：我们处于何种状态？https://w/wp-content/uploads/AI-and-Growth-Aghion-Bunel.pdfLinkedIn.(2025).人工智能劳动力市场更新.https:///content/dam/me/economicgraph/en-us/PDF/ai-labor-market-update-header-sept-2025.pdf阿吉昂，P.，布内尔，S.（2