普华永道：2026年全球AI就业晴雨表-AI时代就业的两种未来图景（2026年-中文版）

AI时代下工作的两种前景2026年全球AI就业晴雨表WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC2目录引言。双轨就业市场正在形成入门级岗位同样呈现双轨趋势AI技能变革正在加速'超级明星'企业正从人工智能中获取最大收益人工智能技能工资溢价持续上升人工智能专家招聘数量急剧上升，表明人工智能投资 正在增加。结论：下一步行动34111418222426WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC3人工智能正在创造一种双轨制的劳动力市场。这是我们对六大洲超过十亿条在线招聘广告进行分析后得出的关键发现。⼈⼯智能并⾮简单地取代⼯作岗位，⽽是从根本上以不同⽅式重塑它们。⼀⽅⾯，⼈⼯智能正在推动⼯作的专业化，将常规任务⾃动化，并提升⼈类专业知识、判断⼒和创造⼒的重要性。另⼀⽅⾯，它⼜在推动⼯作的⺠主化，降低复杂任务的技能⻔槛，并将⻆⾊转向不太专业化的活动。这种分化正在劳动⼒市场中形成两条截然不同的发展轨道。其中占22%的职位正在⾛向专业化，其增⻓速度是⺠主化职位（占52%）的两倍，并且⾃2021年以来⼯资涨幅⾼出42%。该研究揭⽰了⼀个可能反直觉的发现：⼈⼯智能暴露程度越⾼，反⽽与员⼯⼈数增⻓相关，⽽⾮减少。原因何在？虽然⼈⼯智能可以通过提升⽣产⼒带来显著价值，但其最⼤潜⼒在于重新设计企业的运营⽅式。转型是释放⼈⼯智能最⼤效益的关键，我们的数据表明，那些实现最⼤⽣产⼒提升的公司正在⾛这条路。⼈⼯智能暴露程度最⾼的组织，其员⼯⼈数增⻓速度是暴露程度最低组织的两倍，同时⼯资增⻓也显著更快。与普华永道其他研究⼀致，我们发现了‘超级明星’效应——虽然⼈⼯智能暴露程度最⾼的公司相对于2018年基准线的⽣产⼒增⻓率为34%，但如果聚焦于这⼀群体中前20%的公司，这⼀数字则跃升⾄1G3%。随着⼯作快速变化，技能需求也在迅速演变——雇主越来越关注那些属于⼈类特质的属性。⼈⼯智能暴露程度最⾼的⼯作，其技能变化速度是暴露程度最低⼯作的两倍，⽽依赖于同理⼼、判断⼒和创造⼒等技能的新任务，其增加速度则快2.5倍。双轨制的劳动⼒市场正在各个层级出现。对美国数据的分析发现，⾼度暴露于⼈⼯智能的⼊⻔级职位正在演变，要求传统上属于⾼级职位的技能（如激励性领导⼒、战略决策和团队建设），这些技能如今占这些职位所需新技能的52%。对于⼈⼯智能暴露程度最低的⼊⻔级职位，这⼀⽐例仅为7%。这种以‘⾼级化’⽅式演变的⼊⻔级职位数量仍在增⻓（增⻓35%），⽽全球范围内⾼度暴露于⼈⼯智能的⼊⻔级职位数量已趋于停滞。今年的⼈⼯智能就业晴⾬表为商业领袖和劳动者都提供了⼀个明确的启⽰：成功不仅仅关乎使⽤技术，更在于⼈类技能。⼈⼯智能部署得越多，⼈类独有的专业知识就越受重视。对于组织⽽⾔，重点应放在重新设计⼯作⽽⾮仅仅⾃动化任务上；⽽对于个⼈来说，确保磨练⾃⼰的领导⼒、判断⼒、创造⼒和团队合作技能，以便能做⼈⼯智能⽆法做到的事情，将⾄关重要。PwC’s

2026

Global

AI

Jobs

BarometerPwC401双轨制就业市场正在形成一个谜题：为何人工智能自动化似乎对某些职业有利？去年的《⼈⼯智能就业晴⾬表》揭⽰了⼀个谜题。尽管⼈们普遍担⼼⼈⼯智能⾃动化可能导致⼯⼈失业，但我们发现，在那些易受⼈⼯智能⾃动化影响的⼯作中，就业岗位数量和⼯资⽔平均在上升。人工智能自动化使某些角色更加专业化我们认为，关键在于⾃动化如何重塑⻆⾊——具体⽽⾔，⼈⼯智能⾃动化是增强还是削弱了对⼈类专业知识（定义为专业技能或能⼒）的需求。1在今年的《晴⾬表》中，我们对这⼀观点进⾏了验证。1专业知识，Ẩu"om

&

Thompson，2025年WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC5123三类工作全球所有工作都属于以下三类之一低⼈⼯智能接触⼯作：包含少量⼈⼯智能具备能⼒任务的⼯作，因此⼈⼯智能对该岗位影响有限例如：厨师、建筑⼯⼈、机械师专业化⼯作：被⼈⼯智能重塑需要更⾼专业能⼒的⼯作。例如：放射科医⽣、招聘专员、空中交通管制员⺠主化⼯作：被⼈⼯智能重塑后需要较少专业知识的⼯作⽰例：软件开发⼈员、贷款专员、财务经理更多信息请参阅⽅法论附录⾸先，让我们看看⼈⼯智能如何提升对专业技能的需求。通过接⼿⼯作中相对基础的任务，⼈⼯智能将更复杂、更专业的⼯作留给了⼈类。例如，⼈⼯智能帮助律师处理⽂档摘要等基础⼯作，⽽将法庭案件构建等更艰巨的任务留给⼈们。再⽐如招聘⼈员；现在⼈⼯智能可以⾃动筛选简历，将谈判合同等更要求⾼的任务留给招聘⼈员。我们将这种因⼈⼯智能⽽变得更专业的⼯作称为‘专业化’⼯作。另⼀⽅⾯，⼈⼯智能可以接管某个岗位中相对专业的⼯作，将要求较低的任务留给⼈类。以库存管理员为例。现在⼈⼯智能执⾏管理库存等复杂任务，将仓库移动库存等专业性较低的⼯作留给⼈们。我们将这类⼯作称为‘普及化’⼯作。根据人工智能自动化的是更多还是更少的专业任务，它对工作产生了两种不同的影响普及化52%的⼯作正在被（向专业性较低的任务转变）示例：库存管理员专业化22%的⼯作正在被（转向更⾼专业性的任务）示例：招聘人员更高专业性的任务，如AI自动化管理库存更高专业性的任务，如谈判合同保持不变。较低专业性的任务，如筛选简历较低专业性的任务，如移动库存保持不变AI自动化2专业性=需要专业知识或

能⼒Democratised

jobs52%

of

advertised

jobsWwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwCG我们的数据显⽰，⼈⼯智能显著降低了某些⼤众化岗位所需的专业技能。例如，对于医疗秘书和IT系统管理员来说，⼈⼯智能⾃动完成了以前由⼈类执⾏的⼤量专业任务。（有关专业技能变化计算⽅法的完整说明，请参阅⽅法论附录，该附录借鉴了Tccsciink和Camcy（202G年）的研究。）⼈⼯智能对专业化和⼤众化岗位的影响将⼴泛显现。全球约⼀半的招聘岗位属于⼤众化岗位，约四分之⼀属于专业化岗位，其余四分之⼀则属于低⼈⼯智能接触岗位。人工智能对专业技能的影响在大众化岗位中尤为显著低人工智能接触岗位专业化岗位占招聘岗位的22%占招聘岗位的2G%20

建筑⼯⼈电⼦机械师与服务⼈员就业代理与承包商AI提升专业技能需求环境⼯程师10药剂师0窗⼾清洁⼯⼈⼒资源经理-10商业销售代表档案管理员和策展⼈信贷和贷款专员人工智能减少所需专业知识-20-30软件开发⼈员-40财务经理系统管理员-50医疗秘书-G000.250.50.751较低的AI暴露度较高的AI暴露度在380个ISCO-08职业类别中，74个属于专业化职业，125个属于⺠主化职业，181个职业对ẨI的暴露度较低。由于Tccsciink等⼈的数据质量有限，⽆法对专业技能进⾏排名，因此有40个SOC-2018职业被排除在分析之外。“专业化与⺠主化”框架让我们超越了对ẨI影响的向后看视⻆——即罗列已被⾃动化的旧任务——转向向前看视⻆，审视ẨI如何重塑未来的职业⻆⾊。我们希望“专业化与⺠主化”能为理解ẨI时代的⼯作未来提供⼀个更清晰的视⻆——正如我们下⽂所述，它或许确实能做到。的未来——正如我们下⽂所述，它或许确实能做到。Number

ofskillsdemanded,

relative

to2018WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC7专业化岗位在数量、复杂性和薪酬方面正持续领先——而大众化岗位则逐渐落后要理解专业化与⼤众化岗位的未来发展轨迹，不妨回顾20世纪80年代电⼦表格技术普及时的情景。电⼦表格能处理簿记员和会计⽂员⼯作中的许多⾼难度环节，有效推动这些岗位的⼤众化，导致其需求呈渐进式稳定下降。反观⾦融分析师，这项强⼤新⼯具赋予他们前所未有的复杂分析与灵活操作能⼒，实现了岗位的专业化升级。随着⾦融分析新领域的开拓（美国薪资数据显⽰多个领域薪资持续上涨），⾦融分析师数量⾃那时起便急剧攀升，这股增⻓势头直⾄2020年代依然强劲。3我们的分析表明，全球范围内专业化岗位的复杂性确实在提升，其新技能需求增速是⼤众化岗位的两倍。专业化岗位要求的新技能增长速度是大众化岗位的两倍，且自2022年以来这一差距呈扩大趋势。与2018年相⽐，全球⺠主化与专业化职业的技能需求数量⺠主化 专业化2.01.8专业化：增⻓G8%1.G1.4⺠主化：

33%增⻓1.21.00.02018

201P

2020

2021

2022

2023来源：普华永道分析、Ligh"cas"数据、ficcsciink和Camcy（202G年）注：由于数据稳健性限制，我们仅纳⼊⾃2012年起有Ligh"cas"数据的六个国家。202420253美国当前⼈⼝调查——⾦融时报分析，《⼈⼯智能就业末⽇论忽略了什么》，2025年Growth

in

advertisedsalary

(relative

to2021)Number

of

job

postings,relative

to

2018WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC8对专业化⼯⼈⽇益增⻓的需求体现在薪资增速上，其⽐⺠主化岗位快42%，且⾃2022年⼈⼯智能应⽤激增以来，这⼀差距持续扩⼤42%与民主化岗位相比，专业化岗位的平均薪资增速高出42%，且自2022年起差距不断扩大全球⺠主化与专业化岗位平均⼴告薪资增⻓（以2021年为基准）对专业化工人的日益增长的需求⺠主化 专业化1.4体现在薪资增速比民主化岗位快42%，民主化岗位专业化岗位薪资增⻓速度快42%1.31.21.11.02021年

2022年

2023年

2024年

2025ficcsciink的专业数据以SOC-2018级别提供给我们。Ligh"cas"职位数据中的SOC分类在美国之外不可⽤。因此，为了使⽤Ligh"cas"数据为我们的专业分析⽣成全球数字和指标，我们仅为此⽬的将ficcsciink的专业评分从SOC-2018映射到ISCO-08⾃2021年以来，专业化薪资增⻓了37%，⺠主化薪资增⻓了2G%——两者差距为42%来源：普华永道分析、Ligh"cas"数据、ficcsciink和Camcy（202G）注：由于数据稳健性，我们仅包含⾃2012年起有Ligh"cas"数据的六个国家谈到职位数量，我们欣慰地发现，⺠主化和专业化岗位均持续增⻓。然⽽，专业化岗位的增⻓速度明显快于⺠主化岗位。这表明就业市场正在逐步重新平衡，远离⺠主化岗位专业化岗位的增长速度是民主化岗位的两倍相对于2018年的职位发布数量，2018-2025年，⺠主化与专业化岗位，全球⺠主化 专业化。1.71.G1.51.41.3专业化：

3P%的增⻓⺠主化：增⻓17%1.21.11.00.P0.82018

201P

2020

2021

2022

2023年资料来源：普华永道分析、Ligh"cas"数据、ficcsciink和Camcy（202G年）备注：由于数据鲁棒性，我们仅纳⼊⾃2012年起有Ligh"cas"数据的六个国家。2024年2025年WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwCP我们的数据表明，⼀些预计会被⼈⼯智能⾃动化取代或贬值的职业——例如空中交通管制员和市场营销经理，两者都属于专业化职业——实际上可能⾯临需求、薪资和技能要求的增⻓。或许是时候将关于⼯作与⼈⼯智能的讨论，从对⼈⼯智能⾃动化的恐惧转向更细致的问题：⼈⼯智能如何重塑⼯⼈能够创造的价值。影响人工智能对就业作用的其他力量全球范围内的总体趋势是，专业化职业在就业数量和薪资⽅⾯增⻓更快，⽽⺠主化职业则相反，但其中也会有例外情况。以护理助⼿这⼀专业化职业为例。⼈⼯智能通过接管⼀些基础性任务（如追踪⽣命体征和安排⽤药时间）使该岗位更加专业化，从⽽让护理助⼿能投⼊更多时间从事更具专业性的⼯作，例如建⽴与患者的关系，或凭借同理⼼和判断⼒应对突发状况。WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC10我们可能会预期护理助⼿遵循20世纪80年代⾦融分析师借助电⼦表格的轨迹——也就是说，随着技术帮助他们提升能⼒以执⾏更多专业任务，他们的需求会更⼤。但⼈⼯智能对护理⾏业的影响可能受到监管、⼯作流程整合挑战或愿意进⼊这⼀要求严格的职业的求职者数量有限等因素的制约。或者考虑⼀下⼉童保育服务经理这⼀⺠主化的⻆⾊。⼈⼯智能可以协助该⻆⾊中⼀些更专业的⽅⾯，从预算管理到遵守政府法规。但职位发布数量远未停滞，⾃201P年以来，⼉童保育服务经理的职位发布数量增加了⼀倍多，原因是对⼉童保育的巨⼤潜在需求，加上该⻆⾊的⺠主化使得更多的⼈能够胜任这⼀职位。4预测任何职业未来的四个问题我们的分析为商业领袖和员⼯提出了四个问题，供他们在寻求理解特定职业⻆⾊的未来时考虑：专业能力：人工智能如何改变所需的人类专业水平？供需关系：随着⼈⼯智能重塑这⼀⻆⾊，对该职位的需求以及填补该职位的劳动⼒供应将如何变化？ẨI的局限性：在哪些环节需要⼈类监督或辅助ẨI，例如检查ẨI输出质量或

处理特殊案例？环境⼒量：外部因素（从业务流程瓶颈到监管）如何限制或影响ẨI的使⽤？从专业能⼒变⾰出发，思考这四个问题有助于揭⽰ẨI如何重新定义特定⼯作中⼈与技术的合作关系，以及该⻆⾊未来的发展前景。12344⼤卫·奥托尔在《专业能⼒（202G年）》中指出，当技术降低某项⼯作所需的专业⻔槛时，合格候选⼈的范围会扩⼤，进⽽促使从业⼈数增⻓（⽽⼯资可能停滞不前）。以出租⻋司机为例：卫星导航降低了对道路专业知识的需求后，更多⼈能够胜任这⼀⼯作——导致司机数量激增，但⼯资却保持停滞。这似乎正是⼉童保育服务经理的现状：⾃201P年以来，相关岗位招聘数量增⻓超过⼀倍（增幅111%），⽽⼯资仅增⻓8%。PwCPwC’s

2026

Global

AI

Jobs

Barometer1102入门级就业市场也正呈现出二元分化格局受人工智能影响的入门级岗位数量虽广为人知的下降，但其背后隐藏着更深层的故事斯坦福⼤学近期⼀项分析发现，受⼈⼯智能影响领域的⼊⻔级岗位数量下降了1G%。在⾦融和科技等⼈⼯智能渗透率较⾼的⾏业中，⼊⻔级岗位的降幅更为显著。这⼀趋势或将持续甚⾄加剧。普华永道最新全球CEO调查显⽰，4P%的CEO预计未来

三年内⼈⼯智能的应⽤将减少初级岗位招聘（相⽐之下，仅12%的CEO认为会减少⾼级岗位招聘）。5矿井中的⾦丝雀？关于⼈⼯智能近期就业影响的六项事实，Bmynjoifsson等⼈，2025年；⼈⼯智能时代的⼊⻔级劳动⼒危机，Jacod

Jacquc"，2025年Number

of

job

postings,relative

to

2012WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC12在发达经济体中，易受人工智能影响的初级职位招聘增速放缓发布全球范围内，按⼈⼯智能暴露程度四分位数划分的初级职位招聘数量（相较于2012年）P.0

ChatGPT

早期职业

最低25%⼈⼯智能暴露程度最低8.07.0G.05.04.03.02.01.0第三个25%第二个25%顶部25%⼈⼯智能影响最⾼的只有此四分位数中早期职业职位已停滞不前0.02012年2013年2014年2015年201G年2017年2018年201P年2020年2021年2022年2023年2024年2025年资料来源：普华永道分析、Ligh"cas"数据注释：Ligh"cas"的“⼯作年限”变量被⽤作初级职位的代理指标。若招聘信息中列出的⼯作年限在0-2年之间，则被定义为初级职位。受数据可得性限制，我们仅将以下国家纳⼊分析：加拿⼤、新加坡、英国和美国。（1）解读本图表需谨慎——这并不表⽰⼈⼯智能正在导致这些影响。其他冲击/排名前25%职业的结构性特征也可能促成观察到的趋势。（2）结果主要受美国数据驱动，美国数据约占2012年以来有数据可查国家样本中总招聘信息的73%。4P%下⾯，我们提供⼀种⽅法，⽤于了解哪些初级职位数量最不可能减少、哪些最可能减少——这对于寻求建⽴成功职业⽣涯的初级员⼯（以及雇佣他们的公司）来说，是⼀条⾄关重要的信息。答案在于⼈⼯智能如何重塑对⼈类专业知识的需求。受ẨI影响最⼤的初级职位（如初级数据分析师）正迅速演变，要求具备更多传统上由资深员⼯掌握的技能。事实上，与受ẨI影响最⼩的初级职位相⽐，受ẨI影响最⼤的初级职位现在要求传统资深技能的⼏率⾼出七倍。这些资深技能要求具备情商、判断⼒和领导⼒，其⽔平在历史上许多初级岗位中并不常⻅。普华永道最新的全球CEO调研显示，49%的CEO预计未来三年内采用人工智能将减少初级职位的招聘。你的第一份工作就需要这些技能吗？传统上要求资深职位具备、如今许多受AI影响的初级职位也要求掌握的技能示例流程管理导师指导数据驱动决策激励性领导团队建设⼈员管理利益相关者管理G⼀项技能被定义为传统⾼级技能，如果它在201P年有经验的（⾮⼊⻔级）、⾼ẨI暴露度的职位发布中被提及超过50次，并且在201P年⼊⻔级、⾼ẨI暴露度的职位发布中被提及不超过5次1GG非高级化高级化Change

in

entry

level

jobpostings

between

2019

-

2025

%WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC13放⼤受ẨI影响最⼤的初级职位群，⼀种显著的差异显⽽易⻅。如今需要超过10项传统⾼级技能的新兴初级职位蓬勃发展，增⻓率达35%，⽽其他初级职位的数量则在下降。35%受AI影响的初级职位，根据其是否被提升以要求更多传统高级能力，其就业增长结果截然不同如今需要超过10项传统高级技能的初级职位蓬勃发展，增长率达35%201P年⾄2025年初级职位招聘变化：⾼级化与⾮⾼级化职位，受ẨI影响最⾼四分位，美国40%35%30%25%20%15%10%5%0%-5%-10%-15%35%-10%来源：普华永道分析，Ligh"cas"数据说明：(1)如果⼀则⼊⻔级职位招聘信息中包含≥10次提及⼀项既新兴⼜传统上属于资深级别的技能，则该信息被归类为“资深化”。如果某项技能在2025年⼊⻔级招聘信息中被提及超过10次，但在同⼀职业201P年的⼊⻔级招聘信息中被提及不超过5次，则该技能对该职业⽽⾔被定义为新兴技能。如果某项技能在同⼀⼈⼯智能暴露四分位数内，在201P年经验（⾮⼊⻔级）职位招聘信息中被提及超过50次，但在201P年⼊⻔级招聘信息中被提及不超过5次，则该技能被定义为传统资深技能。换句话说，并⾮所有受⼈⼯智能影响的⼊⻔级职位都在萎缩。事实上，受⼈⼯智能影响的⼊⻔级职位正在被“资深化”，对于那些⼯作因⼈⼯智能⽽被重塑为更复杂、要求更⾼的员⼯来说，机会正在增加。公司（和教育机构）必须重新思考如何培训、指导和⽀持早期职业发展路径，以帮助初级员⼯更早地建⽴和展⽰资深技能。PwC’s

2026

Global

AI

Jobs

BarometerPwC1403人工智能技能变革正在加速人工智能正在迅速改变员工成功所需的技能特别是专业化岗位正变得愈加复杂和严苛，但这并不意味着普惠化岗位的员⼯在技能发展⽅⾯可以停滞不前。受⼈⼯智能影响最⼤的岗位（包括普惠化和专业化岗位）所需的技能变化速度，⽐受其影响最⼩的岗位快两倍以上。更重要的是，受⼈⼯智能影响最⼤和最⼩的岗位之间技能演变速度的差距正在迅速扩⼤。⽬前，受⼈⼯智能影响最⼤的职业其技能组合的更新速度是受影响最⼩岗位的两倍多——这⼀差距较去年扩⼤了75%。WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC1575%最受人工智能影响的职业所需技能变化速度是最不受影响职业的两倍以上按⼈⼯智能暴露程度划分的所有职业净技能变化，201P-2025年，全球，按暴露四分位数最受人工智能影响的职业现在正在以最低影响职业两倍以上的速度更新技能组合——相比去年差距增加了75%。5.004.504.003.503.002.502.001.501.000.500.002.2倍⾼于最低ẨI暴露岗位最低四分位数

第三25%

第⼆25%顶部四分位来源：普华永道分析、普华永道⼈⼯智能职业暴露指数、Ligh"cas"数据注释：技能净变化计算为201P年⾄2025年间某项技能在职业中所占份额的百分点差异的汇总差距随时间扩大，高度受人工智能影响的职业技能转型速度越来越快201P年⾄2025年全球所有⼯作按⼈⼯智能暴露程度划分的技能净变化，针对⼈⼯智能暴露程度的顶部和底部四分位顶部四分位底部四分位5.011G%4.025%GG%3.02.01.00.02023

2024来源：普华永道分析、普华永道⼈⼯智能职业暴露指数、Ligh"cas"数据注：技能净变化计算为201P年⾄2025年间某项技能在职业构成中所占⽐例百分点的差额总和2025WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC1G2.5倍现在，最受⼈⼯智能影响的职位更可能需要哪些能⼒？为了回答这个问题，我们借鉴了⿇省理⼯学院的洛艾萨和⾥⼽邦

（202G）提出的EWOCH框架，该框架阐述了最抵抗⼈⼯智能⾃动化且与⼈⼯智能互补的'⼈类密集型'能⼒（互补性意味着⼈们需要与⼈⼯智能系统配合使⽤）。这五类⼈类密集型能⼒包括：我们发现，在最受人工智能影响的岗位（无论是专业化还是普及化岗位）中新增的任务，更可能依赖这些依赖人类密集技能的能力。同理⼼与情商：同情、理解以及建⽴有意义的联系。

在场、社交与连接：物理在场、社交互动及驾驭社交情境，对建⽴信任和协作⾄关重要。观点、判断与伦理：应对开放性、模糊性或伦理情境。创造⼒与想象⼒：原创思维、即兴发挥及提出新颖想法。希望、愿景与领导⼒：毅⼒、坚持、主动性及制定战略⽅向。我们发现，在受⼈⼯智能影响最⼤的岗位（包括专业化和⺠主化岗位）中，新增的任务依赖于这些⼈类能⼒的可能性⾼出2.5倍。密集型能⼒。自2022年以来，AI涉足岗位新增的任务中，有2.5倍的可能性更依赖于'人力密集型'能力，如共情、创造力和面对面交流按ẨI暴露程度四分位数划分的每个职业平均EWOCH评分（仅限新任务），2022-2025年上四分位平均值/下四分位平均值：2.5倍0.500.450.400.350.300.250.200.150.100.050.000.470.3P平均⽽⾔，ẨI暴露程度最⾼的岗位中的新任务，其⼈⼒密集程度是暴露程度最低岗位的2.5倍。0.310.1P最低25%

第三25%

第⼆25%

最⾼25%来源：普华永道分析、普华永道ẨI职业暴露指数、Loaiza与Rigodon（2025年）说明：我们借鉴Loaiza与Rigodon（2025年）开发的EWOCH框架，评估新兴任务中⼈类参与程度。EWOCH得分衡量任务对⼈类能⼒（同理⼼、存在感、观点判断、创造⼒与希望）的依赖程度。我们计算每个SOC-2018职业中新任务的EWOCH平均得分，并按ẨI暴露四分位数报告平均值。7《ẨI的EWOCH：⼯作中的⼈机互补性》，Loaiza与Rigodon，⿇省理⼯学院，2025年WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC17民主化与专业化角色日益需要这些人力密集型能力按专业分类的平均职业层⾯EWOCH评分，2025年0.G0.480.50.450.40.30.2G0.20.10.0⺠主化 专业化 低暴露来源：普华永道分析、ficcsciink和Camcy（202G年）、Loaiza和Rigodon（2025年）注释：我们借鉴Loaiza和Rigodon（2025年）提出的EWOCH框架，评估新兴任务的⼈⼒密集程度。EWOCH评分衡量职业对⼈类能⼒（共情、在场、观点、创造⼒和希望）的依赖程度。我们计算了2025年“⺠主化”⻆⾊、“专业化”⻆⾊和“低暴露

”⻆⾊（依据SOC-2018分类）的平均EWOCH评分。因此，这是⼈⼯智能重塑⼯作者所需专业知识的另⼀个维度。希望在⺠主化或专业化⻆⾊中取得成功的⼯作者，更可能需要培养共情能⼒、处理社交情境以及创造原创想法等技能。⻆⾊更可能需要培养同理⼼、处理社交情境以及产⽣原创想法等技能⼀些批评者认为，这些技能可能因包括⼈⼯智能在内的技术使⽤⽽受到削弱，从⽽给⼯⼈、教育⼯作者和商业领袖在努⼒打造适应未来的劳动⼒队伍时带来更复杂的挑战。《群体性孤独》，雪莉·特克尔，2025年；《浅薄》，尼古拉斯·卡尔，2025年；《焦虑的⼀代》，乔纳森·海特，2024年PwC’s

2026

Global

AI

Jobs

BarometerPwC1804“超级明星”公司正在从人工智能中获得最大收益一些公司正从人工智能中获得显著收益，而其他公司则举步维艰我们探讨了⼈⼯智能如何为劳动者创造出⼀个双轨就业市场，那些因⼈⼯智能⽽变得专业化或⼤众化的职业有着不同的发展轨迹。同样地，我们发现⼈⼯智能也导致了公司之间的分化：⼀些公司从⼈⼯智能中获得了巨⼤收益，⽽另⼀些公司则难以充分利⽤这项技术。⾃2022年⼈⼯智能应⽤激增以来，受⼈⼯智能影响最⼤的公司在顶线⽣产率增⻓（以每位员⼯的收⼊衡量）⽅⾯已遥遥领先，并且它们的领先优势还在扩⼤。Growth

Rate

for

ProductivityGrowth

Rate

for

ProductivityWwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC1P33.5%自2022年AI应用激增以来，AI影响最大的公司生产力增长更快按ẨI暴露程度四分位数划分的企业平均⽣产⼒增⻓率（以2018年为基准）暴露程度最低的四分位数 暴露程度最⾼的四分位数整体而言，暴露程度最高的公司生产力增长率为33.5%。40%35%33.5%3倍30%

28.8%

领先优势⼤于2022年24.0%23.7%25%20%15%10%5%0%22.P%21.8%20.4%

18.7%2022年

2023年

2024年

2025年*来源：普华永道分析，ORBIS数据注释：*⽣产率以每位员⼯的营业额衡量（2018-2024/25年）。2025年使⽤的是可⽤数据，缺失部分以2024年数据替代。公司ẨI暴露程度由ORBIS数据中公司所属NẨICS⾏业决定（例如，公司可能处于⾼暴露⾏业如建筑和保险，或低暴露⾏业如采矿或废物处理）。进⼀步观察，在最易受ẨI影响的公司中，少数“超级明星”企业实现了远⾼于平均⽔平的⽣产率增⻓。整体上，最易受影响公司的⽣产率增⻓率为33.5%，⽽超级明星企业——即这些公司中⽣产率的最⾼五分之⼀——则实现了1G3%的⽣产率增⻓率。存在明显的“超级明星”效应。最易受影响公司中前20%的企业，其整体生产率增长率达到最易受影响公司整体水平的5倍。超级明星效33.5%按ẨI暴露程度四分位数划分的企业平均⽣产率增⻓率（以2018年为基准衡量）最低暴露四分位数 最⾼暴露四分位数40%35%应：在AI影响最大的公司中，前20%的企业平均增长了163%30%

28.8%

24.0%23.7%25%20%15%10%5%0%22.P%21.8%20.4%

18.7%2022

2023

2024

2025*来源：普华永道分析，ORBIS数据注释：*⽣产率以2018-2024/25年每位员⼯的营业额衡量。2025年数据⽤于可获取的公司，缺失部分以2024年数据替代Growth

Rate

for

HeadcountWwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC20这⼀发现与普华永道最新的CEO调查结果相符，该调查显⽰，在过去⼀年中，只有8%的CEO表⽰⼈⼯智能带来的收⼊增⻓超过轻微幅度。似乎许多公司仍处于⼈⼯智能实验阶段，⽽少数明星公司正在探索如何将⼈⼯智能转化为实际收益。明星公司有何不同做法明星公司做对了什么？针对这个问题，我们可以参考普华永道的

202G年⼈⼯智能绩效研究。该研究同样发现了明星效应：20%的公司占据了⼈⼯智能收益的74%。在获取超额收益⽅⾯，最显著的⼀个因素是公司是否利⽤⼈⼯智能来追求增⻓机会，特别是跨⾏业合作或竞争所创造的机会。8%的CEO表示，人工智能在过去一年中带来的收入增长超过轻微幅度。今年的⼈⼯智能就业晴⾬表证实，⼈⼯智能正被⽤于扩张性增⻓。我们发现，⼈⼯智能渗透度最⾼的公司，其员⼯增⻓率远超渗透度最低的公司——⽽且⾃20

22年以来，这⼀差距逐年扩⼤。这意味着，⼈⼯智能渗透度⾼的公司（尤其是明星公司）并⾮仅将⼈⼯智能⽤于提⾼效率或裁员。相反，它们似乎正利⽤⼈⼯智能推动增⻓，进⽽带动⼤规模招聘和薪资上涨。员⼯数量数据也与普华永道的⼈⼯智能绩效研究⼀致：32%的⼈⼯智能绩效领先公司预计员⼯数量将增⻓5%或以上，⽽只有17%的⼈⼯智能绩效落后公司有相同预期。⼈⼯智能⾮但不是就业杀⼿，反⽽可能成为就业的推动者。也许令人意外的是，人工智能渗透度最高的公司，其员工增长率正超过渗透度最低的公司。按⼈⼯智能暴露程度四分位数划分的企业平均员⼯增⻓率（以2018年为基准测量）低暴露四分位组 ⾼暴露四分位组G0%52.2%50%45.G%明星效应：40%35.7%超级明星公司的员⼯数量增⻓与受影响最严重的四分位数公司⼤致持平，约为44%35.5%35.2%2P.5%30%2G.7%23.3%20%10%0%2022年

2023年

2024年

2025年*资料来源：普华永道分析，ORBIS数据注：*

2025年数据为现有可⽤企业数据，缺失部分以2024年数据替代。ORBIS公司数据并⾮旨在代表整体经济就业增⻓。本分析基于2018年和2024/25年均有可⽤财务及员⼯数据的较⼤规模正规企业，初始筛选标准为年营业额⾄少达5000万美元；期间退出市场的企业已被排除，由此产⽣幸存者偏差。此外，部分国家的财务报告要求存在差异，这意味着具有连续报告数据的企业可能⽐更⼴泛的商业群体规模更⼤、更正规或业绩更优。因此，关键解读应聚焦于受ẨI影响程度不同企业之间的员⼯数量增⻓相对差异，⽽⾮与整体经济相⽐的绝对增⻓率。Growth

Rate

for

WagesWwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC21在受⼈⼯智能影响最⼤的公司中，⼯资涨幅也远⾼于受影响最⼩的公司——尤其是在超级明星公司中。随着生产率提高，受人工智能影响最大的公司工资增长加速，表明收益与工人共享按⼈⼯智能暴露程度四分位数划分的企业平均⼯资增⻓率（以2018年为基准衡量）最低暴露程度四分位数 最⾼暴露程度四分位数30%

超级明星效应：在受影响最⼤的公司中，⽣产率增⻓排名前20%的公司平均⼯资增⻓率更⾼，达到G8%——这表明⼈⼯智能驱动的⽣产率提升正助⼒薪酬增⻓。24.4%25%1P.1%20%17.7%1G.G%15.8%15%

14.1%10%8.5%5.G%5%0%

2022

2023

2024

2025*来源：普华永道分析，ORBIS数据注：*⼯资按2018-2024/25年每位员⼯的总员⼯成本衡量。2025年使⽤可获取的公司数据，缺失部分以2024年数据替代。对企业⽽⾔，这意味着应当通过利⽤⼈⼯智能创造新形式的价值来获取最⼤收益，⽽不仅仅是提⾼旧有⼯作⽅式的效率。对劳动者⽽⾔，这意味着要抓住那些正在充分利⽤⼈⼯智能⼒量的⾏业及企业中不断增⻓的机会PwCPwC’s

2026

Global

AI

Jobs

Barometer2205人工智能技能薪资溢价持续上升具备人工智能技能的工人薪资溢价达62%企业从⼈⼯智能中获取的价值，体现在为具备提⽰⼯程等ẨI技能的⼯⼈所⽀付的⾼额薪资溢价上。今年，这⼀薪资溢价已增⻓⾄G2%。（薪资溢价的计算⽅式为：衡量需要ẨI技能的特定岗位薪资，与不需要ẨI技能的可⽐岗位薪资之间的差额。ẨI技能清单请参⻅⽅法论附录。）WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC23G2%具备AI技能劳动者的工资溢价已升至62%（去年晴雨表为57%）各⾏业⼯资溢价（%，2025年）企业从AI中获得的收益体现在为具备AI技能（如提示工程）的劳动者支付的高额工资溢价上。今年，该工资溢价已增至62%。140%120%

118%

100%84%80%75%73%G7%

所有⾏业的平均值（约G2%）G0%53%

37%

40%1G%20%0%消费者市场。技术、媒体和电信专业服务。健康⼯业。制造业能源、公⽤事业和资源⾦融服务。政府和公共部⻔。来源：普华永道分析，Ligh"cas"数据注释：(i)计算薪酬溢价时，我们将某⼀⾏业内的职位发布分为ẨI相关和⾮ẨI相关职位，从⽽估算该⾏业内ẨI职位的薪酬溢价（差异）。此分析并⾮增⻓率，⽽是特定年份的静态数据。请注意，可视化图表中仅展⽰了与普华永道对⻬的⼋个⾏业，但G2%的平均值是基于我们ẨI就业晴⾬表范围内全部1G个⾏业计算得出的。PwCPwC’s

2026

Global

AI

Jobs

Barometer240G人工智能专家招聘量急剧上升，表明人工智能投资持续增长企业正在加速投资于⼈⼯智能系统以及构建、运⾏和优化这些系统的⼈才。在全球范围内，2025年⼈⼯智能专家（掌握机器学习等⾼级ẨI技能的从业者）的招聘增速是整体岗位招聘增速的⼋倍。在我们研究的各个地区，⼈⼯智能专家的招聘量均呈增⻓态势。部分新兴经济体的增速已超过许多成熟经济体，这表明⼈⼯智能能⼒与⼈才需求正在快速扩张。所有⾏业的⼈⼯智能专家招聘量也在同步上升，其中科技、媒体与电信⾏业领跑——2025年该⾏业11.4%的岗位招聘⾯向⼈⼯智能专家。Number

of

job

postings,relative

to

2012WwC’s

202G

Ǧiodai

ẨI

JodsBamomc"cmPwC2511.4%去年，AI专家的职位数量大幅上升，增长速度是总体职位增长的八倍——这表明企业正在优先投资人工智能领域2012年⾄2025年全球ẨI与总体职位发布的相对增⻓ẨI专家职位发布 总体职位发布12.0AI专家招聘在各个行业都在增加，其中科技媒体和电信行业领先，2025年11.4%的职位招聘针对AI专家10.08.0G.04.02.00.02012年2013年2014年2015年201G年2017年2018年201P年2020年

2021年2022年