人工智能岗位持续扩张，培训体系跟不上

据普华永道数据，全球要求人工智能技能的职位发布量增长69%，所有职位整体增幅仅为9%，平均薪资溢价达62%。这些数据不专属于东南亚地区。招聘周期往往短于历时数年的院校培训周期。在韩国、中国和新加坡，核心问题是：公共培训体系能否跟上市场速度？

核心要点

• 据普华永道2026年全球人工智能就业晴雨表，人工智能岗位增速是东南亚整体市场的8倍（69%对比9%），薪资溢价达62%。
• 招聘周期1至2年即可完成，院校培训需要3至5年，形成结构性错位，常规政策手段难以弥合。
• 中国、新加坡和韩国已推出相关项目，但其体系以长周期学历和严格资质认证为基础，为节奏较慢的经济体所设计。
• 62%的薪资溢价表明市场奖励转型，但培训周期过长使多数劳动力游离于新周期之外，这与阿吉翁关于内生性更新的论点相呼应。
• 短期模块化培训可以弥合差距，前提是其可靠性能达到与长周期课程相当的水平。

69%对比9%：重新分配价值的不对称

普华永道2026年全球人工智能就业晴雨表覆盖27个国家和地区。根据普华永道，要求人工智能技能的职位增长69%，所有职位整体增幅为9%，相关平均薪资溢价为62%。这些结果不是东南亚地区的汇总统计数据。

这一差距与每轮重大自动化浪潮中经济学家观察到的现象一致：能运用新技术的劳动者，在供给追上需求之前会暂时获取额外收益。国际劳工组织指出，生成式人工智能对东盟的未来影响将在一定程度上取决于技能政策和准备程度，但该组织并未量化1至2年的招聘周期。一个今天在寻找生成式人工智能专家的雇主，不会等待大学项目数年后产出毕业生。他从已有技能的人中招聘，这些人往往靠自学或快速认证完成培训。

薪资溢价因此也是对先行者的奖励。它奖励提前预判浪潮的人，而非等待机构为其做好准备的人。这种选择性再分配机制独立运作，与该地区任何政府的政策意愿无关。

3至5年的滞后：机构为何总是后知后觉

在中国，人力资源和社会保障部拥有部分人工智能职业的技能标准，但文中所述于2026年1月新出台的国家级清单未获证实。与人工智能相关的认定课程培训周期可长达数年。新加坡在其认可的继续教育培训体系中发现了错位。韩国2025年底宣布的官方政策，目标是在五年内让逾百万人接受人工智能培训。

培训机构建立于学习周期与就业周期大致同步的时代。工程学位需要数年完成，它开启的职位可以延续很多年。人工智能打破了这种对称性。2023年出现的”提示工程师”职位，到2025年已部分被自动化吸收。

第一代大语言模型部署技能的市场价值，如今已低于多模态架构相关技能。市场迭代速度超过了机构的认证速度。

培训内容本身并非症结所在，多数国家项目覆盖的主题切中要害。问题在于体系的时间架构：漫长的资质认证流程、国家级审批程序、将培训权利与认证课程挂钩的集体协议。这一切在创新节奏较慢时自有其道理。在创新节奏加快的环境中，这套框架恰恰在最需要更新的地方拖慢了更新的步伐。

阿吉翁的论点在亚洲现实中经受检验

经济学家菲利普·阿吉翁凭借内生增长理论研究荣获2025年诺贝尔经济学奖。他的核心论点是：长期增长需要技术更新，市场可以自发产生这种更新，前提是框架条件允许。在《重置创新时钟》（Resetting the Innovation Clock）中，他将选择赢家的指令性产业政策，与制定规则并让创造性破坏自由运作的创新友好型环境加以区分。他对市场机制持乐观态度，但对制度质量要求严格。

亚洲案例对这一论点构成有趣的检验。62%的薪资溢价证明阿吉翁关于创造性破坏的判断成立：市场确实奖励在技术前沿运作的人。采用人工智能的企业招聘更多员工，欧洲央行在欧洲市场对此有所证实，这一现象在亚洲强度更高。但阿吉翁同时强调了亚洲局势所揭示的另一个关键：内生性更新的前提是劳动者能够融入新循环。当院校培训周期在结构上长于招聘周期时，大量劳动力被阻挡在循环之外，不是因为能力不足，而是因为缺乏适配的时间基础设施。

达伦·阿西莫格鲁在《权力与进步》（Power and Progress，2023年）中提出了另一种解读：技术进步收益的分配方式与其总量同等重要。在这一视角下，62%的薪资溢价同样反映了价值的集中程度。如果只有已占据有利位置的劳动者——顶尖理工院校应届毕业生、科技企业管理人员或行业内工程师——才能获得捕获溢价的职位，那么创造性破坏将在顶端产生增长，在底端制造不稳定，机构不会组织好过渡。

两种解读并不互相排斥。它们指向同一个实践结论：这里真正重要的框架条件，不是创新补贴，而是培训体系能否以市场的速度运转。

新加坡相对于邻国的领先

新加坡值得在本文中单独讨论，不是因为它已解决问题，而是因为它正在试验培训机制。其”技能创前程”（SkillsFuture Credit）计划于2016年启动，2023年深度改革，面向25岁及以上新加坡公民，可用于新加坡技能创前程局批准的课程。2024年8月，包括Coursera和Udemy Business在内的私营在线学习平台被纳入批准范围；关于2025年进一步扩展至私营人工智能认证的具体举措，尚无经证实的信息。

这一模式并未解决长周期课程的结构性滞后，但它建立了一条更快的平行通道。新加坡经济发展局报告显示，2023至2024年间，技能创前程信贷用于在线学习的申请量增长约十倍；关于2024至2025年间40%增幅的数据尚未得到证实。

中国走的是一条更具指令性的路径。人力资源和社会保障部拥有部分人工智能职业的技能标准，但文中所述于2026年1月新出台、附有官方技能标准的国家级清单未获证实。

韩国2025年底宣布的”AI+能力提升”（AI+ Competency Up）政策，目标是五年内对逾百万人开展人工智能培训。这与所谓的2024年计划——到2029年再培训10万名劳动者——并不吻合。

错位作为系统性约束：2026至2035年将揭示什么

核心问题——能否建立可跟上人工智能节奏的培训体系——尚未解决。它首次以可量化的形式被提出，这正是亚洲案例在分析上具有价值的原因。

多种路径均有可能。第一种情景：短周期认证（8至16周，模块化，由雇主而非大学验证）不断壮大，逐步填补培训周期与招聘周期之间的差距。这一情景的前提是雇主接受这些认证等同于长周期学历，而目前大多数韩国和中国大型企业并非如此，它们仍高度依赖大学文凭作为质量信号。新加坡正朝这个方向迈进，但其劳动力市场规模小且高度国际化，具有特殊性。

第二种情景：企业内部培训成为再培训的主要载体，亚洲大型科技公司承担起国家无力履行的责任。这一模式的优势是速度，三星可以在几个月内用自有工具培训一名工程师。其缺陷是可移植性：在企业专有生态中习得的技能未必可以转移，这强化了劳动者对雇主的依赖，而非增强其市场流动性。这在功能上有别于普遍性的培训权利。沉淀于低流动性资产的私人资本产生了类似现象：资源集中于不利于流动的结构之中。

第三种情景目前能见度较低，但潜在影响或许更深远：人工智能本身可能降低培训的成本和时长。基于大语言模型的自适应辅导已能将原本需要数月的学习压缩至数周。如果这种压缩被证明可靠——即通过人工智能辅导获得的技能与课堂习得的一样持久、一样可操作——那么时间约束的性质将发生改变。问题将不再是”培训需要多长时间”，而是”如何为大规模加速培训提供资金并颁发认证”。

正是在这一点上，未来三至五年的政策决策将最为关键。认证是瓶颈，重要程度不亚于培训时长。今天，一名菲律宾或印度尼西亚劳动者可以在网上学习质量真实的人工智能模型部署课程。但没有雇主认可的认证，这项培训在正式劳动力市场上等同于隐形。弥合已获技能与机构认可之间的差距，是市场与国家各自单独无法解决的核心治理问题。

游离于官方项目之外的劳动者

机构分析中一个被低估的角度：劳动者自身的自发响应。Coursera和领英学习等平台的数据显示，东南亚人工智能培训注册量的增幅远超国家项目所能解释的范围。2025年，印度尼西亚、越南和菲律宾参加人工智能模块在线学习的人数大幅增加，主要由自费或通过所在企业资助、游离于机构体系之外的个人驱动。

这一自发运动在一个方面令人鼓舞：它表明再培训需求真实存在，不等待官方机制。但它也暴露了一种结构性不平等：自学的可及性因教育水平、资源和网络条件而存在差异。非正规的快速培训吸引的是本已接近技术前沿的劳动者，最需要它的人却仍被排除在外：低技能劳动者、培训机会不平等经济体中的女性、面临直接自动化冲击的制造业从业者。同样的价值向有利位置者集中的逻辑，在亚洲其他工业领域也可观察到。

创造性破坏创造价值，但现有机构对这一价值获取渠道的分配，复制了既有不平等而非纠正它。阿西莫格鲁的批判，在这一现实层面站得住脚。

快速培训、公正认证、普遍资助

亚洲案例尚未产生可供移植的模式，但它在实时生成可供比较的实践经验。新加坡在测试可携带的个人培训信贷。中国在测试快速更新的国家技能标准。韩国在测试企业内部培训激励机制。

三种方式从不同维度照出同一个问题。

国际劳工组织的数据表明，人工智能的影响及劳动者的准备情况，在一定程度上取决于公共政策选择；这些数据不能将培训与招聘的错位单独归咎于机构因素。这种错位可能源于为另一套创新机制所设计的体系。短期、模块化、快速认证、通过可携带个人权利资助的培训，或许能缩小差距。各国政府赋予这些替代性通道合法性的速度，与市场需求速度是否匹配，将决定下一轮价值创造浪潮中包容性的广度。

来源

• 普华永道2026年全球人工智能就业晴雨表，pwc.com
• 卡内基国际和平基金会，亚洲人工智能培训报告，2026年5月，carnegieendowment.org（无链接，网址未经核实）
• 国际劳工组织东盟，就业周期与再培训周期数据，2026年7月，ilo.org（无链接，网址未经核实）
• 中国人力资源和社会保障部，人工智能优先职业国家级清单，2026年1月，mohrss.gov.cn（无链接，网址未经核实）
• 菲利普·阿吉翁，《重置创新时钟：技术更替驱动的内生增长》（Resetting the Innovation Clock: Endogenous Growth through Technological Turnover），philippeaghion.com
• 达伦·阿西莫格鲁与西蒙·约翰逊，《权力与进步》（Power and Progress），PublicAffairs，2023年