报告核心信息 - **报告行业投资评级**：该研究论文未提供传统的“买入/持有/卖出”类投资评级，其核心是量化分析数字技能在全球劳动力市场中的工资溢价，为政策制定和劳动力发展提供依据 [5][9] - **报告核心观点**：数字技能在全球范围内带来显著的工资溢价，其中生成式人工智能技能溢价最高；溢价在低收入和中等收入国家更为显著，反映了此类技能的相对稀缺性；数字技能的回报在IT密集型行业、ICT职业以及高教育水平、高经验值的劳动者中会被放大 [5][15][18][19] 数据与方法论 - **数据来源与规模**：研究基于Lightcast提供的超过6700万份在线招聘信息，覆盖2021年至2024年间29个国家（包括8个低收入和中等收入国家）[5][14][38] - **样本筛选**：最终分析样本保留了原始数据的13.1%，筛选标准包括必须包含广告工资、职业、行业和技能信息，且各国每年有效观测值需超过3万条 [38] - **数字技能分类框架**：将数字技能分为三级：基础技能（如操作设备、使用简单应用）、中级技能（如使用Office、行业专用软件）和高级技能（如编程、数据科学、AI开发）[42][44] - **AI技能细分**：从约1.4万项数字技能中识别出256项AI技能，并进一步区分传统AI技能和生成式人工智能技能，后者又分为GenAI开发技能和GenAI素养技能 [43][45] 主要研究发现：总体回报 - **广泛边际回报**：要求至少一项数字技能的职位，其广告工资平均高出1.6%；其中高收入国家溢价为1.3%，而低收入和中等收入国家溢价高达7.5% [5][15][57] - **集约边际回报**：每增加一项要求的数字技能，全球广告工资平均上涨0.5%；在高收入国家为0.5%，在低收入和中等收入国家则大幅提升至2.6% [5][60] 主要研究发现：按技能类型分类的回报 - **基础、中级与高级技能**：每增加一项基础数字技能与广告工资呈负相关（降低约3.9%），而每增加一项中级或高级技能则带来正回报（在高收入国家约0.8%）[67][70] - **国家间差异**：在低收入和中等收入国家，中级和高级数字技能的边际回报远高于高收入国家，每项技能的额外溢价分别约为2.5和2.2个百分点，使总回报超过3% [70] - **传统AI技能回报**：每项传统AI技能与2.9%的工资增长相关，回报显著高于非AI类高级数字技能（0.7%）[73][75] - **生成式人工智能技能回报**：GenAI技能溢价最高，在数字核心职业中，GenAI开发技能在传统AI技能基础上带来额外7%至9%的溢价；在数字增强职业中，GenAI素养技能带来的溢价高达25%至36% [5][18][85] 异质性分析 - **行业差异**：数字技能的回报在IT密集型行业更高，行业IT投入强度每增加一个百分点，数字技能溢价额外提高0.3%至0.4% [101][102] - **职业差异**：数字技能的工资溢价在ICT专业人员中最高，其他职业的溢价均低于该基准，但在高管、经理以及科学与工程专业人员中也相对较高 [106] - **教育与经验的影响**：在低收入和中等收入国家，数字技能对大学学历劳动者的回报显著高于非大学学历者；在高收入国家，拥有5年以上经验的劳动者从数字技能中获得的回报最高 [109][112] 描述性统计与背景 - **技能需求强度**：平均每个招聘信息列出12项技能，其中2项为数字技能；低收入和中等收入国家列出的总技能和数字技能数量约为高收入国家的一半 [45] - **绝对工资差距**：高收入国家招聘广告的平均年薪为58,811美元，是低收入和中等收入国家（7,590美元）的约8倍；要求GenAI技能的职位，高收入国家平均年薪为137,720美元，低收入和中等收入国家为70,769美元 [46][52]