啥時就業(yè)得看“行情”

梁捷

經常有人問我，孩子應該報哪個大學、哪個專業(yè)。這是一個幾乎沒法回答的問題。因為每個人必須問自己，什么專業(yè)以后最好找工作，自己又喜歡什么專業(yè)，自己畢業(yè)以后到底要做什么。這本身就是一個極為艱難的選擇，而且選擇了也不一定直接有用。

部分大學的部分專業(yè)是面向就業(yè)而設計的，比如會計學，就業(yè)方向比較明確。但另一些專業(yè)并不直接面向就業(yè)，比如很多大學都有歷史系、哲學系，這些專業(yè)的就業(yè)方向是什么呢？是去當歷史老師、哲學老師嗎？我不太清楚。還有一些專業(yè)，比如我所教的經濟學，聽起來還行，可是它也不能直接導向就業(yè)，除非和我一樣在大學里教經濟學，否則這些理論在實踐中可應用的范圍有限。

有些工作形式非常傳統(tǒng)，對專業(yè)也沒什么要求，比如電力集團、燃氣集團，直到現(xiàn)在也都是非常熱門的工作單位。聽說有“黃?！笨梢园才拍氵M入這些公司，但要收“中介費”。我還從朋友那里看到過“價目表”，低的8萬元，高的35萬元，究竟是真是假，我無從判斷。但這些是傳統(tǒng)的“好單位”。

還有很多職業(yè)是新設計出來的。比如電子競技火了，就出現(xiàn)電競專業(yè)。但真正能從事電競的人很少，其他人也許可以從事電競解說、電競營銷等工作；又比如小龍蝦在中國一直賣得很好，就出現(xiàn)了小龍蝦專業(yè)，據(jù)說就業(yè)情況也很不錯。很多舊的專業(yè)已經消失了，而新的專業(yè)在不斷涌現(xiàn)，市場上需要什么，學校里就開設什么專業(yè)。據(jù)一些學者統(tǒng)計，上世紀80年代的任何一年，美國制造業(yè)中有9%的工作崗位是新創(chuàng)造出來的，之前從來沒有過。同時，也有11%的原有的工作崗位消失了，再也不會出現(xiàn)。這就是勞動力市場上的需求變化。

企業(yè)的勞動力需求，用新古典經濟學家馬歇爾的話說，本身也都是“引致需求”，或者叫“派生需求”。消費者存在某種欲望或需求，企業(yè)就會去迎合與滿足這種需求。比如說，我就希望每天在家里戳戳手機，熱騰騰的可口飯菜就能送上門來。雖然有些我熟悉的餐廳就在距離我家10分鐘路程的地方，但是40攝氏度高溫的夏天，為了出門，我還要換衣服，還要洗衣服，會出現(xiàn)很多額外的家務。如果有人能幫我送上門來，多收幾塊錢也是好的。于是外賣行業(yè)就出現(xiàn)了。所以研究勞動力市場的需求是一件很重要的事。

勞動力市場的需求變化極為迅速。例如中國快遞業(yè)目前的從業(yè)人員超過1000萬，其中送外賣的從業(yè)人員超過700萬。大家可以回憶一下，美團是2013年底才上線的，在2015年以前，我們真的很少叫外賣，這個行業(yè)雇傭人員可以忽略不計。這700萬的勞動需求都是最近幾年才被創(chuàng)造出來的；又比如，目前中國有超過2000萬的網(wǎng)約車司機。但滴滴打車是2014年才出現(xiàn)的，在此之前，也不存在這個勞動需求。對比一下，中國目前醫(yī)生的數(shù)量不到400萬，教師的數(shù)量大概1600萬，這些都是歷史悠久的傳統(tǒng)職業(yè)，就是這么大的規(guī)模。而網(wǎng)約車平臺能夠在短短幾年內就創(chuàng)造出2000萬的勞動需求，讓那么多其他行業(yè)的人轉行成為網(wǎng)約車司機，這種變化是非常驚人的。

很多行業(yè)內部的分化也很厲害。我們一直說金融業(yè)是金飯碗，高收入行業(yè)。但是銀行的柜臺工作人員也算是高收入行業(yè)嗎？他們的收入恐怕沒有辦法與投行的工作人員相比，但他們的數(shù)量在金融業(yè)里又是很龐大的。

又比如，我們一直說IT業(yè)是高科技產業(yè)，需要很高的人力資本投入，但是這種說法也有問題。以前在中關村組裝電腦的人，很少有大學畢業(yè)生?，F(xiàn)在路邊小店里賣手機的人，或者富士康的工人，他們的工作是否屬于IT業(yè)？這個問題也需要仔細界定。

即使是正宗的IT業(yè)——互聯(lián)網(wǎng)企業(yè)，也并不總是我們所認為的資本密集型高科技企業(yè)。不妨再舉個例子。有一年我去百度地圖參觀，大開眼界。百度地圖是我們平時經常使用的APP，不管走路、開車都會用到。同時，它也在研發(fā)無人駕駛汽車。無人駕駛技術能多快投入使用，就與地圖程序發(fā)展到何種水平息息相關。

據(jù)我所知，無人駕駛主要可以分成兩方面工作。一方面是車上的攝像頭，觀察周邊的汽車、行人的移動，計算和判斷，這是一項很難的工作。因為人工智能需要識別什么是汽車，什么是行人，什么是偶爾飛過來的鳥。另一方面就是地圖工作。人可以通過識別路上的標志來開車，人工智能不是不可以，但如果事先把非常準確的地圖信息輸入電腦，就能極大減輕人工智能的識別壓力，也能使得判斷更為精準。

那么百度地圖如何準確地搜集地理數(shù)據(jù)？百度有一種專門的改裝車，車頂上有攝像頭，司機開車的時候，就能把兩邊的街景全都拍攝下來。這些駕駛員所拍攝的影像都會及時地傳回到公司，公司里的工作就是對這些影像還有數(shù)據(jù)加以分析。人工智能會對一部分影像素材進行判斷，這個是地面路標，那個是墻上的指示牌等等。但是人工智能并不見得總能有效識別，比如地面路標已經磨損了一半，人工智能可能識別不出來，所以人為介入是必須的。我在百度地圖總部看到的景象就是，開闊的空間里并排安置了上千個工位，上千臺電腦，上千個人坐在那里認真地審核信息。全國各地有數(shù)百位駕駛員，地圖信息源源不斷地傳到總部，大家不斷地識別道路、路標，等等。

計算機、工程、商學等專業(yè)的學生應該盡早就業(yè)，因為這些技能容易過時，工資優(yōu)勢會減弱。而讀社會科學的同學，讀個碩士、讀個博士更好。

這種工作其實并沒有多少技術含量，也沒有什么專業(yè)要求，什么人都能做。很多員工確實也就只有很普通的學歷，對于審核地圖這份工作而言足夠了。百度地圖當然是個高科技公司，軟件里也包含了很多高科技成果，無人駕駛更是現(xiàn)在很重要、很前沿的高科技領域，但是這家公司里的大量員工都在從事沒有多少技術含量的工作。

未來的工作是否一定需要員工具有更高的學歷、更好的知識儲備？答案似乎并不那么肯定。過去有不少研究表明，缺乏技能的勞動力與資本是替代品，而擁有技能的勞動力與資本是互補品。這個結論非常重要。因為它表明，隨著機器等資本產品價格的下降，雇主會用機器來替代缺乏技能的工作者。同時，隨著機器價格的下降，雇主會增加他們對于資本設備的使用，所以對于擁有較高技能的勞動者的需求反而會增加。實證研究已經證明，資本價格下降10%，對于低技能勞動者的雇傭數(shù)量會減少5%，對高技能勞動者的雇傭數(shù)量會增加5%。這就是著名的“資本技能互補假說”。這個假說在今天是否依然成立，已經成為一個重要的問題。

哈佛經濟學家戴維·德明最近有項研究成果發(fā)表在《經濟學季刊》上。他嘗試回答一個經典問題：我們應該投資專門教育還是普適教育？應該變得更專業(yè)還是更靈活？讀會計就是專門教育，讀哲學、歷史學就是普適教育，哪個未來會更容易賺錢？

他與合作者認真研究了2007年到2019年網(wǎng)上招聘的信息，發(fā)現(xiàn)了很多變化。2019年發(fā)布的一些工作要求和工作技能是2007年完全不存在的，而2007年要求的一部分工作技能在當下已經過時。那么對于早期就學計算機的人，他的技能如果不能及時更新，可能就會過時?，F(xiàn)在需要學python，大家以前都沒學過，在同一起跑線上，誰努力學誰就更厲害。

德明的研究發(fā)現(xiàn)，在職業(yè)生涯早期，計算機和工程專業(yè)的畢業(yè)生的工資溢價高達45%，比社會平均水平高出一大截，但后來逐漸下降，到50歲左右就只高出33%；商學專業(yè)的畢業(yè)生，初始的工資溢價是38%，不如工科畢業(yè)生，到50歲就降低到20%；而社會科學畢業(yè)生，初始的工資水平不高，但工資溢價不斷往上走，越老越吃香，最后也不比計算機畢業(yè)生差很多。

他的研究結果證明，計算機、工程、商學等專業(yè)的學生在工作早期確實有更高的工資，因為他們在學校就學習了與工作相關的技能。這些畢業(yè)生應該盡早就業(yè)，越早開始使用這些技能越好。因為這些技能會過時，隨著時間的推移，這些行業(yè)所需技能會發(fā)生更迭，工資優(yōu)勢會減弱。

至于那些原本就學習社會科學的同學，本科畢業(yè)了不必忙著找工作，繼續(xù)讀個碩士、讀個博士都是不錯的選擇。社會科學這些行當，經驗最重要，而經驗是需要慢慢積累的。這些行當?shù)氖杖胱罱K還是比不上計算機或者工程專業(yè)，但是對我們很多人來說，它更有意義。我們愿意為意義而付錢。

今天我們討論工作技能的時候，主要已經不是指操作大型機器的技能，而是指工作中真正需要的勞動技能，這些技能又和人們在大學里的學習專業(yè)、初始積累的人力資本有關。這是大家在選擇專業(yè)時，真正應當思考和判斷的方向。