经常有人问我，孩子应该报哪个大学、哪个专业。这是一个几乎没法回答的问题。因为每个人必须问自己，什么专业以后最好找工作，自己又喜欢什么专业，自己毕业以后到底要做什么。这本身就是一个极为艰难的选择，而且选择了也不一定直接有用。
部分大学的部分专业是面向就业而设计的，比如会计学，就业方向比较明确。但另一些专业并不直接面向就业，比如很多大学都有历史系、哲学系，这些专业的就业方向是什么呢？是去当历史老师、哲学老师吗？我不太清楚。还有一些专业，比如我所教的经济学，听起来还行，可是它也不能直接导向就业，除非和我一样在大学里教经济学，否则这些理论在实践中可应用的范围有限。
有些工作形式非常传统，对专业也没什么要求，比如电力集团、燃气集团，直到现在也都是非常热门的工作单位。听说有“黄牛”可以安排你进入这些公司，但要收“中介费”。我还从朋友那里看到过“价目表”，低的8万元，高的35万元，究竟是真是假，我无从判断。但这些是传统的“好单位”。
还有很多职业是新设计出来的。比如电子竞技火了，就出现电竞专业。但真正能从事电竞的人很少，其他人也许可以从事电竞解说、电竞营销等工作；又比如小龙虾在中国一直卖得很好，就出现了小龙虾专业，据说就业情况也很不错。很多旧的专业已经消失了，而新的专业在不断涌现，市场上需要什么，学校里就开设什么专业。据一些学者统计，上世纪80年代的任何一年，美国制造业中有9%的工作岗位是新创造出来的，之前从来没有过。同时，也有11%的原有的工作岗位消失了，再也不会出现。这就是劳动力市场上的需求变化。
企业的劳动力需求，用新古典经济学家马歇尔的话说，本身也都是“引致需求”，或者叫“派生需求”。消费者存在某种欲望或需求，企业就会去迎合与满足这种需求。比如说，我就希望每天在家里戳戳手机，热腾腾的可口饭菜就能送上门来。虽然有些我熟悉的餐厅就在距离我家10分钟路程的地方，但是40摄氏度高温的夏天，为了出门，我还要换衣服，还要洗衣服，会出现很多额外的家务。如果有人能帮我送上门来，多收几块钱也是好的。于是外卖行业就出现了。所以研究劳动力市场的需求是一件很重要的事。
劳动力市场的需求变化极为迅速。例如中国快递业目前的从业人员超过1000万，其中送外卖的从业人员超过700万。大家可以回忆一下，美团是2013年底才上线的，在2015年以前，我们真的很少叫外卖，这个行业雇佣人员可以忽略不计。这700万的劳动需求都是最近几年才被创造出来的；又比如，目前中国有超过2000万的网约车司机。但滴滴打车是2014年才出现的，在此之前，也不存在这个劳动需求。对比一下，中国目前医生的数量不到400万，教师的数量大概1600万，这些都是历史悠久的传统职业，就是这么大的规模。而网约车平台能够在短短几年内就创造出2000万的劳动需求，让那么多其他行业的人转行成为网约车司机，这种变化是非常惊人的。
很多行业内部的分化也很厉害。我们一直说金融业是金饭碗，高收入行业。但是银行的柜台工作人员也算是高收入行业吗？他们的收入恐怕没有办法与投行的工作人员相比，但他们的数量在金融业里又是很庞大的。
又比如，我们一直说IT业是高科技产业，需要很高的人力资本投入，但是这种说法也有问题。以前在中关村组装电脑的人，很少有大学毕业生。现在路边小店里卖手机的人，或者富士康的工人，他们的工作是否属于IT业？这个问题也需要仔细界定。
即使是正宗的IT业——互联网企业，也并不总是我们所认为的资本密集型高科技企业。不妨再举个例子。有一年我去百度地图参观，大开眼界。百度地图是我们平时经常使用的APP，不管走路、开车都会用到。同时，它也在研发无人驾驶汽车。无人驾驶技术能多快投入使用，就与地图程序发展到何种水平息息相关。
据我所知，无人驾驶主要可以分成两方面工作。一方面是车上的摄像头，观察周边的汽车、行人的移动，计算和判断，这是一项很难的工作。因为人工智能需要识别什么是汽车，什么是行人，什么是偶尔飞过来的鸟。另一方面就是地图工作。人可以通过识别路上的标志来开车，人工智能不是不可以，但如果事先把非常准确的地图信息输入电脑，就能极大减轻人工智能的识别压力，也能使得判断更为精准。
那么百度地图如何准确地搜集地理数据？百度有一种专门的改装车，车顶上有摄像头，司机开车的时候，就能把两边的街景全都拍摄下来。这些驾驶员所拍摄的影像都会及时地传回到公司，公司里的工作就是对这些影像还有数据加以分析。人工智能会对一部分影像素材进行判断，这个是地面路标，那个是墙上的指示牌等等。但是人工智能并不见得总能有效识别，比如地面路标已经磨损了一半，人工智能可能识别不出来，所以人为介入是必须的。我在百度地图总部看到的景象就是，开阔的空间里并排安置了上千个工位，上千台电脑，上千个人坐在那里认真地审核信息。全国各地有数百位驾驶员，地图信息源源不断地传到总部，大家不断地识别道路、路标，等等。
这种工作其实并没有多少技术含量，也没有什么专业要求，什么人都能做。很多员工确实也就只有很普通的学历，对于审核地图这份工作而言足够了。百度地图当然是个高科技公司，软件里也包含了很多高科技成果，无人驾驶更是现在很重要、很前沿的高科技领域，但是这家公司里的大量员工都在从事没有多少技术含量的工作。
未来的工作是否一定需要员工具有更高的学历、更好的知识储备？答案似乎并不那么肯定。过去有不少研究表明，缺乏技能的劳动力与资本是替代品，而拥有技能的劳动力与资本是互补品。这个结论非常重要。因为它表明，随着机器等资本产品价格的下降，雇主会用机器来替代缺乏技能的工作者。同时，随着机器价格的下降，雇主会增加他们对于资本设备的使用，所以对于拥有较高技能的劳动者的需求反而会增加。实证研究已经证明，资本价格下降10%，对于低技能劳动者的雇佣数量会减少5%，对高技能劳动者的雇佣数量会增加5%。这就是著名的“资本技能互补假说”。这个假说在今天是否依然成立，已经成为一个重要的问题。
哈佛经济学家戴维·德明最近有项研究成果发表在《经济学季刊》上。他尝试回答一个经典问题：我们应该投资专门教育还是普适教育？应该变得更专业还是更灵活？读会计就是专门教育，读哲学、历史学就是普适教育，哪个未来会更容易赚钱？
他与合作者认真研究了2007年到2019年网上招聘的信息，发现了很多变化。2019年发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当下已经过时。那么对于早期就学计算机的人，他的技能如果不能及时更新，可能就会过时。现在需要学python，大家以前都没学过，在同一起跑线上，谁努力学谁就更厉害。
德明的研究发现，在职业生涯早期，计算机和工程专业的毕业生的工资溢价高达45%，比社会平均水平高出一大截，但后来逐渐下降，到50岁左右就只高出33%；商学专业的毕业生，初始的工资溢价是38%，不如工科毕业生，到50岁就降低到20%；而社会科学毕业生，初始的工资水平不高，但工资溢价不断往上走，越老越吃香，最后也不比计算机毕业生差很多。
他的研究结果证明，计算机、工程、商学等专业的学生在工作早期确实有更高的工资，因为他们在学校就学习了与工作相关的技能。这些毕业生应该尽早就业，越早开始使用这些技能越好。因为这些技能会过时，随着时间的推移，这些行业所需技能会发生更迭，工资优势会减弱。
至于那些原本就学习社会科学的同学，本科毕业了不必忙着找工作，继续读个硕士、读个博士都是不错的选择。社会科学这些行当，经验最重要，而经验是需要慢慢积累的。这些行当的收入最终还是比不上计算机或者工程专业，但是对我们很多人来说，它更有意义。我们愿意为意义而付钱。
今天我们讨论工作技能的时候，主要已经不是指操作大型机器的技能，而是指工作中真正需要的劳动技能，这些技能又和人们在大学里的学习专业、初始积累的人力资本有关。这是大家在选择专业时，真正应当思考和判断的方向。
