从焊接到无人机，数说63年世赛如何改写“一技之长”

　　1950年，第一届世界技能大赛在西班牙马德里举行。24名来自西班牙和葡萄牙的选手，只比了6个项目：钳工、木模制作、车工、电气绕组、铣工和家具制作。当时的世赛，就像是由车床、铣床和木工工具组成的技能车间。

　　76年后，这张技能清单已经从6项扩展到64项。9月22日至27日，第48届世界技能大赛（下简称“世赛”）将在上海举行。无人机系统、轨道车辆技术、软件测试、数字交互媒体设计、智慧安防技术等7个新项目，将首次登上世赛舞台。

　　世赛不仅是一场关乎国家荣誉、争夺金银铜牌的竞技比赛，也可以看作是一张不断变化的人类技能清单。什么技能进入赛场，什么能力值得被衡量、反复练到极致，某种程度上也记录着一个时代对“一技之长”的理解。

　　过去几十年，这个答案一直在变。

　　世界技能大赛比什么技能

　　澎湃新闻美数课工作室梳理发现，1963年至今，世赛正式比赛项目经历了多轮更替，可以看到一条比较清晰的变化脉络：早期比赛围绕加工、制造和手工操作展开，之后机电、自动化技能不断增加，再到数字技术、网络系统进入赛场，直至今天的云计算、机器人系统集成、软件测试和无人机系统。

　　如果把过去14届世赛的比赛项目变化放在一起看，最明显是不断“长出”的新项目。1997年以来，共有35个项目新增，24个项目延续至今，19个项目退出比赛，另有少量项目经历合并或在退出后恢复。

　　新增项目里，数字化、信息技术与智能制造项目越来越多：网站技术、网络安全、云计算、数字建造等35个项目陆续进入赛场。与此同时，烹饪、焊接、汽车技术、美发、电气装置等24个项目长期保留在比赛项目表中。保留并不意味着停滞，项目名称看似传统，比赛要求却一直随着新工具、新标准和新需求不断变化。

　　退出项目主要集中在传统制造领域。1997年以来退出过的19个项目中，有14个属于“制造与工程技术”类，包括钳工、精密仪器制造、冲压模具制造、钣金技术、木模制作等。退出也并不意味着在世赛上彻底消失，一些技能会在技术升级和职业分工调整中被拆分、组合，或者换一种项目形式继续延续。

　　因此，世赛项目版图的变化，并不只是“新技术取代老手艺”这么简单。

　　各国技能树怎么点？中国优势更均衡

　　技能也带着鲜明的国别、地域和产业痕迹。

　　把1997年以来各个国家和地区在世赛中的成绩，按照六大技能领域重新排列，可以看到不同国家各自的“技能分布”：有的国家在制造与工程上格外突出，有的在创意设计、建筑或服务领域更强，但很少有国家在每一个领域都一样擅长。

　　中国的“技能分布”更接近一个均衡展开的六边形。从数控、焊接、电气装置，到砌筑、汽车喷漆，再到时装、美发和信息网络布线，中国的优势并不局限于某一个技能方向，而是分布在制造、建筑、运输、创意设计、信息技术等多个领域。

　　中国加入世赛竞技版图的时间并不算早。中国自2010年加入世界技能组织以来，已参加7届世界技能大赛，累计获得93枚金牌、41枚银牌、28枚铜牌和71个优胜奖，连续4届位居金牌榜、团体总分世界第一。

　　看似人人都会的技能，反而更难赢

　　世赛上最难获奖的项目，反而有不少是人们最熟悉、历史也最悠久的技能。

　　如果按照一个项目的参赛规模，以及最终获得金、银、铜和优胜奖的概率来衡量竞争程度，焊接、汽车技术、烹饪等看起来并不“新”的项目，反而长期处在竞争最激烈的一端。

　　这或许是世赛最反直觉的一点。人们很容易把技能进步理解成线性发展：旧技能逐渐变简单，新技能越来越复杂。但事实是，新技能不断出现，老技能也在不断翻新要求。

　　烹饪就是一个很典型的例子。

　　1977年，烹饪首次作为竞赛项目出现在乌得勒支世赛。近半个世纪以后，尽管厨师们依然站在赛场上，但“会做饭”这三个字，早已不足以描述这个项目。

　　到2015年，世赛对厨师的要求已经远远超出烹调本身。除了食材处理、烹调、口味和摆盘，职业能力标准还延伸到菜单设计、成本与库存管理、食品卫生与安全，以及对营养和不同饮食需求的理解。

　　面向2026年上海世赛，评价标准又向外扩了一圈：食物浪费会被称重并进入评价；燃气灶改为电磁炉；比赛厨房禁用一次性塑料。与此同时，项目更加重视植物性食材、可持续采购和减少资源浪费。

　　1997年以来，烹饪项目的冠军版图逐渐从欧洲扩展到全球，多国选手轮流登顶。中国仅用三次参赛，就完成了从优胜奖、铜牌到金牌的三级跳。

　　烹饪代表了这样一类技能，它的难度很难只用“技术先进程度”来衡量。最难的往往不是学会一个新技能，而是把一件已经做了很久的事情，继续做到这个时代认为的“最好”。

　　过去的技术进步，更多是在改变人怎样把一件事做好。AI带来的变化则更进一步，机器开始接收那些以往专属于人的任务。Anthropic今年3月的一项研究显示，在计算机和数学相关职业中，大语言模型理论上已经能够覆盖94%的任务，但实际观察覆盖率只有33%。而在生产制造、建筑施工、安装维修、农业、食品与餐饮服务等大量需要进入真实环境的职业，理论AI覆盖率明显更低。

　　图中蓝色区域表示大语言模型理论上能够覆盖的工作任务范围，红色区域表示Claude目前在真实工作场景中实际覆盖的任务范围。图片来源：Anthropic

　　当机器开始学会怎样把一件事做得更好，人类不可替代的部分还剩什么？

　　答案或许不在某一项技能里。真正构成“一技之长”的，未必是一项永远不会消失的手艺，而是在技术不断变化时，仍能重新学习、重新判断，并把一件事做到极致的决心与毅力。