알림 목록

分析区域：庆尚南道18个市郡
重点产业： 机械、国防、造船、航空航天、汽车零部件、智能制造
议程：人工智能教育的普及及制造业AX人才供应链的实际衔接
黄金时期类型：教育基础设施机遇 + 产业人才储备 风险
版本：区域AX黄金时期情报 v3.2 增强标准参考
日期： 2026年8月28日
 

庆南省教育厅自2021年起运营人工智能和大数据教育平台“iTalkTalk”，截至2025年，该平台已积累约30万条教育内容和超过7TB的学习数据。截至2026年4月，全省998所中小学中已有887所注册使用该平台的人工智能数学服务，学校采用率达89%。虽然基于人工智能的教学基础设施在省级层面已显著扩展，但目前尚无确凿证据表明这些数据与智能制造、航空航天、造船和国防等领域的就业能力相关。如果2026年至2028年间学科学习数据和行业就业数据仍然脱节，即使人工智能教育的利用率不断提高，制造业AX人才的供给也将各自停滞不前。尽管 庆南省的人工智能学习基础设施已跻身领先行列，但其制造业AX人才体系尚未达到同等水平。（电子时报， 朝鲜教育）

庆尚南道教育厅将航空、智能制造、造船、未来汽车、生物医学、电梯和纳米半导体指定为职业教育创新区的战略领域，并在过去三年中对14所职业高中的18个系进行了重组，使其涵盖人工智能、智能制造、人工智能物联网（AIoT）和航空等领域。2025年，梁山人工智能高中成立，下设人工智能融合工厂、人工智能自动控制系统、人工智能内容和生物食品四个系。该校首批126个新生名额吸引了302名申请者，竞争比例为2.4:1。虽然学校和系的名称已朝着产业转型方向发展，但将实际企业任务、项目执行能力、毕业生制造业就业和区域留存等因素联系起来的成果积累期仍然较短。2026年至2028年是重组系名称通过实际工作能力进行验证的第一阶段。 庆南省的制造业AX人才培养计划目前处于预验证阶段，而非预推广阶段。（庆南省教育厅， 韩联社）

2025年，庆尚南道职业高中毕业生3139人，其中就业895人，就业率为55.9%。虽然这一比例比全国平均水平55.2%高出0.7个百分点，但较上年下降了3.6个百分点。大学入学率也降至44.9%，较上年下降了2.8个百分点。目前的情况是，尽管职业高中面向未来产业的院系有所扩张，但毕业生进入劳动力市场的渠道却相对畅通。缺乏能够同时展现庆尚南道职业高中毕业生就业情况的区域性数据，包括行业、公司规模、职位职能、工资水平、一年和三年留任率以及就业稳定性等。如果未来两到三年内就业渠道的萎缩速度超过课程改革的速度，那么“制造业AX”人才政策将无法从学生招生阶段有效延伸至产业供应链。 目前，“黄金时期”是教育基础设施机遇+产业人才储备风险。（据韩国教育部和 《庆南日报》报道）

庆南省同时拥有昌原的机械、国防和核电产业；巨济的造船业；泗川的航空航天业；以及金海和梁山的汽车零部件、机械和智能制造产业。仅昌原国家工业园区预计到2024年就能创造62.223万亿韩元的产值、184.29亿美元的出口额，容纳3216家企业，并雇用120289名员工。尽管产业结构已从单一制造技术转向融合机械、电子、软件、数据、质量和供应链的复杂技术结构，但学校教育仍然分散在各个学科、院系和认证领域。目前尚无数据使用相同的分类体系将各行业的实际工作任务与学生的能力进行比较。如果课程设置未能反映2026年至2028年间大规模订单转化为生产所需的工作需求，那么产业繁荣与新人才供应之间的滞后时间将会进一步扩大。 尽管庆南省拥有足够的工业基地来展示“制造AX”模式，但该模式何时能被纳入课程体系仍未可知。（韩联社）

庆南职业教育创新区已拓展其专业领域，涵盖航空、智能制造、造船、未来汽车、生物医学、电梯和纳米半导体等领域。这表明职业教育的外部响应范围已开始与当地产业的需求相契合。然而，各专业领域的学生人数、产业项目参与率、相关岗位就业率以及在合作企业的留任率等数据并未得到全面披露。即使教育专业领域与产业领域数量相匹配，学生从入学到就业的路径仍未得到验证。如果两三年后，各专业领域的项目绩效仍然仅限于参与机构和合作院校的数量，则无法评估人才供给的有效性。尽管 庆南职业教育已具备响应产业组合的能力，但其人才储备的完整性仍有待证实。（庆南教育厅）

庆尚南道的A​​I教育沿着两条轴线展开：一是面向普通中小学的学习平台，二是面向职业高中的产业教育。iTalkTalk平台积累了大量的学生学习数据，而职业高中则负责行业相关的实践培训和就业指导。然而，这两条轴线之间缺乏连接指标，无法将数学、科学和信息技术方面的学习能力与制造设计、自动化控制、质量分析和预测性维护等方面的能力联系起来。如果平台学习和职业教育各自独立运行两到三年，普通高中生进入制造业自动化自动化领域的途径以及职业高中生掌握的基础AI能力将变得模糊不清。 尽管庆尚南道的教育体系同时拥有AI学习系统和制造人才培养体系，但缺乏证据表明它们已整合为一个完整的教育供应链。

梁山人工智能高中于2025年3月正式开学，同时设立了人工智能融合工厂、人工智能自动控制系统、人工智能内容和生物食品等部门。学校设有21个班级，可容纳378名学生，并配备了模拟真实工业场所的实践培训设施。尽管人工智能专业学校的教育基础设施已经建成，但首届毕业生尚未毕业；因此，目前尚无关于制造业就业率、就业适应性、企业评价和区域留存率等方面的绩效数据。2026年至2028年期间，将开始积累有关教育设施完善程度和人才培养成果的首批验证数据。 梁山人工智能高中并非被视为成功典范，而是被视为一个已开始进行绩效验证的先行示范项目。（庆尚南道教育厅）

过去三年，庆尚南道14所职业高中的18个系进行了重组，涵盖人工智能、智能制造、人工智能物联网（AIoT）和航空等领域；此外，2026年，五所学校的五个系被选入重组项目。虽然系重组的速度已得到确认，但各校的具体情况，例如教师专业调整、工业设备领域的一致性、企业数据访问权限以及项目评估方法的变更等，尚未公开。系名变更与课程任务变更之间存在脱节。如果未来两到三年内，重组后的系仅仅停留在现有课程中增加人工智能科目的层面，则无法形成面向制造业的融合能力。 目前，系重组尚处于数量扩散阶段，无法逐校评估教育内容与产业的同步程度。（韩联社）

2025年，全国职业高中毕业生就业率为55.2%，其中300人以上企业就业毕业生比例为36.3%，第一年留任率为83.1%，第二年留任率为68.2%。目前已建立一套全国性的统计体系，不再仅以就业率来评判就业质量，而是综合考虑企业规模和留任率。在庆尚南道，虽然地区就业率已确认为55.9%，但制造业就业比例、300人以上企业就业比例、留任率以及省级就业率等数据并未汇总于同一表格中。即使是2026年至2028年，如果仅提供总就业率，也无法验证未来产业部门的重组是否已成功引导毕业生进入高质量制造业。庆尚南道职业教育成果 证据的呈现滞后于政策的推广。（教育部）

人工智能在制造业的转型已不再局限于设备自动化，而是涵盖设计、工艺规划、质量检测、预测性维护、生产调度、供应链管理和安全管理等各个方面。生产和技术岗位之间的界限日渐模糊，机械、电气和电子知识与数据解读和人工智能验证能力相结合，形成了一种新的结构。庆尚南道职业教育课程的重组虽然体现了这一变革方向，但学校的实践培训与工业领域使用的数据、软件和设备之间的衔接情况仍不明朗。如果未来两到三年内，企业采用人工智能的速度超过学校设备的升级和教师的再培训，那么毕业生掌握的技能将落后于现场标准。 制造业人工智能人才面临的时效性风险并非源于缺乏培训，而是源于教育内容的更新周期缩短。

韩国银行分析显示，在2022年至2026年间流失的28.5万个青年就业岗位中，有26.8万个（94%）发生在高度依赖人工智能的行业。尽管信息服务业的青年就业人数下降了31.4%，计算机编程业下降了16.6%，专业服务业下降了11.6%，但50岁以上人群在这些行业的就业人数却有所增加。人工智能已演变为一种结构性变革，它既能补充经验丰富的员工，又能压缩以往由入门级专业人员承担的任务。庆尚南道的教育缺乏足够的证据来区分制造业入门级岗位中哪些任务正在消失，哪些任务是新增的。除非在两到三年内对入门级岗位进行重新设计，否则即使学生学习了人工智能，他们也难以获得第一份工作经验。 庆尚南道制造业教育面临的风险不在于未能教授人工智能，而在于无法识别人工智能引入后哪些初始岗位将会保留下来。（韩国银行）

生成式人工智能和工业人工智能的普及，使得问题定义、数据验证和现场判断比知识获取更为重要。尽管iTalkTalk能够进行学生个体学习分析和内容推荐，但它并未与制造现场涉及缺陷、故障、交付时间和安全问题的项目数据相连接。教育人工智能的使用能力与工业人工智能的问题解决能力之间存在验证差距。随着人工智能工具在2026年至2028年间的广泛应用，简单的应用培训的独特性将逐渐消失，最终只剩下解决实际现场问题的经验。 庆南教育已进入一个阶段，其竞争力不再取决于人工智能的使用率，而是取决于其解决制造问题的经验。

iTalkTalk 是一个人工智能和大数据教学平台，整合了课程、教学、评估和记录，拥有约 30 万条内容和超过 7TB 的学习数据。预计到 2026 年，人工智能数学学校的注册率将达到 89%，这表明人工智能在普通学科中的应用已从试点学校扩展到更广泛的区域层面。然而，该平台积累的数学、科学和信息能力与职业高中专业选择、产业项目和企业招聘之间的关联性尚未得到证实。如果教育数据仅局限于课程两到三年，则无法用于预测制造业 AX 人才。尽管 iTalkTalk 已发展成为人工智能教育基础设施，但其向产业人才基础设施的拓展仍有待验证。

职业教育创新区将地方政府、教育部门、学校、大学以及航空、智能制造、造船等区域战略产业的企业联系起来。合作委员会和支持中心已经建立，并明确要求培养行业特定技术人才。然而，合作企业提供的任务数量、企业专家的课堂参与时长、学生项目的实践应用率以及就业转化率等数据并未得到全面披露。参与机构之间的联系与教育任务的衔接之间仍然存在差距。如果2026年至2028年期间，合作体系仍然以会议、协议和实地考察为主，则无法在课程设置中反映产业变革的速度。 目前，虽然产学研合作的组织架构已经建立，但其运行强度尚无法评估。（庆南职业教育创新区支持中心）

庆尚南道型的“区域创新中心”（RISE）重组了其大学支持体系，旨在培养符合区域重点产业需求和本地人才的人才，并提出了一项从2024年至2028年为六所大学提供高达3400亿韩元支持资金的计划。尽管高中职业教育和高层次大学人才培养都以服务区域产业为目标，但目前尚未制定将高中、专科院校/大学乃至企业联系起来的通用绩效指标。教育厅和省政府的人才政策在学习、继续教育和就业数据方面存在脱节。如果RISE和职业教育创新区继续维持各自独立的绩效体系两到三年，同一行业的人才培养项目将陷入不同的供应链。 尽管庆尚南道的人才政策包含针对特定教育阶段的项目，但终身人才培养体系仍不完善。（庆尚南道青年信息平台）

2025年全国职业高中毕业生共59,661人，其中15,296人就业，29,373人继续深造。就业率为55.2%，而大学入学率上升至49.2%，表明职业高中教育体系正从单纯以就业为导向转向就业与升学并重的模式。庆南省的就业率为55.9%，略高于全国平均水平；然而，与上年相比下降了3.6个百分点，降幅大于全国平均水平的0.1个百分点。尽管庆南省制造业密集度较高，但目前尚无证据表明其职业高中就业率下降幅度更大，无论是从行业还是学科角度来看都是如此。如果这种趋势持续两到三年，那么“制造业集聚能够带来职业教育就业优势”的前提将不复存在。 相对于其制造业基础而言，庆尚南道在职业教育方面的劳动力市场表现并不具备稳定的优势。（韩国教育开发院）

全国职业高中毕业生在拥有300名及以上员工的企业就业的比例从2021年的22.5%上升至2025年的36.3%，第二年留任率也提高至68.2%。这一结构表明，评估职业教育成果的基准已从就业状况转向企业规模和就业可持续性。虽然庆南省已确认共有895名毕业生就业，但公开数据并未区分大、中、小型企业的分布情况，以及总承包商和分包商之间的差异。即使2026年至2028年间有来自重组专业的毕业生，但如果不披露就业质量，仅凭总就业率来解读该地区相对于全国平均水平的排名将会存在偏差。与课程 设置向未来行业转型相比，庆南省的教育成果指标向未来产业转型方面存在滞后。

庆南省在市/省层面运营着自己的人工智能教学平台，并已实现89%的学校入学率。虽然通用人工智能教育基础设施的普及程度相对较高，但尚未形成针对制造业专业项目、行业数据、数字孪生实践以及企业联合评估等方面的区域性标准。通用人工智能教育的领先地位与制造业人工智能教育的领先地位之间存在差距。如果未来两到三年内其他地区能够将以行业为中心的项目与人才招聘直接挂钩，庆南省的平台领先地位将无法延伸至产业人才的培养。 庆南省教育的全国优势在于其人工智能学习基础，而制造业人工智能的成果尚不具备可比性。

虽然全省998所学校中有887所注册了人工智能数学服务，但过去三年里，只有14所职业高中和18个院系围绕未来产业进行了重组。尽管通用人工智能学习已普及到大多数学校，但行业专业化教育仍然集中在少数学校和院系。普通高中和初中积累的人工智能学习能力向职业教育和制造业职业道路的转化率尚不明确。未来两到三年内，如果这两个系统之间没有职业衔接，人工智能教育的扩张和制造业人才短缺的问题将同时存在。 在庆南道，虽然接触人工智能的学生人数迅速增加，但进入制造业人工智能（AX）职业道路的学生人数的增长情况尚无法确定。

梁山人工智能高中成立第一年，126个招生名额就收到了302份申请，而庆尚南道职业高中毕业生总数为3139人，其中就业人数为895人。尽管对人工智能专业学校的需求旺盛，但职业高中的整体就业率却有所下降。这种结构性问题是，学生和家长对未来产业教育的兴趣增长速度与毕业生就业市场的吸收能力增长速度并不同步。目前缺乏中长期证据表明学校申请竞争率与产业招聘需求之间存在关联。如果2026年至2028年间人工智能专业专业的申请人数增加，但高质量的首份工作岗位数量没有相应增长，那么学生的就业偏好将重新转向大学深造或跨省就业。虽然 入学阶段的预期已得到证实，但就业阶段的回报仍有待验证。

昌原工业园区的120,289名员工和庆南市895名职业高中毕业生就业人数凸显了工业总就业人数与新高中毕业生供给量之间的规模差距。尽管由于调查对象和范围的差异，这两个数字无法直接换算成就业比率，但数据缺口已得到证实，表明未能将工业园区内各年龄段的退休前景与新职业高中毕业生的就业情况联系起来。如果未来两到三年内熟练的婴儿潮一代退休潮加剧，那么在总就业统计数据出现之前，各职能部门的替代人员短缺问题就会显现出来。 庆南市衡量的是当前的就业规模，但未能评估填补下一代熟练工人队伍的潜力。

最大的差距在于人工智能学习教育与利用人工智能解决制造问题的教育之间的脱节。iTalkTalk 积累学习成绩和学科数据，职业高中管理实践培训、资格认证和就业，企业掌握生产、质量和设备数据。这三类数据无法将学生的技能与解决工业问题的成果直接关联起来，形成统一的证据。随着人工智能应用在 2026 年至 2028 年间成为一项通用技能，单纯的工具使用培训将失去竞争力，只有解决实际制造问题的经验才能成为招聘的关键。 庆南教育虽然在培养大量人工智能用户方面准备充分，但在验证制造领域人工智能问题解决能力方面却准备不足。

第二个差距在于教师向产业人工智能转型的速度。过去三年，已有18个院系围绕新产业进行了重组，另有5个院系计划于2026年进行重组。然而，与院系重组速度相关的数据——例如教师向产业界派遣、数据和人工智能再培训时长、产业认证以及联合项目绩效——并未公开。这种结构要求教师长期积累工作知识，即便短期内实践培训设备和院系名称有所变更。如果教师能力差距在两到三年内无法缩小，那么最新的设备将被用于传统的培训方法。 庆尚南道制造业人工智能教育的瓶颈可能在于教师将课程内容转化为实际应用的能力，而非学生人数。

第三个缺口在于毕业后的跟踪追踪。虽然国家统计数据提供了就业率和留任率，但庆南地区按行业、职能和地区划分的长期留任情况并未公开。要评估院系重组的成效，必须考察庆南地区一年和三年的任期、工资增长、工作调动以及留任情况，而不仅仅关注就业状况；然而，目前可用的证据仅限于总就业率。如果错过了2026年至2028年的首届毕业生，就很难将各个院系的教育效果与后续政策变化区分开来。  “追踪成果的黄金时期”并非在毕业生毕业之后，而是从首届毕业生入学之时起，目前仍在进行中。

iTalkTalk 已积累约 30 万条内容和超过 7TB 的学习数据，全省 89% 的学校已注册使用 AI Math。教育数据基础设施和学校的可及性已扩展到更广泛的区域层面。然而，与行业数据（包括任务、职位职能、招聘和任期）的衔接范围仍有待确认。教育数据的规模与其识别行业人才的能力之间仍然存在差距。虽然仅积累两到三年的学习信息数据量会增长，但制造业人才预测的准确性并未提高。 教育基础设施的准备程度被评估为高，而与制造业数据衔接的准备程度被评估为低。

梁山人工智能高中及其下属14所学院的18个重组系已在智能制造、自动控制、人工智能物联网（AIoT）和航空等领域建立了教育中心。虽然中心数量有所增加，但各学院在实践培训设备与工业基地的匹配度、师资力量以及企业联合授课强度等方面存在差异，缺乏统一的标准。这表明学院的建立与教育质量标准之间存在差距。如果这些差距在2026年至2028年间持续累积，那么即使拥有相同的人工智能和智能化资质，各学院的实力水平也会有所不同。 尽管中心正在不断扩张，但教育质量的整体标准化仍有待验证。

职业教育创新区和RISE各自与教育部门、省政府、学校、大学和企业建立了机构联系。虽然存在合作架构，但尚未建立统一的识别体系和将高中学习经历、大学教育和企业招聘联系起来的联合绩效指标。机构联系与数据联系之间仍然存在脱节。如果继续各自独立运作两到三年，同一批学生和企业将被计入多个项目。 机构准备度被评估为中上水平，而整合运行准备度被评估为低水平。

2025年，庆尚南道职业高中3139名毕业生中，895人就业，就业率为55.9%。尽管未来产业教育政策不断扩大，但就业率较上年下降了3.6个百分点。虽然仅凭单年数据无法确定政策的因果关系，但现有证据表明，政策扩散与劳动力市场结果并非同步发展。由于缺乏按行业、专业和企业规模细分的详细数据，就业率下降的原因尚无法确定是制造业停滞、继续教育还是就业错配。若缺乏两到三年的细分数据，也无法确定院系调整是否已推广至整个行业。 学生受益于特定专业和教育机会，但就业溢价的扩大仍有待证实。

庆南职业教育创新区运营着一个合作委员会，该委员会由航空、智能制造等领域的企业、机构和学校组成。虽然企业参与的制度渠道已经存在，但学生实际处理企业数据的时间、企业专家的评估比例以及项目结束后就业转化率等信息均未公开。企业注册为合作机构和作为课程共同制作方参与其中之间没有区别。如果这种差距在2026年至2028年间持续存在，产学研合作的外部规模可能会扩大，但企业认为新员工的在职适应期并不会缩短。 虽然可以核实与企业层面达成的协议，但无法评估企业层面提供的培训。

梁山人工智能高中首届招生竞争比例高达2.4:1，表明学生和家长对人工智能专业教育的需求旺盛。然而，目前尚无证据表明，选择这所学校的预期能否在三年后转化为在庆尚南道制造企业就业和长期留任。入学竞争与劳动力市场回报之间存在时间滞后。除非到2027-2028年首届毕业生毕业时，就业质量得到验证，否则最初的期望将仅仅停留在学校的品牌形象上。 虽然教育需求的增长已得到证实，但产业人才供给的增长尚未出现。

昌原与机械、国防和核能产业紧密相连；泗川与航空航天产业相关；巨济与造船业相关；金海和梁山则与机械、汽车零部件和智能制造产业相关。职业教育也围绕产业中心附近的学校进行专业化划分，但学生居住地、学校、培训机构和用人单位之间的流动性数据并未公开。这种结构将通勤、住宿和搬迁成本的负担转嫁到没有产业的农村地区的学生身上。如果这种以中心学校为中心的重组持续两到三年，教育机会的差异将根深蒂固，最终导致进入产业的机会不平等。 庆南制造AX教育的空间差距正在扩大，这并非源于学校数量的减少，而是源于与产业基地的距离。

梁山人工智能高中位于庆尚南道东部工业密集、人口稠密的地区，而昌原机械工程高中则位于中部制造业轴线上。相比之下，咸阳第一高中人工智能能源系的重组标志着旨在西部内陆地区建立新的产业教育中心的转变。尽管院系设置日趋分散，但当地企业的招聘需求以及设备、专业师资和项目合作伙伴的密度并不均衡。学校的区域布局与产业生态系统的区域布局之间仍然存在差距。如果学生在本地接受教育，但在2026年至2028年间却在其他地方就业，那么院系的分散化将不利于本地人才的留存。尽管 庆尚南道西部教育中心的扩张已成定局，但其吸收产业的能力仍有待验证。

巨济和泗川拥有国家级龙头企业，但对单一产业的依赖程度较高；而昌原、金海和梁山则拥有相对多元化的企业集团。目前尚无确凿证据表明，学生会因特定行业的经济波动而在省内转岗。城市特有的专业教育与省级职业流动网络之间存在脱节。如果教育模式在两到三年内始终保持针对单一行业的固定模式，那么在经济低迷时期，学生的技能会随着行业的发展而流失到其他地区。尽管 庆南省正在推行行业特有的专业教育，但尚未建立起能够促进省内职业过渡的通用能力框架。

过去三年，14所学校的18个系围绕未来产业进行了重组，梁山人工智能高中于2025年招收了首批学生。2026年，5所学校的5个系再次被选入重组项目。目前，投资、师资培训、课程设置和企业合作等因素尚未作为首批毕业生的成果落实到位。除非从一开始就将岗位职责、项目、就业情况和后续成果等因素联系起来，否则毕业后很难恢复各课程的有效性。2026年至2028年是唯一可以观察首批学生变化的基准时期。 目前不宜增设更多系，而是应验证现有系对产业的适应性。

全国范围内，受人工智能影响行业青年就业岗位减少的94%都发生在这些行业。即使在制造业，设计辅助、文档编制、检验记录和基础分析等入门级工作也直接受到人工智能和自动化的影响。庆尚南道重组部门培养的学生毕业后便直接进入后自动化时代的劳动力市场。虽然现有职位名称与实际剩余工作之间的差距正在扩大，但目前尚无证据表明需要每半年更新一次这一差距。这意味着，入学时为学生设计的就业岗位，在两三年后首届毕业生毕业时，可能已经被缩减。所谓“黄金时代”的终结，并非学校重组完成之时，而是课程设置落后于产业变革一代之时。

庆尚南道国防、造船和航空航天领域的订单增长将在2026年至2028年间转化为生产和劳动力需求。如果当前的人才培养与这一需求相匹配，毕业生将有机会进入产业繁荣时期；然而，如果不能，企业将通过外部经验丰富的工人、外籍人员或自动化来填补缺口。目前尚无证据表明订单安排与特定院校毕业生的专业、技能和招聘时间存在关联。在经济繁荣时期未能建立的年轻人就业途径，在经济衰退时期会进一步收窄。 当前的产业繁荣是评估庆尚南道教育是否适合制造业AX的最后一个有利市场阶段。

12-1. 基层地方政府黄金时段应用案例①——梁山市

梁山人工智能高中于2025年开学，设有人工智能融合工厂、人工智能自动控制系统、人工智能内容和生物食品四个系，共21个班级，每个年级126人，招收378名学生。首轮招生吸引了302名申请者，竞争比例为2.4:1，学校还建立了模拟实际工业场所的实践培训设施。虽然学生对专业人工智能教育和基础设施的需求已得到证实，但梁山和金海两地制造企业的实际数据，例如合作项目、雇佣协议以及毕业生留任率等，尚未得到验证。如果这种差距持续到2027-2028年首届毕业生毕业，学校的人工智能品牌将与当地制造业对人工智能人才的需求脱节。 梁山的“黄金时期”并非学校开学之时，而是首届毕业生能否被当地制造业吸收的时期。（庆尚南道教育厅）

12-2. 基层地方政府黄金时段应用案例②——昌原市

昌原机械工程技术高中入选2026年协议型专业高中及系部重组项目，目前正在制定计划，以人工智能智能机械系为核心，扩大针对当地产业的实践培训。昌原拥有3216家企业和超过12万名员工，是庆尚南道企业合作基础最雄厚的地区。然而，目前尚未公布有关联合课程中涵盖国防、核能和机械行业主承包商和分包商所需任务的比例，以及学生项目参与度、就业转化率和三年任期等数据。如果2026年至2028年协议型专业高中的运作仍然基于企业名单和设施投资，那么昌原的产业规模将无法转化为教育成果。 昌原并非缺乏企业，而是正在接受评估，以确定其是否已将企业集中转化为学生的职业发展阶梯。（韩联社）

预计到2025年，庆尚南道职业高中的就业率将达到55.9%，略高于全国平均水平，但比上一年下降了3.6个百分点。与此同时，制造业正围绕人工智能、自动化和数字化质量进行重组。如果教育与劳动力市场之间的差距持续存在，毕业生将难以找到第一份工作，而企业也将反复面临经验丰富的员工短缺的问题。找不到第一份工作会导致工作经验、工资和区域留存率方面的差距不断扩大。延迟两到三年进入劳动力市场将导致到2030年左右出现中级技术工人短缺的情况。 目前被忽视的不是就业人数，而是制造业下一代技术人才的培养。

在人工智能高度依赖的行业中，青年就业率下降，而50岁以上人群的就业率上升。如果这种偏向经验丰富的员工的趋势蔓延到制造业，企业将转向将人工智能与现有熟练工人相结合，并减少对年轻员工的招聘。学校缺乏区分因自动化而消失的入门级工作岗位和新出现的入门级工作岗位的证据。在2026年至2028年间入门级岗位减少之后，学生将完全无法获得实践经验。 庆南教育所缺乏的并非人工智能知识，而是年轻人成长为技能型专业人士的最初机会。

如果专业制造业教育过度依赖单一龙头企业或现有订单，那么在产业低迷时期，技能流动性就会降低。尽管庆南省拥有机械、国防、造船和航空航天等多个产业，但学生之间缺乏通用技能，也没有证据表明存在跨产业的就业流动。如果这种封闭的产业教育体系持续两到三年，那么任何一个产业遭受冲击都将直接导致毕业生离开该省。 目前尚未建立的跨产业流动性降低了未来经济冲击下教育投资回收的可能性。

iTalkTalk的学习数据超过7TB，89%的学校注册了AI数学课程，14所学校的18个重组部门、梁山AI高中、职业教育创新区和RISE等项目并存。教育与产业对接的基本联系点已经建立。然而，目前尚无数据能够全面反映同一批学生的学习、项目、就业、任期和区域留存情况。一旦首批学生的培养计划在2026年至2028年间确定，将首次建立起用于比较不同分布式项目的基准。 目前最大的优势并非新建的教育设施，而是制造业AX人才培养路径的可观察性。

昌原、梁山、金海、巨济和泗川拥有各自独特的制造业和企业结构，西部内陆地区也涌现出人工智能能源等新兴学术领域。这些地区具备将人工智能基础能力转移至智能机械、航空、造船和能源等行业的条件。然而，学生跨行业流动以及企业间技能认可的实际情况尚未得到证实。如果未来两到三年内能够出现这种流动迹象，那么行业特定教育将被视为省级就业市场的一部分，而非封闭的专业。 目前可利用的结构性资产并非针对单一行业的劳动力，而是跨行业通用的技能。

包括梁山人工智能高中在内的重组部门的首批毕业生将于2027-2028学年亮相。首批毕业生群体能够最清晰地比较课程设置、师资力量、设备以及企业合作等方面的成效。如果忽略这一时期的就业安置、薪资水平、任期以及区域留存率等数据，后续毕业生群体的数据将受到其他政策和经济波动的影响，难以进行因果分析。 目前可用的时间资源可作为基准，用于客观地验证首届毕业生的表现。

AX应对措施的范围不仅限于增加人工智能课程和编程课。 它是一个将课程→行业任务→项目→首次就业→就业保障→职业转型→区域留任整合为一条完整的证据链的结构。即使学校的人工智能应用率有所提高，但如果相关岗位的就业率和就业保留率没有改善，就不能将其评估为制造业AX人才绩效。

第一期“运行时间”研究以梁山人工智能高中及其近期重组的18个部门的学生为基准群体。研究将入学时的能力、各年级项目、企业评估、职位、起薪、1年和3年任期以及在庆南地区的留任情况等指标串联起来，贯穿同一时间轴。对于普通高中生，研究则单独追踪iTalkTalk的数学、科学和信息学习与制造业AX职业发展路径之间的联系。

失败的原因并非人工智能课程不足。尽管系名和设备有所改变，但企业现场适应期并未缩短，庆尚南道职业高中的就业率和留任率依然停滞不前，重组系的毕业生也纷纷转向其他专业和地区，而非从事制造业人工智能相关工作。

教育基础设施机遇 + 产业人才储备风险

庆南教育在人工智能普及教育方面已占据领先地位。然而，在向产业界输送能够运用人工智能解决制造问题的优秀人才方面，其成效尚未得到证实。

当前的危险并非人工智能教育的缺失，而在于尽管课程平台、职业高中、大学和企业各自独立运作，但学生通往第一份工作和长期职业生涯的技能提升路径仍然缺失。

2026年至2028年是黄金时期，届时将检验重组后的院系和人工智能专科学校的初步成效。一旦这段时期过去，课程改革的失败将难以与经济衰退和青年人口外流的影响区分开来。

最终判断：人工智能学习基础设施高，未来产业部门扩散程度中高，制造业就业关联度中低，长期绩效跟踪低，时间风险高。

考核顺序为：学习 → 实践培训 → 企业项目 → 首次就业 → 留任1年 → 晋升3年 → 在庆南县居住5年。若注册学校、重组部门或合作公司数量增加，则不计入制造业AX人才绩效考核。

运行时链

学生学习成果 → 制造项目 → 公司认证 → 入门级工作 → 技能提升 → 区域留存

本次分析留下的结构性见解

庆南省教育的结构性缺陷并非在于缺乏人工智能教育。庆南省已拥有覆盖面广的人工智能学习平台、超过7TB的学习数据、89%的学校注册了人工智能数学课程，以及面向未来产业的人工智能专业高中和院系。真正缺乏的是相关证据，证明学习过人工智能的学生在制造业中解决了哪些问题。

人工智能学习平台记录学生掌握的知识，职业高中记录学生操作过的设备，企业记录生产车间出现的问题。虽然这三项记录各自独立，但教育会形成不同的成就水平，企业随后会提供在职适应性培训。尽管教育投资和企业培训成本有所重叠，但却没有记录显示差距出现在哪个阶段。

在人工智能自动化（AI Smart Machinery）时代，解决问题的经验比毕业院校的名气更能吸引求职者。能力的体现不再取决于是否毕业于人工智能智能机械专业，而是取决于他们能否利用实际设备数据预测故障、通过视频检测对缺陷进行分类，或者通过调整工艺参数来提高生产效率。如果不进行这种转变，人工智能教育的普及和制造业的劳动力短缺问题将继续并存，而不会产生冲突。

黄金时代论题——2026年至2028年庆南教育的黄金时代并非教授更多人工智能课程的时期，而是将学生的学习数据转化为庆南制造业实际问题解决案例的时期。一旦这种联系建立起来，iTalkTalk、职业高中、RISE以及企业将形成一条完整的人才供应链。如果这种联系未能建立，庆南将面临人工智能教育领先地区与制造业AX人才短缺的双重困境。