Anthropic发布2030年经济预测

关于 AI 对工作的影响，人们最常讨论的问题一直是：它会不会让大量人失业？但 Anthropic 最新的一项经济研究，提出了一个可能更加棘手的问题：如果 AI 不仅没有让经济崩溃，反而制造了一轮人类历史上几乎从未出现过的高速增长，会发生什么？答案未必是所有人一起变得更富。

在 Anthropic 构建的最激进情景中，到 2030 年，美国 GDP 可能比“没有 AI”的路径高出 32.4%，年增长率一度达到 15.4%，整个经济规模大约每 4.5 年就能翻一倍。与此同时，知识工作者的工资却可能下降超过 10%，知识型岗位就业规模大幅收缩，资本获得的收入第一次超过劳动。换句话说，一个看起来有些反常识的未来可能出现：经济以前所未有的速度扩张，但很多人的工作和收入反而变得更加不稳定。近日，Anthropic Institute 发布工作论文《Economic Scenarios for Transformative AI》，试图系统推演 2026—2030 年 AI 对美国 GDP、工资、就业、失业率以及劳动与资本收入分配的影响。

（图片来源：X@AnthropicAI）需要强调的是，Anthropic 并没有把这些数字称为“预测”。研究团队明确表示，这是一套情景模型：研究者改变 AI 能力、采用率、自动化程度、生产率提升以及劳动者重新就业速度等参数，再观察不同条件下的经济会走向哪里。但正因为如此，这份研究真正值得看的，也不是“2030 年一定会发生什么”。而是当 AI 能力不断增强时，经济增长、就业和财富分配之间，可能第一次出现非常剧烈的脱钩。 Anthropic 推演了三个 2030 年 Anthropic 把未来划分成了三种情景。第一种，是相对温和的变化。AI 像互联网一样，成为一种重要的通用技术，但它的渗透速度没有那么快，对宏观经济的影响仍然处于历史上可以理解的范围内。到 2030 年，美国 GDP 比没有 AI 的基准路径高 1.6%，达到约 34.1 万亿美元。经济增速从没有 AI 情况下的约 2%，提高到 2.4%。在这种情况下，AI 确实提高了生产效率，但整个劳动力市场并没有发生巨大震荡。模型中的总体失业率约为 3.9%，知识工作者的工资相比无 AI 路径还略高约 0.4%。这其实是大多数技术革命最熟悉的版本。

2025–2030年三种情景下的劳动力市场（图片来源：Anthropic）企业效率提高，一些岗位消失，一些新的工作出现，但最终经济吸收了技术冲击。真正的变化从第二种情景开始。Anthropic 将其称为 “Substantial Change”，显著变化情景。在这个世界里，到 2030 年，AI 已经有能力完成大约一半的知识工作，而且其中相当一部分能够自主完成。但“能做”不等于“已经被所有企业采用”。AI 的实际扩散速度仍然低于它的能力增长速度，因此大量工作仍然由人类完成。即便如此，宏观经济已经开始发生明显变化。到 2030 年，美国 GDP 比无 AI 路径高出 8.3%，达到 36.3 万亿美元；当年的 GDP 增长率达到 5.4%，相比没有 AI 时约 2% 的增速，已经超过一倍。但一个重要的分化同时出现了。整体平均工资比无 AI 情况下高 2.1%，但知识工作者的工资反而低 0.3%。与此同时，那些没有被 AI 直接影响的岗位，工资反而高出了 5.9%。知识型岗位就业规模较 2026 年中下降 3.9%，知识工作者失业率从 2.9% 上升至 4.5%。

知识型工作的失业率上升（图片来源：Anthropic）到了这里，一个过去经常被忽略的问题已经开始出现：AI 带来的生产率红利，并不会平均流向所有劳动者。而第三种，也是整个研究中最极端的情景，则把这种分化推到了完全不同的程度。 GDP 暴涨 32% 知识工作者工资反而下降 Anthropic 把第三种情况称为 “Extreme Change”，极端变化情景。这是一个 AI 真正开始重构知识工作的世界。到 2030 年，大约 30% 的全经济任务受到 AI 影响，相当于 2025 年知识工作者所承担任务的大约一半。而在这些受到 AI 影响的工作中，90% 的任务实例被自动化，只有约 10% 是 AI 辅助人类完成。更关键的是，模型假设 AI 几乎没有为知识工作者创造新的任务。这与此前很多技术革命最大的区别就在这里。过去，自动化消灭旧任务的同时，往往也会创造新的岗位。 ATM 减少了银行柜员处理现金的工作，却推动银行网点把更多人力转向销售和客户服务；互联网消灭了一部分线下工作，也创造了电商、数字营销、软件开发等大量新职业。但如果 AI 可以不断接手人类刚刚创造出来的新知识任务，那么这种“旧岗位消失—新岗位出现”的循环可能受到挑战。

2025–2030年三种情景下的GDP及其增长率（图片来源：Anthropic）在 Anthropic 的极端模型中，由此产生的生产率提升是惊人的。到 2030 年，美国 GDP 比没有 AI 的路径高 32.4%，达到约 44.4 万亿美元。当年经济增长率达到 15.4%。如果这样的增长速度能够持续，经济规模大约每 4.5 年即可翻倍；技术报告的另一种表述是，人均收入大约每五年翻一倍，而过去一个世纪美国实现一次人均收入翻倍大约需要 35 年。这是一个几乎从未在人类现代经济史上长期出现过的增长速度。但劳动市场没有同步进入黄金时代。恰恰相反。在这一情景下，虽然全社会平均工资比“没有 AI”的路径高 9.7%，知识工作者的工资却低了 11.5%。而那些没有被 AI 直接替代的岗位，工资反而高出了 33.6%。软件工程师、办公室职员、客服、销售、专业服务人员所面对的世界，可能和电工、护士、建筑工人完全不同。原因并不复杂。当知识工作的生产效率大幅提高之后，完成一份设计、审批一个项目、处理一笔订单、编写一段软件所需要的人变少了。知识劳动供给开始变得“过剩”。但与此同时，更高的生产率又会创造更多真实世界的需求。设计和审批一栋建筑变得更快，可能推动更多建设项目；企业扩张速度提高，也需要更多施工、安装、护理以及其他现实世界中的服务。于是模型中出现了一个非常反直觉的结果：AI 越擅长知识工作，人类知识劳动的相对稀缺性反而越低；而很多难以被 AI 直接完成的现实世界工作，开始变得更加稀缺。问题因此不只是工资。到 2030 年，极端情景中的知识型岗位就业数量比 2026 年中低 21.5% 。原本从事知识工作的劳动者，失业率升至 17.9%。整个美国经济的失业率则达到 11.9%。这意味着，AI 完全可能同时制造两个看起来矛盾的数字：15%的经济增长率，以及接近 12%的失业率。过去我们很容易把“经济繁荣”与“就业繁荣”联系在一起。但在 Anthropic 的模型中，这两个指标第一次可能朝完全不同的方向高速运动。真正改变的可能是“谁拿走了增长” 如果只看到这里，这份研究仍然很容易被理解成另一篇“AI 抢工作”的报告。但 Anthropic 真正值得关注的结论，其实藏在另一个数字里：劳动收入占比。今天，一国经济每创造 1 美元收入，大约 60 美分进入劳动者手中，40 美分归属于资本。

GDP 如何在美国劳动者与资本之间分配（图片来源：Anthropic）当然，这只是一个宏观意义上的简化。但它提供了一个非常重要的观察视角：一个国家经济增长以后，新增加的财富最终流向哪里？

2025–2030年间三种情景下的要素价格与劳动力份额（图片来源：Anthropic） Anthropic 的三个情景给出了完全不同的答案。在温和情景中，到 2030 年劳动收入占 GDP 的比例仍有 59.4%，资本占 40.6%。显著变化情景中，劳动占比下降到 56.1%，资本提高到 43.9%。而到了极端情景，两者的位置第一次发生逆转：劳动只占 45.2%，资本提高至 54.8%。经济蛋糕变得史无前例地大。

极端情境下，2030 年劳动力分布情况（图片来源：Anthropic）但切蛋糕的方式也发生了变化。背后的逻辑是，当 AI 可以使用计算资源、数据中心、芯片、软件和其他资本来完成越来越多过去只有人类才能完成的工作时，资本本身也变得更加重要。企业需要更多算力、更大的数据中心、更先进的芯片和更多能够部署 AI 的基础设施。于是生产率提高带来的收益，不再主要通过工资进入劳动者手中，一部分越来越多地通过资本回报流向资产的所有者。极端情况下，这个变化非常夸张。Anthropic 的技术报告测算，2030 年的 GDP 虽然比无 AI 情景高约三分之一，但劳动者获得的总收入几乎没有比没有 AI 时增加。原因恰好可以用一个简单的算式解释。GDP 增长约 32%，但劳动份额从 60% 下降到了约 45%。结果是：经济多创造出来的那一大块价值，在模型中几乎全部体现为了资本收入的增加。资本收入相比没有 AI 的路径高出 81% 。这可能才是整份报告里最值得关注的一句话：AI 最大的经济问题，可能不是它能不能创造足够多的财富，而是财富创造出来以后，以什么方式分配。过去关于 AI 的争论经常聚焦生产率：一个员工能不能干过去三个人的工作？一家企业能不能把成本降低 30%？一个团队能不能一天完成过去一个月才能完成的事情？但如果把视角从企业转向整个经济，问题就发生了变化。一个人效率提高十倍，并不意味着他的收入也提高十倍。甚至不意味着企业还需要这个人。最值得注意的时间点可能在 2027 年以后还有一个细节很值得注意。Anthropic 在论文中指出，三种情景真正开始出现巨大分化，几乎都发生在 2027 年以后。原因是三种模型都从今天已经能够观察到的数据出发。短期内，它们之间区别并不大。真正拉开差距的，是未来几年 AI 能力提升速度、企业采用速度，以及“增强人类”与“直接自动化”之间的比例。换句话说，2026 年看到 AI 对整体就业市场影响仍然有限，并不能直接回答它最终会走向哪一种情景。它可能意味着 AI 最终只是一项类似互联网的通用技术。也可能只是意味着，更剧烈的变化还没有真正开始。 Anthropic 还专门调查了 10,980 名美国成年人，询问他们对 AI 能力、采用率、自主性、生产率提升以及失业后重新找到工作的时间等问题。把这些回答放入模型之后，一个有意思的结果出现了。美国普通受访者对未来的判断，并没有落在最温和的情景。反而相当接近 Anthropic 的“显著变化”情景。在完成全部五项问题并被用于完整模型模拟的受访者中，中位数结果对应的 2030 年经济是：GDP 比没有 AI 时高 8.6%；经济年增长率达到 5.3%；知识型岗位就业规模下降 4.2%；总体失业率约为 4.6%。换句话说，即便不采用 Anthropic 最激进的假设，普通人的预期本身，也已经指向一个“AI 明显改变经济结构”的世界。真正的问题不再只是“AI 会不会取代我” 当然，这份研究仍然存在非常大的不确定性。Anthropic 自己也反复提醒，不应该把它当作一张通往 2030 年的地图。这个模型没有完整考虑政府政策、经济周期、金融市场波动、总需求变化，也没有考虑灾难性风险。它把劳动者粗略分成知识工作者和其他工作者，没有细分不同年龄、地区、技能和企业之间巨大的差异。它甚至刻意没有加入先进人形机器人快速发展的情况。一旦机器人也开始大规模进入现实世界，今天模型中相对“安全”的建筑、制造、护理和其他实体劳动，同样可能受到影响。因此，44.4 万亿美元的 GDP、17.9% 的知识工作者失业率，都不应该被理解成 Anthropic 对 2030 年的准确预测。它们更像一次压力测试。Anthropic 真正想问的是：如果 AI 真的变得足够强，我们今天的经济制度能不能承受这种生产率增长？过去两百多年，人类面对技术革命时形成了一套相对稳定的逻辑。机器提高生产率，生产率推动经济增长，企业扩大投资，新产业创造工作，劳动者工资最终跟着上涨。工业革命、电气化、汽车、计算机和互联网，大体都没有打破这个循环。 AI 最大的未知数在于，它可能直接进入这个循环最核心的位置：人类劳动本身。如果机器替代的是某一种设备，劳动者可以学习使用这种设备。如果机器替代的是某一个任务，劳动者还可以转向其他任务。但如果一个越来越通用的 AI，可以不断学习新的知识任务，那么“人转向哪里”将变成一个比过去更困难的问题。而 Anthropic 的模型给出的另一个答案是：劳动者并不一定无路可去。大量需求可能转向医疗、护理、建筑、电气、制造以及现实世界服务。真正困难的是，从一个软件工程师变成电工，从一个财务分析师变成护士，从一个办公室职员进入建筑行业，并不是一句“重新培训”就能完成的事情。职业背后还有教育、技能、经验、地域、收入预期和个人选择。技术调整可能只需要几个月，人的调整却可能需要几年。这中间的时间差，就是失业率产生的地方。所以，读完 Anthropic 的这份报告，真正值得记住的可能并不是“AI 会消灭多少工作”。而是三个更加基础的问题：AI 创造了多少价值？这些价值最终属于谁？被技术重新分配出去的人，又需要多久才能找到自己的新位置？如果 AI 的能力只是缓慢提高，答案可能和互联网时代没有太大区别。但如果它真的按照更激进的路径发展，那么到 2030 年，我们可能面对一个过去很少出现的经济问题：不是财富不够多。不是生产率不够高。甚至不是经济增长太慢。而是恰恰相反——当机器把经济蛋糕做得越来越大之后，人类需要重新回答，应该怎样分这块蛋糕。