Anthropic 的 2030 极端账本，GDP 多 32%，知识工作者工资少 11.5%

Anthropic 的新网页摆着五个滑块。

能力、采用、自动化、生产率、转岗速度。

手指改动一个刻度，2030 年经济账本换一组数字。

极端情景的账本刺眼。

无 AI 路径构成基准。美国 GDP 增量为 32.4%。平均工资增量为 9.7%。知识工作者工资差为负 11.5%。其他职业工资差为正 33.6%。知识工作者失业率升至 17.9%。劳动收入份额起点为 60%，终点为 45.2%。

同一份未来拥有两张脸。

一张脸是增长奇迹。另一张脸是分配地震。

这份报告叫《Economic Scenarios for Transformative AI》。作者来自 Anthropic Institute，Anton Korinek、Charles I. Jones、Szymon Sacher、Tess Cotter 和 Peter McCrory 组成研究团队。配套页面提供一个交互式情景探索器。

报告给出三种情景，温和变化、显著变化、极端变化。

作者称它们为情景。三种结果的概率栏处于空白状态。模型承担压力测试工作，预测职责处于空位。

这个区别是文章的入口。

AI 经济讨论常见两种声音。一种声音承诺生产力爆发。另一种声音担心白领失业。两边争论结论，前提散落在桌面。

五个旋钮承载这些前提。

经济学模型拆分生产任务。劳动或资本承担每项任务。AI 能力决定任务范围。企业采用率决定使用范围。自动化比例决定机器接管与人机协作的分界。生产率增益决定每项任务的成本变化。转岗速度决定失业池的长度。

图一　五个输入参数连接能力、企业选择与劳动力流动

这五个旋钮拆掉一个常见误会。

能力、采用、自动化、失业是四层变量。

一个软件工程师的工作包含写代码、开会、理解业务、审查风险和说服同事。模型拥有某项任务能力，企业采购、流程接入、责任边界和验证成本决定任务采用。自动化替代岗位任务，增强模式提高人的产出。岗位消失与任务能力之间存在三道门，任务组合、工资调整、新岗位产生。

这条链条有五个齿轮。齿轮尺寸变化产生结果变化。

温和情景给出一台普通技术。

2030 年经济任务中的 4% 受到 AI 影响。相关任务生产率增加 35%。自动化占 50%，增强占 50%。每两个自动化任务对应一个新认知任务。GDP 增量为 1.6%，全体失业率为 3.9%，劳动收入份额为 59.4%。无 AI 路径构成比较基准。

这张账单属于正常技术升级。

显著情景的力度跨过一条线。

经济任务中的 12% 受到 AI 影响。相关任务生产率增加 57%。自动化占四分之三。每四个自动化任务对应一个新认知任务。GDP 增量达到 8.3%，年度增速达到 5.4%。知识工作者工资差为负 0.3%，其他职业工资差为正 5.9%。全体失业率为 4.6%，劳动收入份额为 56.1%。无 AI 路径构成工资基准。

显著情景的劳动收入份额降幅是 3.9 个百分点，时间跨度是四年。1980 年后的四十年美国劳动收入份额降幅与它相近。四十年的分配变化压进四年，这个速度带来制度压力。

GDP 增长和知识岗位收入分开走了。

极端情景拉开这条裂缝。

AI 影响经济任务中的 30%，对应 2025 年认知工作任务的一半。企业采用率为 60%。相关任务生产率变成原值的 2.2 倍。自动化占 90%。新认知任务补充归零。

三条曲线的分叉期位于 2027 年之后。2025 年和 2026 年基准数据让三条曲线保持接近。能力范围、采用速度和自动化比例拉开后半程。四年模型的争议集中在三年窗口。

这个组合制造 15.4% 的年度 GDP 增速。美国过去一个世纪的人均收入翻倍周期是 35 年。15.4% 增速对应五年翻倍周期。

繁荣程度超出历史经验。失业程度进入另一种历史经验。

图二　三种情景的 GDP、劳动份额与知识工作者失业率

极端情景中的知识工作者就业量降幅为 21.5%，基期为 2026 年中期。知识工作者失业率为 17.9%。全体失业率为 11.9%。知识工作者工资差为负 11.5%，无 AI 路径构成基准。

其他职业呈现另一幅画面。

建筑、电工、护理等岗位缺少直接 AI 暴露。认知部门生产率抬升基础设施和线下服务需求。其他职业劳动力变得稀缺，工资增量达到 33.6%。

写代码的人转成电工，这句话像一句段子。

模型视其为劳动力流动问题。

职业转换包含技能损失、证书门槛、地理迁移和招聘摩擦。报告设置普通求职周期为三个月。美国受访者的跨职业求职答案中位数是八个月。极端情景的转换速度处于三组末位。

失业来自这段等待。

0.5% 让我停住了。。。

极端情景的 GDP 增量为 32.4%，劳动总收入增量为 0.5%，资本收入增量为 81.4%。无 AI 路径构成三项基准。劳动收入份额降到 45.2%，资本收入份额升到 54.8%。新增经济产出落入资本账户。

蛋糕大了一圈。劳动拿到的蛋糕总量接近原值。知识工作者的工资账单缩水 31%。其他职业填补部分缺口。

图三　极端情景的增长、劳动收入与资本收入分化

论文做了一笔补偿计算。认知工作者收入回到无 AI 路径所需转移规模相当于 GDP 的 9%。这个规模接近美国社会保障和 Medicare 的总和。技术变革缺少同等级别的历史先例。

模型包含这笔钱。制度分配属于另一项工程。

所有权变成 AI 产品参数。

服务器、芯片、数据中心、模型权重和企业股权属于资本。工资属于劳动。自动化任务离开劳动账户，进入资本账户。资本供给速度决定收益归属。资本供给低弹性抬高资本回报，压低劳动份额。资本供给高弹性增加机器数量，劳动保留较大份额。

极端情景包含一组工资敏感性测试。弹性工资版本给出负 42.2% 的知识工作者工资差和 2.6% 的知识工作者失业率。高刚性工资版本给出正 2.8% 的工资差和 24.0% 的失业率。

模型中的代价寻找两个出口，工资和岗位。

工资承受冲击，失业率压力减轻。岗位承受冲击，工资数字维持高度。这组对照承担机制解释，现实数字属于未知量。

AI 的经济问题多出一个问题。

谁拥有机器？

Anthropic 调查了 10,980 名美国成年人。问题覆盖八项 AI 能力、企业采用、任务提速、自动化比例和转岗时间。3,259 名受访者完成五项参数。这组完整答案进入模型计算。

2030 年 AI 能力覆盖八项任务中的六项，这是中位数答案。企业使用 AI 处理可执行任务的 40%。合适任务节省三分之一时间。自动化占一半。跨职业求职耗时八个月。

能力问题暴露人群分裂。AI 建设并维护软件产品的当前认可率为 24%。AI 经营无雇员小型网店的当前认可率为 19%。2030 年无雇员网店能力获得 52% 认可。诺贝尔奖级发现获得两组冲突答案，2030 年达成选项占 39%，时间表之外选项占 40%。

同一社会装着两套未来感。

这组答案接近显著情景。

对应结果包含 8.6% 的 GDP 增量、4.2% 的认知岗位就业收缩和 4.6% 的全体失业率。接近极端情景前提的受访者比例为 10% 左右。

公众答案远离天堂与末日二选一。高增长、低速采用和转岗压力组成混合变化。

报告包含一个反直觉结论。

AI 科研加速对 2030 年生产率的贡献小于 1%。模型采用半内生增长框架。研究输入增加推动知识存量，物理任务保留瓶颈。论文承认该框架省略研究与自动化的部分反馈，科研加速结果具有下限性质。

这处边界具有分量。

模型省略政策响应、商业周期、总需求反馈、金融市场扰动、灾难风险和高能力机器人。劳动者被分成认知职业与其他职业两组。同组劳动者共享一套工资。地区、年龄、技能、任期和家庭资产差异留在模型外面。

真实世界的裂缝数量超过模型。

这份报告的价值落在方法，点数属于次要位置。

五个滑块完成争论到假设的转换。AI 乐观派写下能力、采用率和生产率。就业风险派写下自动化比例和转岗时间。劳动份额和资本所有权构成政策议题。

工业革命赋予机器肌肉。信息革命赋予机器记忆。生成式 AI 赋予机器认知任务接口。

每次技术革命生产一张增长账单和一张分配账单。

工程师负责增长账单。制度负责分配账单。

Anthropic 的五个滑块摆在屏幕上。控制台属于社会。

参考资料

1. Anthropic Institute，Scenarios for our Economic Future

https://www.anthropic.com/institute/econ-scenarios

2. Korinek 等，Economic Scenarios for Transformative AI

https://www-cdn.anthropic.com/files/4zrzovbb/website/cf58f84d46a4a76bf5a5b039ac695fba6b80041c.pdf

3. Anthropic，Anthropic Economic Index

https://www.anthropic.com/economic-index

4. Anthropic，Economic Futures

https://www.anthropic.com/economic-futures