Anthropic把 AI 对经济的影响拆成三种未来：经济增长都可能加快，知识工作者的工资和岗位却未必同步增加。这个模型真正提出的问题，是增长由谁创造、收益由谁拿走，以及转岗速度能否跟上自动化速度。
ECONOMIC FUTURES
GDP可以快速变大，个人收入却可能与它分道扬镳。
01
一份模型，先把职业拆成任务。
Anthropic Institute 的 Economic Scenario Explorer 以美国经济为对象。模型把每个职业看成一组任务。护士查房、抽血、分诊、记录生命体征、安排物资，构成了护士这份工作的不同部分。AI可以辅助其中一些任务，也可能自动完成另一些任务。
职业因此不会以一个整体突然消失。任务会离开原来的工作组合，也会因为新技术加入新的任务。过去没人需要远程监测病人，今天这已经成为医疗工作的一部分；未来，护士还可能需要检查 AI 的分诊结果和护理方案。
模型把每一次任务执行都计入经济活动。Anthropic 页面估算，美国过去一年由人、机器和软件共同完成的任务创造了超过 30 万亿美元的价值。
02
三种情景，差别落在增长速度和岗位去向。
温和情景里，AI带来的影响接近互联网。生产率确实提高，宏观数据里的变化仍在历史技术进步的范围内，经济收益逐步出现。
显著情景里，AI到 2030 年能够完成约一半知识工作，其中大部分由系统自主完成。企业并没有把所有可以自动化的任务都交给 AI，经济增速约为正常水平的两倍。知识工作者的工资大体停留在原地，其他劳动者获得更多需求带来的收益。
极端情景把假设推到更远。AI在绝大多数知识工作任务上超过人类，几乎全部自主完成，同时很少产生新的知识工作。
同一套技术可以同时带来更高的总产出，以及更差的知识工作就业前景。
03
总量增长之后，工资分配出现分岔。
模型比较了三个情景的工资结果。平均工资都上升，但增幅主要集中在知识工作之外的职业。
AI提高知识工作的生产率后，基础设施、施工和其他实体经济活动可能获得更多需求。相关岗位的工资随之上涨。
知识工作者面对的压力来自另一条路径。自动化减少了部分任务对人的需求，转岗又需要学习新技能、寻找新雇主和适应新的职业身份。转岗越集中发生，处于失业状态的人就越多。
在显著情景中，知识工作者工资基本持平；在极端情景中，知识工作者工资到 2030 年可能下降超过 10%。同时，经济中流向资本的份额上升。今天每创造 1 美元产出，大约 60 美分流向劳动者，40 美分流向资本；自动化扩大资本的使用范围后，新增财富会更多流向拥有计算资源、技术资产和企业股权的一方。
Anthropic 调查了超过 1 万名美国人。典型受访者的答案接近“显著变化”情景。到 2030 年，GDP 比没有 AI 时高约 10%，总体失业率升至约 5%。
04
最极端的风险，是经济变富而就业变窄。
Anthropic 的极端情景呈现了另一种组合。AI让社会拥有更多产出，知识工作岗位却快速减少，失业率超过历史衰退时期的常见范围。
这会改变政策问题的性质。短期失业可以靠失业保险、培训和岗位匹配缓冲。持续性的职业重组，需要更长的收入支持，也会重新打开劳动收入与资本收益的分配讨论。Anthropic 在相关政策文件中列出工资保险、扩大失业保障、公共投资、资本账户、主权财富基金和数字红利等方向。这些仍属于政策研究和讨论中的方案。
模型也提醒读者看更宽的指标：失业率之外，还要观察劳动参与率、就业不足、工资，以及劳动收入在国民收入中的占比。一个人保住了职位，工资、稳定性和工作质量仍可能下降。
05
这不是预测表，读法更像一张压力测试图。
Economic Scenario Explorer 把“AI会不会抢走工作”改写成几个可追踪的问题。哪些任务被辅助，哪些任务被自动化。新任务出现得多快，企业采用 AI 的速度如何，劳动者转向新职业需要多久。
它的边界也写在页面上。1.0 版本没有纳入政策回应、商业周期、总需求变化、金融市场冲击和灾难性风险，也没有模拟人形机器人等物理劳动技术。极端情景被部分外部评审者视为思想实验，温和情景也被另一些评审者认为低估了已经出现的变化。
因此，最值得留下的判断很具体：AI带来的增长速度，不能直接替代对工资、岗位转换和劳动收入占比的观察。GDP曲线向上时，知识工作者的收入和就业仍可能向下；两条线从什么时候开始分叉，会成为下一阶段最重要的经济信号。
来源：Anthropic Institute《Economic Scenarios for Transformative AI》互动页面；Anthropic 经济政策框架；Anthropic Economic Futures 相关研究资料。