Anthropic推演2030年AI经济：增长可能狂飙，知识工作者却未必受益

Anthropic推出的“经济情景探索器”（Economic Scenario Explorer），试图回答一个容易被忽略的问题：如果AI能力、采用速度、自动化程度、新任务创造和劳动者转行难度各不相同，2030年的美国经济会怎样？

它给出的不是预测，更不是对未来下注。Anthropic明确表示，温和、显著和极端三种情景都只是用于比较不同假设后果的条件推演，没有附带发生概率。12

但模型传达的核心信息很直接：AI带来的产出增长，与劳动者能否普遍分享到收益，是两回事。 在自动化推进更快的设定中，经济总量增长更强，知识工作者却可能面对工资走弱、跨职业转岗更困难，以及劳动在国民收入中所占份额下降。12

三种2030年情景：GDP越高，劳动市场未必越好

情景	核心假设	2030年GDP	主要劳动市场结果
温和	AI的总体影响大致类似互联网，采用过程较为渐进。	按2025年价格计为34.1万亿美元，较无AI路径高1.6%。	失业率仍接近历史常态；劳动收入份额约为59.4%，与模型60%的起点相近。12
显著	到2030年，AI能够完成约一半知识工作，其中很大一部分可自主完成，但并未覆盖所有此类工作。	36.3万亿美元，较无AI路径高8.3%。	增长速度约为正常水平的两倍；但知识工作者工资整体上大致持平，其他职业劳动者的增益更明显。12
极端	AI在绝大多数知识工作任务上优于人类，几乎可自主完成全部此类任务，几乎不产生新的知识型任务，并被迅速采用。	44.4万亿美元，较无AI路径高32.4%。	年增长率约达15%；知识工作者工资下降逾10%，劳动收入份额降至约45.2%。12

其中，“极端”情景本来就是刻意设置的非常规案例。Anthropic称，要出现这种结果，很可能需要具备递归自我改进能力的AI，而非仅仅延续当前AI部署趋势。12

为什么GDP更高，不代表劳动者处境更好

该模型将职业分为两类：一类是AI直接影响的认知型或知识型职业；另一类则是更依赖体力、现场服务或线下操作的职业。AI可能增强人类能力、替代既有任务，也可能创造新任务；最终就业结果取决于这几股力量如何相互抵消，而不只是“替代了多少岗位”的单一数字。1

当AI替代认知型任务时，模型可能呈现出知识型职业工资下降、相关岗位就业减少，以及劳动者在寻找新工作期间失业等结果。冲击幅度尤其取决于几个假设：工资是否具有刚性、企业创造职位空缺的速度，以及劳动者能否跨职业流动。1

这意味着，在这套推演里，“再培训”不是自动生效的万能解法。被AI冲击而离开知识型职业的劳动者，并不会被假定能立刻找到薪酬和条件相当的新工作。1

体力与服务职业为何相对受益，资本为何拿走更多

在显著和极端情景中，体力与服务类职业显得相对更受保护，原因是模型没有纳入先进机器人技术。随着AI提振其他领域需求，这些职业相对不易被替代，工资与就业前景可能改善。1

不过，这只是模型范围内的结果，并不意味着此类职业会永久免于自动化。

另一方面，劳动收入份额下降，对应的是资本所有者获得更多产出份额。极端情景中，劳动收入份额从60%降至约45.2%，意味着AI驱动的高速生产收益会更大幅度地流向资本。12

因此，这个模型最尖锐的警示不在于“有没有增长”，而在于增长如何分配：经济可以快速扩张，但收益可能高度集中，而最直接暴露于认知自动化的劳动者会失去议价能力。

失业率要分清：总体失业与知识工作者失业不是一回事

极端情景不能被概括为“全社会失业率17.9%”。这个数字指的是模型中的认知型或知识工作者失业率。一篇同期报道的情景总结称，该情景的总体失业率为11.9%，而知识工作者失业率为17.9%。45

这一区分很重要。模型中的冲击主要集中在AI能够直接完成大量任务的职业；而模型因未纳入先进机器人技术，使其他职业劳动者相对受到隔离。1

超过1万名美国人预期了什么

Anthropic表示，探索器允许参与者将自身假设与超过1万名美国人的看法进行比较。23

按Anthropic披露的调查比较结果，典型受访者的假设所推导出的结果，接近但略强于“显著”情景：到2030年，GDP较无AI路径高约10%，总体失业率接近5%。约10%的受访者给出的输入条件，大致与极端情景一致。2

这些数据衡量的是预期，并非概率。参与者对未来AI能力、采用率、自主程度、任务创造和职业转换难易度作出判断，模型再将这些输入转化为经济结果。12

如何理解它与Evan Hubinger的AI灭绝风险警告

Anthropic对齐科学负责人Evan Hubinger称，他个人认为，未来十年AI导致全人类死亡的概率“超过10%”。这不是经济情景探索器中任何一种结果的概率，也不是该探索器给出的官方概率判断。他同时表示，Anthropic尚未有解决超级智能对齐问题的方案，也不清楚目前是否正朝这一目标取得足够进展。31

两者处在不同层面：

• 经济情景探索器讨论的是：在美国经济持续正常运转至2030年的前提下，特定AI假设会如何改变产出、就业、工资和收入分配。1
• Hubinger的说法讨论的是一种灾难性尾部风险：若足够强大的AI失去对齐，人类社会是否可能根本无法抵达那个可供经济模型推演的正常未来。31

所以，极端情景中44.4万亿美元的GDP，不应被理解成美国经济的期望值预测。Anthropic的框架明确将其定义为条件性说明，而非预测，并且不赋予情景发生概率。1

模型还排除了多项可能显著改变结论的因素，包括政策反应、商业周期、先进机器人、AI投资泡沫以及存在性风险。1 有些遗漏因素可能缓和冲击，例如有效的再分配机制、劳动市场制度或更好的转岗支持；另一些因素则可能使局面恶化，甚至让传统GDP预测失去意义。

最值得带走的结论不是“15%的年增长必然到来”，也不是“个人灭绝风险判断已经确立了AI灾难的已知概率”。而是：快速的认知自动化提出了两个必须分别回答的问题——在一个仍能正常运行的经济体中，收益将如何分配；以及，先进系统是否足够安全，以至于那个经济未来本身仍有意义。131