AI可以推高經濟，未必會令打工仔一齊受惠

Anthropic推出的「經濟情景探索器」（Economic Scenario Explorer），是用來推演：若AI能力、採用速度、自動化程度、新工作任務及勞工轉職流動性出現不同變化，到2030年美國經濟可能會怎樣。

首先要劃清界線：這不是預測。Anthropic沒有為溫和、顯著或極端情景分配任何發生機率；工具的作用，是把不同假設所帶來的後果攤開比較。12

最值得留意的訊息很直接：GDP增長，不等於收益會平均落到勞工手上。 在自動化速度最快的情景，經濟規模增長顯著，但知識工作者可能遇上工資受壓、轉行困難，以及勞動收入佔全國產出的比例下降。12

三個2030年情景：數字有幾大差別？

情景	核心假設	2030年美國GDP	主要勞動市場結果
溫和	AI的影響大致如互聯網，採用步伐循序漸進。	34.1萬億美元（按2025年價格），較無AI路徑高1.6%。	失業率維持在歷史常見範圍，勞動收入佔比約59.4%，接近模型起點的60%。12
顯著	到2030年，AI可處理約一半知識工作，當中不少可自主完成，但未會用於所有相關工作。	36.3萬億美元，較無AI路徑高8.3%。	經濟增速約為平常兩倍，但知識工作者工資大致持平，其他職業的勞工增薪較多。12
極端	AI在大多數知識工作任務勝過人類，幾乎全部可自主完成，幾乎沒有新知識型任務出現，而且企業迅速採用。	44.4萬億美元，較無AI路徑高32.4%。	年增長率約15%，但知識工作者工資跌逾10%，勞動收入佔比降至約45.2%。12

極端情景本身刻意設得非常進取。Anthropic形容，這大概需要會「遞歸式自我改進」的AI出現，而不是把現時的部署趨勢直接延長下去便會發生。12

點解GDP愈高，打工仔未必愈好？

模型把職業大致分成兩類：一類是AI直接影響較大的認知／知識型職業；另一類是較依賴體力、現場服務或面對面互動的職業。AI可以協助人提升效率、取代部分任務，也可以催生新任務；最終就業結果取決於這幾股力量如何拉鋸，不能只用「取代了幾多份工」來判斷。1

當AI替代認知工作任務，模型會出現幾種後果：知識職位工資下降、該類職位的就業減少，以及被取代的人在尋找其他職位期間失業。轉型有多痛，尤其取決於工資是否僵固、企業補充空缺有幾快，以及勞工能否跨職業流動。1

換句話說，轉職培訓不是模型中的自動解藥。它沒有假設一名失去知識型職位的僱員，可以即時找到薪酬相若的新工作。1

藍領、服務業與資本持有人會怎樣？

在顯著和極端情景中，體力及服務型職業看起來相對受保護，原因是模型沒有納入先進機械人。當AI帶動其他經濟活動需求，這些職位的工資和就業前景反而可能改善。不過，這只是模型範圍造成的結果，並不代表這些工作永久不會被自動化。1

相對地，勞動收入佔比下降的另一面，就是資本持有人分到更多產出。在極端情景，勞動收入佔比由60%跌至約45.2%，意味AI推動的額外產出會更大比例流向資本。12

因此，這個模型最尖銳的警告不是「經濟會不會增長」，而是增長由誰分享：經濟可以高速擴張，同時最直接面對認知自動化的勞工卻失去議價能力。

失業率要分清：全體勞工不是知識工作者

極端情景中的17.9%，不應說成全美整體失業率；那是模型中的認知／知識工作者失業率。一篇同時期的情景摘要指出，整體失業率是11.9%，而知識工作者失業率為17.9%。45

這個分別相當重要：衝擊集中於AI能直接完成大量任務的職業；模型又排除了先進機械人，因此其他職業在設定上相對較少受衝擊。1

超過1萬名美國人點睇？

Anthropic表示，探索器讓參與者把自己的假設，與超過1萬名美國人的看法比較。23 按Anthropic公布的調查比較，典型受訪者的假設推導出來的結果，接近但略強於顯著情景：2030年GDP較無AI路徑高約10%，整體失業率約5%；約一成受訪者輸入的假設，與極端情景大致一致。2

這些數字量度的是公眾預期，不是發生概率。參與者就AI能力、採用、自主性、新任務創造，以及轉職難易度給出看法，再由模型把這些輸入換算成經濟結果。12

如何理解Hubinger的滅絕風險警告？

Anthropic對齊科學主管Evan Hubinger稱，他個人認為AI在未來10年「殺死全人類」的機率超過10%。這不是探索器任何一個經濟情景的機率，也不是該模型給出的預測。他同時說，Anthropic目前仍未有解決超智能AI對齊問題的方案，亦未明確走在解決問題的軌道上。31

兩者其實問的是不同層次的問題：

• 經濟探索器問的是：假如美國經濟到2030年仍正常運作，指定的AI假設會如何改變產出、職位、工資和收入分配？ 1
• Hubinger的說法問的是：若出現能力極強而失去對齊的AI，會否令這種正常經濟未來根本無法發生？ 31

所以，極端情景的44.4萬億美元GDP，並不是美國的「預期值」預測。Anthropic明言，這些只是條件式示例，沒有附帶機率。1

模型亦沒有納入多個足以改變結果的因素，包括政策回應、商業周期、先進機械人、AI投資泡沫，以及存在風險。有效的再分配政策、勞工制度和轉職支援，可能減輕勞工衝擊；但經濟衰退、泡沫破裂、機械人進展或安全失控，亦可能令情況更差，甚至令傳統GDP推演失去意義。1

比較實際的結論不是「15%年增長必然會來」，也不是「AI災難已有確定的10%機率」。而是，快速的認知自動化帶來兩條必須分開處理的問題：在經濟仍能正常運作時，收益如何分配；以及先進系統能否安全到足以令那個經濟未來有意義。131