AI讓經濟更快成長，未必讓勞工一起受益

Anthropic推出的「經濟情境探索器」，是用來推演：在不同的AI能力、採用速度、自動化程度、新工作任務生成，以及勞工轉職難易度假設下，美國經濟到2030年可能變成什麼樣子。

最重要的前提是：**這不是預測，也沒有替「溫和」、「顯著」或「極端」三種情境標上機率。**它的用途是讓不同假設所導向的經濟結果可以並列比較。12

模型想提醒的核心其實很直接：**GDP成長更快，不等於勞工會更普遍地受益。**AI自動化愈快，整體產出可能愈高；但知識工作者也可能面臨薪資停滯甚至下降、更艱難的轉職過程，以及勞動所得在整體經濟中所占比重縮小。12

三種2030年情境：成長與分配可能走向不同方向

情境	核心假設	2030年GDP	主要勞動市場結果
溫和	AI的影響大致類似網際網路，採用速度循序漸進。	34.1兆美元（以2025年價格計），比無AI路徑高1.6%。	失業率維持在歷史常見區間；勞動所得占比約59.4%，接近模型起點的60%。12
顯著	至2030年，AI可處理約一半知識工作，其中大部分可自主完成，但實際上不會被用於所有這些工作。	36.3兆美元，較無AI路徑高8.3%。	成長速度約為正常水準兩倍，但知識工作者薪資大致持平，其他職業的勞工則獲得較多加薪。12
極端	AI在大多數知識工作任務上勝過人類，幾乎可自主完成全部相關任務，幾乎沒有新的知識工作任務產生，且企業快速採用。	44.4兆美元，較無AI路徑高32.4%。	年成長率約15%，但知識工作者薪資下跌逾10%，勞動所得占比降至約45.2%。12

「極端」情境本來就是刻意設計得非常特殊的壓力測試。Anthropic指出，這種結果很可能需要AI具備遞迴式自我改進能力，而非只是延續當前部署趨勢。12

為何GDP變高，勞工不一定過得更好？

模型把職業粗分為兩類：一類是AI在模型中直接衝擊的認知／知識型職業；另一類則是更仰賴實體操作、現場服務或面對面互動的工作。AI可能協助人類提升效率、取代部分任務，也可能創造新任務；最終的就業結果，取決於這幾股力量如何拉鋸，而非單看「多少職位被取代」。1

當AI替代認知型任務時，模型可能出現知識工作者薪資下滑、知識型職業就業減少，以及勞工在尋找其他職業工作期間失業等結果。轉型衝擊的大小，尤其取決於薪資是否僵固、企業開出職缺的速度，以及勞工能否順利跨職業流動。1

因此，在這個模型裡，再訓練不是自動生效的萬靈丹。從知識工作被擠出的勞工，並不會被假定能立刻找到薪資與條件相當的新工作。1

實體服務工作與資本持有者，為何可能反而受益？

在「顯著」與「極端」情境中，實體與服務型職業相對受到保護，原因是模型沒有納入先進機器人技術。當AI帶動經濟其他部分的需求時，這些工作相對稀缺，薪資與就業前景可能改善。1

但這只是模型範圍造成的結果，不代表這類工作永遠不會被自動化。1

另一方面，勞動所得占比下降，意味著更多產出流向資本持有者。在極端情境中，勞動所得占比從60%跌至約45.2%；也就是說，AI帶來的快速生產力收益，會更集中地歸於資本。12

這也是模型最尖銳的警訊：一個經濟體可以高速擴張，但收益高度集中，而最直接暴露在認知自動化下的工作者，反而失去議價能力。

失業率要分清楚：17.9%不是全體失業率

極端情境不應被簡化為「全美失業率17.9%」。這個數字指的是模型中的認知／知識工作者失業率。一份同期報導整理指出，該情境下的整體失業率為11.9%，而知識工作者失業率為17.9%。45

這個差別很重要：衝擊集中在AI能直接處理大量任務的職業；而其他職業則因模型排除先進機器人技術，而被設定為相對隔離於衝擊之外。1

超過1萬名美國人的預期落在哪裡？

Anthropic表示，探索器可讓使用者將自己的假設與超過1萬名美國人的看法比較。23依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」情境：2030年GDP約較無AI路徑高10%，整體失業率約5%。約有10%的受訪者提供了大致符合極端情境的輸入假設。2

這些數字反映的是人們的期待，不是情境發生的可能性。參與者回答的是對AI能力、採用、自主性、新任務生成與跨職業轉換難度的看法，再由模型把這些輸入轉換為經濟結果。12

如何看待Hubinger的滅絕風險警告？

Anthropic對齊研究主管Evan Hubinger表示，他個人認為AI在未來十年內「殺死所有人類」的機率超過10%。這不是經濟情境探索器對任何一種情境給出的機率；他同時表示，Anthropic目前尚未有解決超級智慧對齊問題的方案，也不明確處於能解決問題的軌道上。31

兩者討論的是不同層次的問題：

• 經濟探索器問的是：假如美國經濟持續正常運作至2030年，在特定AI假設下，產出、就業、薪資與所得分配會怎麼變？1
• Hubinger的說法則關乎一種災難性的尾端風險：足夠強大卻未對齊人類目標的AI，是否可能使這種正常的經濟未來根本無法發生？31

因此，極端情境的44.4兆美元GDP，不是美國經濟的期望值預測。Anthropic明確將這些結果視為條件式示例，而非預測，且沒有為它們賦予機率。1

模型也刻意排除了多項可能大幅改變結果的因素，包括政策回應、景氣循環、先進機器人、AI投資泡沫，以及存在風險。1有些遺漏因素可能減輕衝擊，例如有效的重分配政策、勞動市場制度與更好的轉職支持；另一些則可能使衝擊惡化，甚至讓傳統GDP預測失去意義。

最值得帶走的結論不是「15%年成長必然到來」，也不是Hubinger的個人估計已經確立AI災難的已知機率。而是快速的認知自動化同時拋出兩個不同問題：在一個持續運作的經濟裡，收益要如何分配；以及先進AI是否能被安全地控制與對齊，讓那個經濟未來本身仍有意義。131