Anthropic推演2030年美国经济：AI时代，钱继续流向有钱人

到 2030 年，如果 AI 已经能够自主完成大量工作，美国经济会发生什么？AI 会让我们变得更富有？还是带来更多失业?

Anthropic 最新发布的一份经济学报告，给出了一个看似有些矛盾的答案：两种情况可能同时发生。在报告设定的最极端情景中，到 2030 年，美国 GDP 将比没有 AI 的基准路径高出 32.4%，当年的经济增速达到 15.4%。如果这样的增速能够持续，人均收入大约每 5 年就可以翻一番。

但同样是这个情景下，劳动力市场却呈现出另一幅景象：认知型职业的就业规模相比 2026 年中减少 21.5%，这一群体的失业率升至 17.9%，整个经济的失业率也达到 11.9%。与此同时，认知型职业的工资水平还将比无 AI 路径低 11.5%。

更值得注意的是，经济增长带来的新增收入，并不会按照过去的比例在劳动和资本之间分配。报告推演显示，在极端情景下，劳动收入占 GDP 的比重会明显下降，资本收入占比则超过一半。也就是说，收入更多流向了资本，而不是那些曾经创造增长的人。

不过，这并不是 Anthropic 对 2030 年的预测，而是通过建立一套经济模型，将不同的 AI 能力、采用速度和自动化程度代入其中，观察 GDP、工资、就业、失业率和收入分配可能如何变化。

研究团队据此设置了 Modest（温和情景）、Substantial（显著情景）和 Extreme（极端情景）三种路径，从 AI 只影响少量任务，一直推演到 AI 在几年内大规模自动化认知型工作的情况。

AI 如何改变劳动需求

要理解这个看似矛盾的答案是怎么被同一套逻辑推导出来的，得先回到一个更基础的问题：AI 冲击的到底是职业，还是别的什么？

过去讨论 AI 对就业的影响，一个常见的做法是统计有多少职业暴露于 AI。但职业并不是一个不可拆分的整体，同一个岗位里，有些任务可能被 AI 完全自动化，有些只能被辅助，还有一些涉及物理操作或人与人的互动，短期内仍很难交给 AI。

以护士为例，照护患者、记录信息和安排工作，都属于同一职业中的不同任务。AI 可能帮助完成其中一些环节，却无法接手整份工作。与此同时，检查 AI 输出等工作，也可能形成新的任务。

（来源：Anthropic）

因此，Anthropic 没有直接预测哪些职业会消失，而是从更细的任务层面建模。他们基于美国劳工部 O*NET 职业数据库，将不同职业拆解成具体任务，再判断其中哪些可能不受 AI 影响、哪些会被 AI 增强、哪些可能被自动化，以及 AI 发展是否会同时创造新的任务。

在这一框架下，美国劳动力被大致分为两组。一类是管理、专业技术、销售和办公室等可能直接受到 AI 影响的认知型职业，约占美国就业人口的 62.4%；另一类则包括建筑、电工等更多依赖现实世界操作的职业。模型假设，到 2030 年，后者的核心物理任务不会被 AI 直接自动化。

而真正决定最终经济走向的，是几个环环相扣的变量：AI 到底能完成多少任务，企业实际会采用多少，其中有多少属于辅助人类、多少属于直接自动化，以及 AI 能将这些任务的生产率提高多少。此外，模型还考虑了一个重要的现实摩擦：被自动化影响的劳动者需要多长时间，才能转向其他职业重新找到工作。

研究团队利用美国当前人口调查（CPS）等劳动力市场数据校准正常时期的求职、失业和职业转换情况，再为三种情景设置不同的再就业难度。工资调整速度也被纳入模型：如果工资下降较慢，劳动需求减少会更多表现为就业下降；如果工资调整更快，则更多体现为工资变化。三种情景都以 2026 年中的观测值为共同起点。

三种情景，从 4% 的任务受影响，到 30%

温和情景假设，到 2030 年，AI 的能力可以覆盖约 20% 的全经济任务，但企业实际只在其中约五分之一的场景中采用，因此最终真正受到 AI 影响的任务只有约 4%。这些应用中，一半用于增强人类劳动，一半实现自动化。同时模型还假设，每自动化两个单位的任务，会产生约一个单位的新知识劳动任务。

在这组条件下，AI 对宏观经济的影响相对有限。到 2030 年，美国 GDP 比无 AI 基准路径高 1.6%，当年 GDP 增速从约 2% 提高到 2.4%；平均工资比无 AI 路径高 0.7%，其中认知型职业工资高 0.4%。

认知型职业就业比 2026 年中低 0.5%，整体失业率从无 AI 情况下的 3.8% 上升至 3.9%。劳动收入占 GDP 的比例由 60% 小幅下降至 59.4%。报告将这种情况描述为 AI 仍然是一项相对“小”的技术，经济整体继续沿着接近正常的路径运行。

到了显著情景，变化开始明显。报告将这一情景中的 AI 称为一项“关键技术”，其宏观经济影响已经超过互联网。

此时，AI 已经能够覆盖约 30% 的全经济任务，企业采用率提高到 40%，最终约 12% 的全经济任务受到 AI 影响。更重要的是，其中约四分之三已经不是人借助 AI 工作，而是任务被直接自动化；每自动化四个单位的任务，模型设定产生约一个单位的新知识劳动任务。

在这一情景下，到 2030 年，美国 GDP 比无 AI 基准高出 8.3%，当年增速达到 5.4%。平均工资比基准高出 2.1%，但知识工作者工资略低于基准，其他职业工资则高出 5.9%。

就业也出现分化。知识工作岗位相对 2026 年中减少 3.9%，总体失业率达到 4.6%。经济活动扩大，并没有使每一类劳动的需求同步增加。

（来源：Anthropic）

真正把这种趋势推到极端的，是第三种极端情景。

在这一情景中，到 2030 年，AI 的能力可以覆盖全经济约 50% 的任务，企业又快速采用其中 60%，最终约 30% 的全经济任务直接受到 AI 影响，大致相当于今天知识工作任务的一半。这些任务的生产率达到原来的约 2.2 倍，90% 的 AI 使用属于自动化，模型同时将新增知识劳动任务的补偿设为零。

在这组假设下，到 2030 年，美国 GDP 比无 AI 路径高 32.4%，当年 GDP 增速达到 15.4%。报告指出，如果这样的增速能够持续，美国人均收入将大约每 5 年翻一番，而过去一个世纪，美国人均收入翻一番平均需要约 35 年。

但模型同时给出了另一组结果：认知型职业工资比无 AI 路径低 11.5%，其他职业工资高 33.6%；认知型就业相比 2026 年中减少 21.5%，相关劳动者失业率达到 17.9%，整个经济的失业率达到 11.9%。

收入结构的变化也达到三种情景中的最大幅度。劳动收入占 GDP 的比例从 60% 降至 45.2%，资本收入占比升至 54.8%。虽然 GDP 比无 AI 路径高出约三分之一，但全社会劳动收入总额仅比无 AI 情况高 0.5%，资本收入则高出 81.4%；其中认知型职业的工资总额低 31%。

（来源：Anthropic）

报告还进行了一项补偿性测算：如果希望让认知型劳动者获得的总收入维持在无 AI 情景下的水平，需要进行大约相当于 GDP 9% 的转移。报告称，这一规模大致相当于美国 Social Security 与 Medicare 两项计划的总和。

美国公众的判断更接近显著情景

除了人为设定的三组参数，Anthropic 还试图了解，如果直接把公众对于未来 AI 的判断输入模型，会得到怎样的结果。

今年 8 月，Anthropic 调查了 10,980 名美国成年人，询问他们对 2030 年 AI 能力、实际采用率、自动化程度、生产率提升以及劳动者再就业速度的判断。

调查显示，受访者对 AI 能力的预期并不低。他们认为，到 2030 年，AI 能够完成八类认知任务中的六类，对应模型中的能力参数约为 44%；但他们预计，企业真正使用 AI 的范围只占其可胜任任务的约 40%。换言之，AI 能力提升的速度，可能明显快于其在现实经济中的扩散速度。

（来源：Anthropic）

将这些回答代入模型后，得到的中位数结果整体接近显著情景：到 2030 年，美国 GDP 比无 AI 基准路径高 8.6%，当年 GDP 增速约为 5.3%；认知型就业相比 2026 年中减少 4.2%，整体失业率约为 4.6%。

不过，Anthropic 反复强调，无论这组调查结果还是此前三个情景，都不是对 2030 年的预测。温和情景、显著情景和极端情景均没有被赋予发生概率，它们主要用于比较不同 AI 能力、采用速度和自动化程度下可能出现的经济结果。

报告也同时列出了这套模型的若干边界。

首先，它只模拟 AI 对认知任务的直接影响，没有纳入未来几年机器人技术快速进步、进一步影响物理劳动的情况，这也是研究没有继续推演到 2030 年之后的重要原因；其次，模型没有考虑灾难性风险、政治经济因素、商业周期、金融市场冲击，也没有完整处理价格刚性引发的需求变化；此外，劳动者之间的差异同样被大幅简化，模型只区分两大职业群体，没有进一步细分年龄、教育程度、地区、企业 AI 采用能力等因素。

因此，到 2030 年，美国经济究竟更接近温和情景、显著情景还是极端情景，取决于未来几年 AI 能够完成多少任务、实际被采用多少、能够带来多大生产率提升，以及劳动市场以多快的速度完成重新配置。

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

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

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成