讲讲这个吧https://www.anthropic.com/institute/econ-scenarios

这篇的核心是：AI 让社会更富，不等于让打工人更富；技术能力增长多快，也不等于岗位就会按同样速度消失。这是 Anthropic 在 2026 年 9 月推出的经济情景模拟器，讨论美国到 2030 年可能出现的变化。不是“预测未来一定怎样”，而是“假设 AI 能力、普及率等条件成立，会推导出什么经济结果”。一、它不是直接问“AI 会替代哪些职业”，而是先拆任务比如护士一天的工作包括给患者洗澡、抽血、记录体征、写出院指导、订购物资。这些任务受 AI 影响不一样：有的仍需人做，有的 AI 辅助，有的可以自动化，同时还可能新增“审核 AI 护理方案”这样的任务。因此，“AI 能完成某项任务”和“整个岗位消失”不是一回事。一个岗位最终需要多少人，取决于任务组合怎么变，以及效率提高之后，业务需求有没有扩大。模拟器重点看五个变量： AI 能做多少任务。企业和员工实际采用多少。其中多少能自主完成，而不是辅助人。 AI 能带来多大的生产率提升。失业者转到新职业需要多久。这里特别重要的是：能力、采用率、自主性，是三个不同的维度。模型会写代码，不等于企业已经接入；企业接入了，也不等于能无人负责地交付。二、三种情景，区别不只是“增长多少” 温和情景：类似互联网带来的渐进式改变。 2030 年美国 GDP 比“没有 AI 的基准情景”高 1.6%，劳动收入占 GDP 的比例为 59.4%。收益真实存在，但宏观上仍属于历史常见范围。显著情景：知识工作发生革命，但没有全面自动化。假设到 2030 年，AI 有能力处理一半知识工作，其中大部分可自主完成；但实际采用没有跟上，大多数知识工作任务仍不使用 AI。这一情景中，经济增长速度约为正常水平的两倍，2030 年 GDP 比基准高 8.3%。知识工作者工资基本不涨，其他职业工资上涨，劳动收入占比降至 56.1%。极端情景：绝大多数知识任务都能被高效、自主地完成，而且几乎不产生新的、需要人做的知识任务。文章认为，这可能需要递归自我改进的 AI 加上快速普及。这一情景中，年 GDP 增速达到 15%，2030 年 GDP 比基准高 32.4%；但知识工作者工资相对无 AI 基准下降超过 10%，失业超过通常衰退时期的水平，劳动收入占比降至 45.2%。注意，1.6%、8.3%、32.4% 是 2030 年 GDP 相对基准的差额，不是三个情景的年增长率。三、为什么经济增长，知识工作者反而可能吃亏？文章给了一个很直观的例子： AI 让基础设施的设计和许可流程变快，更多建设项目得以开展，于是建筑工人的需求增加，工资上涨。但完成设计等知识任务所需的人力，可能减少。也就是说，某一职业生产率提升带来的收益，不一定留在这个职业的劳动者手里。收益可能流向下游互补职业，也可能流向资本所有者。这也是文章最值得注意的区分：平均工资上涨，不等于每类人的工资都上涨。 GDP 上涨，不等于劳动者分到的比例上涨。劳动收入占比下降，也不必然意味着劳动收入绝对额下降。在极端情景中，经济大幅扩张，但到 2030 年劳动总收入几乎没变，新增收益主要流向资本。争论的重点就从“能不能创造财富”，转向“财富由谁获得”。四、岗位转移不是一句“去做新工作”就能解决模型里，受冲击的程序员、呼叫中心员工，可能需要转向电工、护士等较少受 AI 影响的职业。但职业之间不是无摩擦切换：需要重新学习、获得资格、找到岗位，当事人也不一定愿意转。所以，哪怕另一类职业有需求，仍可能出现持续失业。AI 替代速度越快，劳动者转岗越慢，中间的冲击就越大。这篇不是只讨论“最后有没有新岗位”，也讨论“走到那个新均衡之前，人会失业多久”。五、哪些地方不能直接当成结论？首先，它没有纳入高度智能机器人大规模出现的情景。因此，“体力工作相对受益”依赖模型边界，不能理解成体力职业永远安全。其次，它没有纳入政策响应、商业周期、潜在的总需求或金融市场冲击等因素。真实经济不可能只沿着技术变化这条线运行。更关键的是，外部审阅者直接质疑：受到 AI 影响的职业，究竟会收缩，还是可能因为需求扩大而增长？比如软件开发成本大幅下降，企业可能减少程序员，也可能启动过去不值得做的软件项目，增加开发需求。两股力量谁更强，不能仅凭“AI 编程越来越厉害”就确定。还有审阅者认为，极端情景更适合作为思想实验。文章也明确说明，参与审阅不代表这些经济学家认可其结论。我的理解是：这篇最有价值的不是那几个精确数字，而是把“AI 会不会导致失业”拆成了可讨论的机制——任务替代、需求扩张、新任务创造、采用速度、转岗摩擦和收益分配。它真正提醒的是：技术成功和劳动者受益，是两个需要分别解释的问题。原文：https://www.anthropic.com/institute/econ-scenarios