Anthropic 经济情景研究：AI 会怎样重塑美国经济（三个情景 + 公众预期调查）
来源：Anthropic 经济团队的 Econ Scenario Explorer v1.0（2026 年 9 月），配套技术报告 Economic Scenarios for Transformative AI（Korinek、Chad Jones、Sacher 等）。外部评审包括 Acemoglu、Autor、Restrepo、Romer、Nakamura 等 18 位经济学家。
方法：把经济拆成"任务包"，AI 对每个任务的作用分四类 —— 不变、增强、自动化、创造新任务。情景差异来自三件事：能力进步速度、产业与工人的采用速度、收益分配机制。报告明确声明模型不含政策响应、商业周期、总需求冲击、灾难风险，是"思考工具"而非精确预测。
一、三个情景（终点 2030 年，2025 年价格）
| 维度 | 温和 Modest | 实质 Substantial | 极端 Extreme |
|---|---|---|---|
| 类比 | 类似互联网 | 大于互联网/铁路 | 递归自我改进 |
| 2030 GDP | +1.6%（$34.1T） | +8.3%（$36.3T） | +32.4%（$44.4T） |
| 年增速 | 常态 | 常态 2 倍 | 15%（4.5 年翻倍） |
| 劳动份额 | 59.4% | 56.1% | 45.2% |
| 资本份额（变化） | 40.6%（+0.6pt） | 43.9%（+3.9pt） | 54.8%（+14.8pt） |
| 知识工作者工资 | 上升 | 基本持平 | 下降 >10% |
| 失业 | 历史区间 | 约 5% | 超出衰退水平 |
- 温和：AI 影响类似互联网，有真实收益但在宏观数据中几乎看不出
- 实质：到 2030 年 AI 能完成一半的知识工作，其中多数自主完成，但未被全部采用；知识工作者需要跨职业转换（如程序员转电工、护士）
- 极端：AI 在绝大多数知识任务上比人更具生产力、近乎全自主，且不为人类创造新的知识任务；需要递归自我改进的系统 + 快速采用
二、公众预期（2026 年 8 月调查，公众 n=10,980、网站访客 n=25,172）
- 典型受访者的预期最接近"实质情景"：2030 年 GDP 比无 AI 情境高 10%、总失业率升至 约 5%
- 约 10% 受访者的观点对应"极端情景"
三、四个发现
- GDP 在所有情景都增长，但幅度从 +1.6% 到 +32.4% —— 社会整体更富，但更大份额流向资本
- 职业再分配：转型越深，越多工人需要换职业；换职业的摩擦推高失业
- 工资增长集中在非知识工作：三情景平均工资都涨，但知识工作者从"涨"到"平"再到"跌超 10%"
- 饼变大，资本拿更多：极端情景劳动份额降至 45.2%，总劳动收入到 2030 年几乎未变 —— 核心挑战不是增长，而是收益能否被广泛分享
四、投资 / 产业视角
- 这是"AI 的分配问题"第一次被前沿模型厂自己量化：Anthropic 把"劳动份额 -14.8pt"这类对自身叙事不利的数字摆上台面，说明安全与政策话语正从"存在风险"转向"分配与就业"，这将成为 AI 监管讨论的新抓手
- 对资产配置的含义：极端情景等价于"资本回报 >> 劳动收入"的加速版 → 权益（尤其资本密集的算力/基础设施）相对受益；但总需求侧的脆弱性（工资不涨 → 消费承压）是长期尾部风险，与"AI capex 无限扩张"的线性叙事存在张力
- 对人力资本敏感的行业：法律、金融、软件、专业服务等知识密集行业的中期定价与人力结构需要重估；反之体力/线下服务业相对受益
- 时点值得注意：该研究紧随 Amodei 9/12 的"放缓前沿"长文发布。两件事叠加看，Anthropic 正在系统性地把"AI 冲击社会"的叙事前置，且与其 IPO 时点高度重合 —— 需要区分"研究诚意"与"叙事管理"