Anthropic 经济团队本月放出一套任务型经济模型和配套的情景浏览工具，推演 AI 到 2030 年对美国增长、就业和工资的影响。工具标的是 1.0 版，背后的论文署名 Korinek 等人。模型给出三档情景，没有给单一的中心预测值。
| 情景 | 2030 年 GDP | 相对增幅 | 失业率 | 知识工作者工资 |
|---|---|---|---|---|
| 温和 | 34.1 万亿美元 | +1.6% | 在历史区间内 | 持平或按行业上升 |
| 显著 | 36.3 万亿美元 | +8.3% | 升到约 5% | 基本持平 |
| 极端 | 44.4 万亿美元 | +32.4% | 升至历史高位 | 到 2030 年跌超 10% |
温和档对应的判断是 AI 的影响量级接近互联网，2026 到 2030 年间被替代的知识工作者占 2.5%。显著档假定 AI 到 2030 年能承担一半的知识工作且大部分自主运行，届时 59.7% 的知识工作者还留在原岗位，39.6% 转去其他工作，非知识工作者的工资反而上升。极端档要求出现能递归自我改进的 AI 并被快速采用，年度 GDP 增速摸到 15%，经济规模每 4.5 年翻一倍。
分配比总量变化得更快
三档里变化幅度最大的是分配。劳动与资本在 GDP 里的份额，温和档是 59.4% 对 40.6%，显著档 56.1% 对 43.9%，极端档 45.2% 对 54.8%——资本一侧比现在多出 14.8 个百分点，越过一半的线。
按三档的 GDP 数字粗算，极端档比温和档多出约 10.3 万亿美元的年产出，接近当前美国经济体量的三分之一。同一份模型里，这笔多出来的产出对应的是知识工作者工资下降一成以上、失业率升到历史高位。总量和分配在这套推演里并不同向，这是三档并列摆出来的主要作用。
模型怎么搭的
框架把经济表示为一束束任务，由不同职业执行，任务分类沿用美国劳工部的 O*NET 体系。AI 对任务的作用被拆成四种：不产生影响、增强（做得更快或更好）、自动化、以及创造出新任务。模型还纳入了任务级的生产率变化、职业间转换的成本与耗时、各行业采用速度的差异，以及资本对劳动的替代。
配套调查覆盖 10980 名受访者，中位预期与显著档吻合，约 10% 的人给出的判断接近极端档。
“The main challenge is not achieving economic growth, but making sure the benefits are broadly shared and the costs aren’t unequally dispersed.” 主要挑战不在于实现经济增长，而在于让好处被广泛分享、代价不被不均地分摊。
模型没装进去的东西
这份清单比情景本身更该看一遍。模型不含政策反应、经济周期、总需求或金融市场层面的扰动、灾难性风险、能力极强的机器人，也不追踪个体劳动者——只到职业总量这一层。此外，AI 高暴露职业本身可能出现的增长、数据中心建设带来的需求效应、以及技术进步速度自身的加快，都没有进模型。
作者的说法是：“Like every model, it is a stark simplification of a complex reality: it isolates a few key forces and omits many others that may become relevant.”
参考来源：Anthropic 官方经济研究页、CocoLoop；据模型说明核验三档的 GDP 口径、失业率与工资区间、劳动资本份额百分点及调查样本量，跨档差额为本站粗算。