Anthropic經濟研究團隊9月30日發布報告《What work can robots do?》，作者是Russell Legate-Yang與Maxim Massenkoff。結論分成兩層：就技術能力而言，美國74%的體力類工作任務機器人已經做得到，這些任務占全部工時的34%；就成本而言，目前只有0.3%的任務交給機器人比雇用人力划算。
數據從哪裡來
基礎資料是美國勞工部的O*NET職業資料庫，涵蓋約900個職業、1.9萬項具體任務。研究團隊再搭配勞工統計局2025年職業就業與薪資資料、2026年雇主薪酬成本資料，以及2020至2024年的美國社區調查。替每項任務評估「機器人暴露度」、估算自動化成本的工作，則交給了Claude。
報告依環境受控程度，把體力任務分成四個等級：
- 專為機器人改造的環境(E1)，占勞動時間23%
- 具一定結構的人類工作場所(E2)，占10%
- 道路這類非結構化環境(E3)，占1%
- 機器人做不到的體力任務(E0)，占12%
暴露度最高的職業是計程車司機(指數2.2)，其次是接駁車司機與專職駕駛(2.0)，再來是倉儲、配送與包裝人員。報告也把機器人與大型語言模型放在一起看，結論是兩者合計，只有大約五分之一的工作完全不在暴露範圍內。
卡在哪裡
四類障礙中，能力缺口涉及約70%的任務，成本幾乎卡住全部任務，法規限制涉及14%的體力任務，民眾偏好由真人服務則涉及25%。報告特別點出靈巧操作這一項：
"Manipulation capabilities stand out: half of physical tasks wouldn't be automated at scale unless robots become more adept at touching and handling objects."
(譯文：操作能力格外突出，除非機器人更擅長碰觸與抓取物體，否則一半的體力任務無法大規模自動化。)
40年這筆帳
成本這一層，報告用歷史資料做了推算：機器人價格過去大約每年降3%，照這個速度，具成本競爭力的任務比例要從0.3%漲到10%，需要大約40年。
按同樣速度粗估，機器人價格大約23年才會減半，40年後約是現在的三成。照這個節奏，光靠硬體按部就班降價，離追平人力成本還差得遠，還需要單台機器能接的工作變多，或是部署與維護的開銷明顯下降。
報告也列出了自己的假設：所有任務套用同一個降價速度，暫不計入偏好與法規帶來的回饋效應，成本估計屬於「近似值」。人形機器人與具身AI模型這兩年募資熱絡，若靈巧手、訓練資料與整機成本的下降速度快於3%，40年這個數字會大幅縮短，報告並未針對這種情境另外測算。
暴露在風險中的是哪些人
和暴露度低的勞工相比，暴露度最高的五分之一族群中，女性比例低20個百分點，拉丁裔比例高16個百分點，擁有學士學位的比例低55個百分點，時薪約低30美元，失業率是對照組的兩倍以上。
這份研究只採用美國資料。中國大陸製造業與物流業的任務結構、人力成本、工廠自動化程度都和美國差異很大，0.3%與40年這兩個數字不能直接套用在中國大陸市場。
參考來源：Anthropic經濟研究報告、CocoLoop、美國勞工部O*NET資料庫說明文件；任務比例與工時占比以報告口徑為準，價格減半年限為按3%年降幅推算所得。