Anthropic经济学团队发布了一份工作论文《变革性AI的经济情景》，并推出互动情景探索工具，分析AI能力和采用情况到2030年可能如何影响GDP、工资、就业和劳动收入份额。

该框架基于任务型宏观经济模型构建，并不旨在进行预测。相反，它将一小组可衡量的变量转化为可比较的经济结果。这些变量包括AI能够执行的任务占比、部署范围、每项任务带来的生产率提升，以及自动化与增强之间的平衡。这一结构使论文中的假设尤为重要：AI使用情况、任务能力、劳动者转型和资本供给的变化，都可能产生实质不同的结果。

论文提出了三种情景。在温和情景下，AI对经济的影响类似于互联网。2030年GDP将比无AI轨迹高出1.6%，年度增长率达到2.4%，失业率仅上升十分之一个百分点。

显著情景反映了金融机构在2023年传播的预测。在这一发展路径下，到2030年AI将执行大约一半的知识工作，GDP将比无AI路径高出8.3%，年度增长率达到5.4%。知识型劳动者的工资基本保持不变，而其他领域的工资则会上升。

极端情景假设递归自我改进的AI被迅速采用。GDP年增长率达到15.4%，经济规模扩大32%，社会财富显著增加。然而，劳动收入份额将从60%降至45%，认知劳动者工资将比趋势水平低11.5%，认知劳动者失业率达到17.9%，总体失业率升至11.9%——超过战后纪录。

模型还发现，即使在极端情景下，AI对创新驱动型增长的贡献仍然有限，因为研究工作依然受到实体任务的限制。

Anthropic经济学团队正在分享一个关于AI到2030年可能如何影响经济增长、就业、工资等方面的新模型。探索这些情景，告诉我们你认为将会发生什么，并看看你的答案与超过10,000名美国人的回答有何不同。 — Anthropic (@AnthropicAI) September 9, 2026

公众预期接近显著情景

为补充模型，Anthropic于8月对10,980名美国成年人展开调查，了解他们对AI能力、采用情况、生产率影响以及重新就业前景的看法。受访者的中位数预期是，到2030年AI将完成八项基准任务中的六项，任务范围从日常商务通信到软件开发。受访者还预计，AI将部署于40%的可行任务中，并估计一名被替代的劳动者大约需要八个月才能在新职业中找到工作。

将这些中位数回答输入模型后，得到的结果接近显著情景：GDP比无AI路径高出8.6%，失业率约为4.6%。不过，公众预期存在较大差异。约10%的受访者持有与极端情景一致的看法，而40%的受访者表示，由AI驱动、达到诺贝尔奖级别的发现永远不会出现。

作者指出，由于各条路径共享当前AI使用情况的测量数据，情景之间几乎所有的差异都将在2027年之后显现。敏感性分析确定了两个主要变量。资本供给弹性决定劳动者还是资本所有者获得增长收益；工资刚性则决定认知劳动者是通过工资下降还是失业来承担成本。随着不同情景逐步展开，这些指标以及被替代劳动者转入新职业所需的时间，将是比较实际结果与模型路径时需要关注的主要条件。

在极端情景下，尽管GDP扩大三分之一，总劳动收入仍大致保持不变。因此，几乎所有收益都归于资本。若要补偿知识型劳动者，需要相当于GDP约9%的转移支付，规模大致相当于社会保障和医疗保险之和。论文称，技术驱动的如此大规模再分配在历史上没有先例。

据Anthropic介绍，该框架旨在为公司的研究资金分配和政策提案提供参考，以确保AI带来的经济利益能够广泛共享。