Anthropic 經濟團隊發布了一份工作論文 《變革性 AI 的經濟情境》，並推出互動式情境探索工具，分析 AI 能力與採用情況到 2030 年可能如何影響 GDP、薪資、就業與勞動所得占比。

這套框架採用以任務為基礎的總體經濟模型建立，目的並非進行預測，而是將少數可衡量的變數轉化為可比較的經濟結果。這些變數包括 AI 能夠執行的任務占比、部署程度、每項任務的生產力提升，以及自動化與增強之間的平衡。這也使論文中的假設格外重要：觀察到的 AI 使用情況、任務能力、勞工轉職以及資本供給的變化，都可能帶來實質不同的結果。

論文提出三種情境。在溫和情境下，AI 的經濟影響類似網際網路。2030 年 GDP 比無 AI 軌道路徑高 1.6%，年度成長率達到 2.4%，失業率僅上升十分之一個百分點。

重大情境反映了金融機構在 2023 年流傳的預測。在這一路徑下，到 2030 年 AI 將執行約一半的知識型工作，GDP 比無 AI 路徑高 8.3%，年度成長率達到 5.4%。知識工作者的薪資基本持平，而其他領域的薪資則上升。

極端情境假設具備遞迴自我改進能力的 AI 被快速採用。GDP 年成長率達到 15.4%，經濟規模擴大 32%，社會財富大幅增加。然而，勞動所得占比將從 60% 降至 45%，認知型工作者薪資比趨勢低 11.5%，認知型失業率達到 17.9%，整體失業率則升至 11.9%，高於戰後紀錄。

模型還發現，即使在極端情境下，AI 對創新驅動成長的貢獻仍然有限，因為研究持續受到實體任務的限制。

Anthropic’s Economics team is sharing a new model of how AI might affect economic growth, jobs, wages, and more by 2030. Explore the scenarios, tell us what you think will happen, and see how your answers compare to more than 10,000 Americans. — Anthropic (@AnthropicAI) September 9, 2026

大眾預期與重大情境一致

為補充模型，Anthropic 在 8 月針對 10,980 名美國成年人進行調查，了解他們對 AI 能力、採用情況、生產力影響及重新就業前景的看法。受訪者的中位數預期是，到 2030 年 AI 將能執行八項基準任務中的六項，範圍從例行商務通信到軟體開發。受訪者也預期 AI 將部署於 40% 的可行任務，並估計失業勞工約需八個月才能在新職業中找到工作。

將這些中位數回答代入模型後，產生的結果接近重大情境：GDP 比無 AI 路徑高 8.6%，失業率約為 4.6%。不過，預期存在相當大的差異。約 10% 的受訪者持有與極端情境一致的看法，而 40% 的受訪者表示，由 AI 驅動、達到諾貝爾獎等級的發現永遠不會出現。

作者指出，由於各路徑共享目前的 AI 使用量測結果，情境之間幾乎所有差異都會在 2027 年之後出現。敏感度分析找出兩項主要變數。資本供給的彈性會影響收益由勞工還是資本所有者取得；薪資僵固性則會影響認知型工作者是透過薪資下降還是失業來承擔成本。隨著各種情境發展，這些指標，以及失業勞工轉入新職業所需的時間，都是比較實際結果與模型路徑時需要關注的主要條件。

在極端情境下，即使 GDP 擴大三分之一，整體勞動所得仍大致不變。因此，幾乎所有收益都歸於資本。若要補償知識工作者，需要相當於 GDP 約 9% 的移轉支付，規模約等同於 Social Security 與 Medicare 的合計。論文表示，歷史上沒有技術驅動、達到如此規模的所得重新分配先例。

根據 Anthropic，這套框架旨在為公司的研究資助與政策提案提供參考，以確保 AI 帶來的經濟利益能廣泛共享。