Anthropic经济学团队发布AI经济情景模型，围绕三种剧本展开：温和渐进增长、GDP翻倍的重大变革、年增15%但知识工作者大量失业的极端情景
我看这套模型，最值得重视的判断是：AI推动经济增长，并不意味着劳动者的处境会同步改善。生产更多财富、创造更多岗位、提高劳动收入，是三个需要分别回答的问题。
据华尔街见闻转述，Anthropic经济学团队在2026年9月推出经济情景模型，分析AI对增长、就业和工资的影响，并开放交互工具。这套模型的价值，在于把不同假设的后果摆出来，让我们看清分歧究竟在哪里。
AI先改变任务，再改变职业
模型把一份工作拆成一组“任务包”。这个视角比直接讨论某个职业会不会消失，更有解释力。
以护士为例，身体照护仍需要人完成；出院指南和排班可以由AI辅助；生命体征记录、耗材订购等任务可能被自动化。同时，还可能出现审查AI分诊结果、评估AI护理计划等新任务。
因此，同一份工作里，人的任务可能减少，也可能变得更重要。最终结果取决于四股力量：哪些任务保留给人，哪些得到增强，哪些被替代，又有哪些新任务被创造出来。
我判断一个岗位的变化，会先看任务结构。只看AI能否完成其中某项工作，很容易把局部能力误判成整个职业的命运。
三种情景，分界在能力与采用速度
温和情景中，AI带来的变化类似互联网普及：生产率提高，经济渐进增长，但宏观波动仍在历史常见范围内，冲击未必立刻显现。
重大变革情景中，到2030年，AI有能力完成一半知识型工作，其中大部分可以自主完成，但企业并不会全面采用。经济增速达到正常水平的两倍，知识工作者工资基本停滞，其他类型劳动者获得收益。
这里需要分清：翻倍的是经济增长率，不是到2030年GDP总量翻倍。报道提到，Anthropic在8月对超过一万名美国人的调查中，公众预期最接近这一情景：2030年GDP比没有AI时高约10%，整体失业率约为5%。这些是预期，并非已发生的结果。
极端情景的前提更强：AI在绝大多数知识任务上超过人类，几乎自主完成这些任务，却基本不创造新的知识型任务；这通常还需要递归自我改进能力和快速普及。
在这些假设下，模型给出年均15%的GDP增速，经济规模约每4.5年翻一番，同时知识岗位急剧减少，失业超过典型衰退期的水平。
我更关心这些情景背后的条件。技术能力、企业采用速度和新任务创造，任何一个变量不同，结果都可能明显改变。
转岗困难，会把效率提升变成长期失业
在多数情景下，模型中的失业率和工资波动仍处于历史正常区间。但在重大和极端情景中，知识工作者面临明显的替代压力。
其他行业需求增加，也不意味着被替代的人能顺利进入。程序员、客服转向电工、护士，需要重新学习技能、匹配岗位，还涉及个人意愿。
我的判断是，转岗能力会成为重要约束。经济可以很快改变对任务的需求，一个人重建职业能力却需要时间。转换规模越大、速度越快，长期失业的风险就越高。
平均工资上涨，可能掩盖知识工作的降薪
模型中，全社会平均工资上升，可以与知识工作者收入停滞甚至下降同时发生。
其逻辑是：AI降低脑力任务的成本，减少对部分知识劳动的需求；与此同时，更快完成基础设施设计、许可等工作，又可能增加建筑施工等实体劳动的需求，推高相关工资。
重大情景下，知识工作者工资基本持平；极端情景下，到2030年可能下降10%以上。
这提醒我，观察AI的就业影响，不能只看平均数。必须继续追问：谁的劳动需求增加了，谁的议价能力下降了，谁承担了转型成本。
经济增长之后，还要回答财富归谁
报道给出的当前分配基准是：每产出1美元，约60美分归劳动，40美分归资本。在重大和极端情景中，随着更多任务被自动化，劳动份额下降，资本份额上升。
极端情景最值得警惕的结果是：经济规模快速扩张，但到2030年，劳动者的总收入几乎没有变化。
这意味着，GDP可以证明生产能力提高了，却不能单独证明多数人的生活改善了。企业如何应用AI、劳动者如何参与新任务、技术收益如何分配，都将影响繁荣能覆盖多少人。
这套模型仍是1.0版本，简化了现实，没有纳入政策反应、经济周期或超级机器人等因素。我不会把它当成2030年的确定预报。
但它提出的问题值得现在就讨论：在追求AI效率的同时，如何提高转岗能力、创造新的劳动需求，并让新增财富更广泛地转化为人的收入。增长与共享，需要同时设计。