44 兆美元經濟體、勞動份額蒸發 15 個百分點：解析 Anthropic 互動式 AI 經濟情境模擬器

有一種 AI 預測報告，大家早就學會自動打折：智庫簡報裡畫三條箭頭，事後永遠沒人回頭驗證。Anthropic 的經濟團隊這次做的東西在類別上完全不同。9 月 9 日，伴隨著技術報告《Economic Scenarios for Transformative AI》（Korinek et al., 2026），該公司上線了一座互動式情境模擬器（scenario explorer）——一個可以實際操作的 2030 年美國經濟模型。你輸入自己對 AI 的假設：未來會變得多強、被採用到什麼程度、有多少工作由它自主完成、它能讓留在場內的人類生產力提升多少。模型接著算出這些信念所隱含的經濟樣貌：GDP、失業率、工資，以及勞動與資本之間的所得分配。

頭條結論並不是「AI 會讓經濟成長」——三種情境全都會成長。真正的重點是：在成長最快的情境裡，勞動所得占國民所得的份額會從今天的大約 60% 崩落到 45.2%，而知識工作者的工資下跌超過 10%。大餅大幅變大，多數勞工手上的那塊卻變小。

模型核心：把經濟拆成「任務」

這座模擬器的智識核心，是以「任務」而非「職業」作為建模單位。美國經濟裡的每一份工作，都被表示成一組任務的集合，任務清單取自勞工部的 O*NET 職業資料庫。Anthropic 用一位護理師的一天來說明：她查房、抽血、檢傷分類、記錄生命徵象、替病房訂耗材。對其中每一項任務，AI 可能完全不碰、可能增強它（草擬出院指示、遠端監測病人）、可能完全自動化它（自動記錄生命徵象、自動下訂單），也可能創造出全新任務（審查 AI 檢傷分類的準確度）。

把每天在美國各地被執行數百萬次的每一項任務實例加總起來——這些加起來就是 30 多兆美元的美國經濟——微觀層級的選擇就機械式地產出宏觀結果。任務是被增強還是被自動化、AI 帶來多少生產力提升、採用速度多快、被取代的勞工要花多久找到新工作：這些是模擬器的輸入旋鈕，而 GDP、勞動份額與失業率則是輸出。這與學術界自動化研究裡的任務導向方法一脈相承，但被包裝成一件公共政策分析師、工會研究員或任何好奇的工程師都能實際操作的公開工具。

三種情境，一條令人不安的梯度

模擬器highlighted 三個代表性情境，而它們之間的梯度正是整個故事。

溫和（Modest）。 AI 的宏觀經濟影響約略等於網際網路：真實存在，但落在通用技術的歷史常規之內，而且來得漸進。2030 年 GDP 比無 AI 基準線高 1.6%，達 34.1 兆美元；年成長率從約 2% 微升到 2.4%；失業率 3.9%。沒有人的世界因此劇變。

實質（Substantial）。 到 2030 年，AI 有能力執行一半的知識工作，且其中多數可自主完成——但採用並不完全，大多數知識工作任務仍然不用 AI 來做。經濟以約兩倍於平常的速度成長，GDP 比基準線高 8.3%，達 36.3 兆美元。勞動所得份額從約 60% 滑落到 56.1%。知識工作者的薪資基本上原地踏步，而非知識工作者——水電技師、護理師、營建工人——的薪資反而上漲，因為 AI 加速了設計與審查流程，推升了模型做不了的實體工作需求。

極端（Extreme）。 AI 在絕大多數知識工作任務上超越人類，幾乎全部自主完成，而且幾乎不為人類創造任何新的知識任務。Anthropic 明講：這條路徑大概需要「遞迴式自我改進」的 AI，並在知識工作領域被快速採用。年 GDP 成長率達到 15%——經濟每 4.5 年翻一倍——2030 年 GDP 來到 44.4 兆美元，比基準線高 32.4%。但知識工作者工資下跌超過 10%，失業率升破典型衰退水準（認知型職業的失業率達到兩位數），勞動份額崩落至 45.2%，等於把額外 14.8 個百分點的國民所得讓給資本。

連續讀下來，這三個情境指出一件在單一數字頭條裡容易漏掉的事：成長辯論與分配辯論並不是兩場辯論。那個產生 15% 年成長的機制——自主 AI 包辦知識工作、卻不創造新人類任務——正是剝奪勞工議價能力的同一個機制。高速成長與雨露均霑的繁榮，不必然是同一種未來。

一萬名美國人怎麼想

Anthropic 同時發布了與 Morning Consult 合作、於 8 月執行的 10,980 位美國成年人調查，問了五個直接對應模擬器輸入的問題：AI 能做哪些任務、人們用得多兇、它自主完成多少、它讓人多有效率，以及轉職後要花多久才找到新工作。

中位數受訪者的答案所隱含的結果，接近「實質」情境：2030 年 GDP 比沒有 AI 的情況高約 10%，整體失業率升至 5% 左右。約 10% 的受訪者看法與「極端」情境一致。換句話說，公眾預期既不是無視、也不是末日——典型美國人已經把「AI 包辦一大塊知識工作、勞動市場承受實質衝擊但未崩潰」納入了自己的世界觀。

作者自己坦白交代的限制

讓這份研究與實驗室行銷文案區分開來的，是限制章節的誠實程度。模擬器排除了政策反應——模型裡沒有任何再訓練計畫、移轉支付或工資保險，儘管任何真實的 15% 成長世界幾乎必然催生這些東西。它也排除景氣循環、總合需求效應與潛在的金融市場擾動。它忽略超強機器人，因此把實體工作當成避風港——這個假設未來未必站得住腳。它不追蹤個別勞工被取代後的際遇，而且——正如外部審查者指出的——它省略了當前資料中心建設潮本身的總合需求效果。

技術報告在發布前曾送交包括 Daron Acemoglu、David Autor 與 Emi Nakamura 在內的經濟學家審閱，Anthropic 表示其中兩項批評實質改變了模型：資本報酬上升，以及高曝險與低曝險職業之間工資分化，如今都納入了結果。

為什麼一家前沿實驗室要公布這種東西

最耐人尋味的是動機問題：一家打造前沿模型的公司，為什麼要發布一件量化「自家產品可能掏空知識工作者工資」的工具？答案與 Anthropic 的機構策略一致：模型產出將用於其 Economic Futures 計畫的補助決策，並為其政策建議提供依據。隱含的論證是：真正的爭點已經不是 AI 會不會 讓經濟成長——這一點三個情境結論一致——而是誰能拿到變大的那塊餅，以及政策、培訓與分配機制能否跑得比任務取代更快。

對實務工作者而言，真正可操作的結論比頭條窄得多。在溫和與實質情境裡，主導力量是任務層級的「增強」；唯有在極端情境裡，「自主執行」才成為主導。幾種未來之間的分歧，幾乎完全取決於代理式系統要多快才能可靠到不需要人類在迴路裡監督。這不是抽象問題——它是每個 AI 團隊此刻正在對著出貨的roadmap 問題。而現在，有了一座公開模型，能把每一種回答換算成一個 GDP 數字、一條工資曲線和一個勞動份額——在 2030 年到來打分數之前。