74% 做得到，0.3% 負擔得起：Anthropic 機器人曝險指數丈量實體經濟

「機器人什麼時候會取代體力工作？」這個問題過去只能得到各憑感覺的答案。Anthropic 於 9 月 30 日發表、標題樸實的研究《What work can robots do?》，用數字取代了直覺——而且是兩個方向相反的數字。研究團隊運用自家的 Claude 模型，對 O*NET 職業資料庫中約 7,600 項體力任務逐一評分，建立「機器人曝險指數」（robot exposure index），得出驚人的結論：以現有技術，機器人已能執行美國經濟中約四分之三的體力任務，相當於全部工時的 34%。但第二個數字隨即潑下冷水：這些機器人在成本上能與人類勞工競爭的，僅佔任務的 0.3%。

指數怎麼算

這項研究的方法論才是它有別於一般自動化想像文的地方。研究者將機器人定義為「能感知並行動的自主實體機器」——包括會掃描車身、自動調整噴嘴的洗車機，但不包括完全由外科醫師操控的遠端手術系統。

首先由 Claude 依據「體力、認知、人際」三軸量表對任務描述評分，篩出體力任務：「挖掘溝渠」是體力任務；「教舞蹈課」雖屬體力，但同時需要認知與人際能力；至於打字員操作計算機，雖然用到雙手卻不列入。這道篩選從約 900 個職業、19,000 條任務描述中，得出 7,594 項體力任務。

接著每項體力任務依「機器人需要多受控的環境」評為四級曝險：

• E0 —— 機器人完全無法執行
• E1 —— 僅能在專門為機器人打造的環境執行，如工廠裝配線
• E2 —— 能在人類的有結構工作場所執行，如物流倉儲
• E3 —— 能在全無結構的環境執行，如城市道路

關鍵在於：只有「已展示的能力」才算數。Claude 被要求針對每項任務搜尋實際市售的機器人、評估其真實部署情況並直接引用來源——機器人必須做得跟人類差不多好（計入可靠度、錯誤率與速度）才算曝險。以「挖掘溝渠」為例：液壓挖掘機的自動化改裝系統能在開闊地挖出線性溝槽（E3），但沒有機器人能小心地繞過埋在地下的管線與電纜挖土；由於後者佔了大部分工時，這項任務整體評為 E0。

機器人究竟會做什麼

以就業人數與投入時間加權後，分布透露出耐人尋味的訊息：體力任務中約四分之一機器人完全做不了（E0），約一半只能在專門環境執行（E1），22% 能在結構化的人類職場執行（E2），只有 2% 能在無結構環境執行（E3）。而最後這一級幾乎全由「駕駛」貢獻——自駕車、自駕拖拉機、卡車與鋪路機。

因此，曝險度最高的前十個職業中有九個是車輛駕駛。計程車司機以 2.2 分（滿分 3）居冠，其工時中位數任務已被評為 E3；接駁車司機與私人司機拿 2.0 分，Claude 引用 Waymo 自駕車作為能執行其部分任務的證據。倉儲物流緊追在後：自主移動機器人已能開到裝卸碼頭、駛入貨櫃車廂，用吸盤夾取包裹送上移動輸送帶。

反面同樣具體。護理師與一般維修人員曝險度極低，因為即使是現今最先進的機器人，在高度受控的環境裡也做不了他們的工作。精細的手部靈巧度仍是護城河：染髮、解開纏繞的電線、把紙膠帶壓進濕的石膏板接縫。而機器人最強的能力——導航——恰恰無法轉移到需要動手照護的工作上。

用 50 年勞動資料回測

這篇論文最嚴謹的部分，是把指項拿去對歷史驗證。團隊針對 1977 年以來多個年份的任務描述評定當時的機器人曝險度，再將曝險度與之後數十年的工資和就業變化連結。結果顯示：曝險度較高的職業，其後工資與就業下滑也較明顯，即使在控制產業趨勢與其他干擾因子後依然成立。這意味著該指數不只是能力的描述，更是領先指標——若歷史規律成立，計程車司機與倉儲理貨員會比護理師和機械技師更早感受到改變。

回測也量化了進步的速度：自 1977 年以來，機器人每年大約「學會」先前做不到的體力任務的 2%。穩定，但不爆炸性。

0.3% 的難題

成本分析是這篇論文對「近期顛覆論」最有力的一擊。針對每一項曝險任務，Claude 估計部署所引用機器人的年成本——以約 10 年使用年限、8% 資金成本年攤提硬體，加上維護、部分時間人工監督與能源——再與人類勞工成本比較。

結果說明了為什麼「做得到」鮮少等於「會去做」。包裝員（packers and packagers）是成本上已具競爭力的最大職業：一套總價超過 200 萬美元的機器人組合，可取代約 14 名勞工的年工作量，換算每名被取代勞工年成本約 45,000 美元，低於人類的約 49,000 美元。這每年區區 2,500 美元的差距意義重大——包裝員就業自 2015 年以來已減少 22%，BLS 更預測該職業到 2035 年流失的工作數將高居所有職業第 11 位。至於自駕計程車，估計每年只比人類計程車司機貴約 7,000 美元，真正的關卡是法規。

但離開這些邊緣案例，差距就很寬。配備攝影機與 AI 的焊接機器人能自主焊接，但要把整份工作自動化——搬定位沉重工件、爬梯子、研磨收尾——總成本約為人類焊工的五倍。洗碗工與清潔工的薪水比焊工低 25,000 至 30,000 美元，其機器人對應方案卻仍貴上數倍。郵差的機器人成本需再降 54% 才能打平。整體而言，機器人成本需下降約 70%，才能對 10% 的人類工作具成本競爭力；以 1990 年代以來每年約 3% 的歷史降價速度，需要約 40 年。半數體力工作要跨過門檻得等到 2085 年。即使在成本降幅快四倍、能力增速加倍的快速採用情境下，中點也只能提前到 2050 年。

誰被曝險

人口統計特徵恰好與 LLM 的故事相反。曝險度最高五分之一的工作者，女性比例低 20 個百分點、西語裔比例高 16 個百分點、擁有學士以上學歷的比例低 55 個百分點、時薪少約 30 美元、失業率是未曝險者的兩倍以上。LLM 曝險集中於白領、大學學歷工作；機器人曝險則集中於男性、低學歷、低薪勞工。

把兩種技術合起來看，全貌更清晰：約半數工作曝險於 LLM，加上機器人後升至約 81% 的任務——等於五分之四的就業。運輸與搬運類職務的曝險從 LLM 單獨的不到 15% 躍升至約 90%；辦公室與行政支援接近 100%。仍未曝險的，是高度人際互動、親手接觸的工作：給藥並監測病人反應、替幼兒穿衣、迎賓帶位。

成本與能力之外的障礙還包括法規（阻擋約 14% 的體力任務，集中於醫療、警消與教育）與人類偏好（四分之一的任務，人們不信任機器人或重視人際互動）。操作靈巧度是最大的能力缺口——半數體力任務在機器人學會「觸摸與操作物件」之前，無法大規模自動化。

結語

這篇論文的雙重發現，對炒作與否定都是有效的修正。能力邊界遠比實際部署寬廣——四分之三的體力工作已在技術可及範圍內，只是多半局限於結構化環境。但硬體經濟學不遵守軟體經濟學：機器人是無法以近零邊際成本複製的實體資本，而按目前軌跡，這條「負擔得起」的邊界每年只以零點幾個百分點的速度擴張。資料描繪的可行未來不是人形機器人突然接管世界，而是緩慢而不均勻的推進——包裝員與計程車司機先行，護理師與電工在後——除非人形機器人量產真正打破成本曲線。Anthropic 已公開底層資料，包括 Claude 對所有任務的推理過程與引用來源，這場緩慢的推進，從此可以被量化衡量。