Anthropic 发布研究《Economic Scenarios for Transformative AI》，试图把 AI 对经济的影响从抽象讨论转成可量化模型。研究框架覆盖 2026 年至 2030 年，分析 AI 能力、采用速度、自动化程度与生产力提升，最终如何影响 GDP、工资、失业率和劳动所得占比。
研究结果显示，AI 在所有设定情境下都会扩大经济总量，但新增财富最终更多流向劳动者还是资本所有者，仍是核心分歧。
Anthropic 将前景分为三种情境
第一种是 Modest Change（温和变化）。Anthropic 认为，这一情境下 AI 对经济的影响大致类似互联网等过去的大型技术变革，生产力持续提升，但宏观数据不会出现剧烈变化。到 2030 年，美国 GDP 将比没有 AI 的基准情境高约 1.6%，年 GDP 增长率从约 2% 提高到 2.4%，失业率则仅从正常水平 3.8% 升至约 3.9%。
第二种是 Substantial Change（显著变化）。在这一设定里，到 2030 年，AI 已能处理大约一半知识型工作的能力范围，而且多数工作可以自主完成，但企业采用仍未全面普及。Anthropic 估算，这种情况下 GDP 将比无 AI 情境高 8.3%，2030 年年经济增长率可达 5.4%，相当于正常增速的两倍以上。
第三种是 Extreme Change（极端变化）。Anthropic 设定，AI 在绝大多数知识型工作上都比人类更高效，几乎可以自主完成任务，而且很少再为人类创造新的知识型任务。研究认为，这种情境可能需要递归式自我改进 AI，以及企业的快速采用。
在这一极端情境下，美国 GDP 到 2030 年将比没有 AI 的基准高出 32.4%，年 GDP 增长率可能升至约 15%，意味着经济规模大约每 4.5 年翻倍。
知识型岗位承压最明显
Anthropic 在模型中大致把职业分为「认知／知识工作」和其他职业。前者是 AI 直接影响最明显的部分，包括软件工程、行政、销售和专业服务等。相比之下，建筑工、电工、护理等需要大量实体劳动的岗位，短期内受到的直接影响较小。
在极端情境下，到 2030 年，知识型工作就业规模将比 2026 年中减少 21.5%；原本从事知识工作的劳动者失业率将升至 17.9%，接近每 5 人就有 1 人失业，整体经济失业率则升至 11.9%。
研究指出，被 AI 替代的工程师、客服或行政人员，并不一定能立即转向电工、护理师或其他需求上升的职业。技能转换、再培训和求职摩擦，都会拉长失业持续时间。
新增收益更可能流向资本
这份模型的另一个重点，是 AI 可能推动收入分配继续向资本倾斜。Anthropic 当前假设，美国经济每创造 1 美元产值，约 60% 流向劳动所得，40% 流向资本。但随着 AI 自动化程度提高，算力、数据中心、软件、设备和其他资本的重要性上升，资本回报率也会提高。
在温和情境下，劳动所得占比仅从 60% 降到 59.4%；显著情境下降至 56.1%。到了极端情境，劳动所得占比将降至 45.2%，资本所得则升至 54.8%。也就是说，在该模型里，资本收入将首次超过劳动收入。
Anthropic 还指出，即便整个经济规模比没有 AI 的情形大约高出三分之一，2030 年全体劳动者的收入总额却几乎没有增加，新增 GDP 几乎全部转化为资本所得。
知识工作者工资可能不升反降
研究结果也没有支持「生产力上升会让所有人薪资同步上涨」这一判断。在显著情境下，整体平均工资比没有 AI 的情形高约 2.1%，但知识工作者工资反而低约 0.3%；其他非知识型职业的工资则因需求上升而提高。
到了极端情境，平均工资仍比无 AI 情境高约 9.7%，但知识工作者工资将低 11.5%，其他职业工资则上升约三成。
Anthropic 认为，AI 会明显压低企业对认知劳动的需求，但 AI 带来的高生产力又会刺激更多实体经济活动，包括更多基础设施、制造和服务需求，因此那些 AI 最难直接完成的工作，反而可能变得更稀缺、价格更高。
美国受访者预期更接近「显著变化」
Anthropic 还与 Morning Consult 一同调查了 10,980 名美国成年人，询问他们对 AI 能力、采用率、自主程度、生产力，以及被替代后重新找到工作的时间预期。
结果显示，美国公众的中位数预期最接近 Anthropic 所设定的「显著变化」情境。按受访者的典型判断推演，到 2030 年，美国 GDP 约比没有 AI 的情境高 8% 至 10%，知识型工作就业下降约 4%，整体失业率约为 5%。
另外，约一成受访者给出的预期已经接近 Anthropic 所描述的极端情境。