随着人工智能技术的飞速演进，它将给社会经济带来怎样的变革？Anthropic 旗下的经济研究团队最新发布了一份题为《Economic Scenarios for Transformative AI》的研究报告，基于整合的任务型经济模型（Task-based Model），深度剖析了 2026 至 2030 年间 AI 对美国 GDP、工资结构、就业率及资本分配的潜在影响。
报告核心在于构建了一个能够连接技术突破与宏观经济数据的量化框架。模型将经济运行拆解为无数具体任务，并着重评估 AI 对管理、专业服务、技术及文秘等认知型岗位（Cognitive Occupations）的自动化与增强作用。研究强调，虽然 AI 能带来生产力的飞跃，但由于短期内资本供给弹性有限，技术红利将优先向资本所有者倾斜。与此同时，被替代的认知型劳动者向非认知型岗位（如建筑、电工等实物劳动）转移时面临摩擦成本，这将在短期内推高摩擦性失业。
为了展现不同的技术演进路径，报告设定了三大推演情景：
- 在温和变化情景下，AI 的影响相对有限，到 2030 年仅推动 GDP 额外增长不到 0.5%，失业率微增 0.1 个百分点；
- 在实质变化情景中，随着 AI 的深度应用，到 2030 年 GDP 将比无 AI 的基准路线高出 8.3%，认知型岗位就业量下降约 4%；
- 而在极具冲击力的极值变化情景中，AI 到 2030 年将接管近半数的认知任务，驱动 GDP 年增长率跃升至 15%（累计增幅达 32%）。然而，这一飞跃也伴随着严峻的结构性阵痛——劳动收入占 GDP 的份额将从 60% 骤降至 45%，近五分之一的认知型工人面临失业，认知岗位工资下降 11.5%，而非认知岗位工资则逆势上涨 34%。
有趣的是，研究团队对近 1.1 万名美国成年人进行的代表性问卷调查显示，公众的平均预期与“实质变化情景”高度吻合。这意味着，社会大众普遍预估到 2030 年 AI 将为经济带来约 8% 的额外增量，同时对知识型就业产生可感知的重塑作用。
报告最后的结论切中要害：未来经济的核心挑战或许不再是“如何实现增长”，而是“如何合理分配增量”。如果技术走向温和，现有的社会保障与就业政策仅需微调；但若社会迎来了生产力大爆发的极端情景，建立更高效的职业转型培训、新型保险机制以及收入共享保障，将成为确保全体社会成员共同享有所谓“技术红利”的决定性关键。