Anthropic 公開 AI 經濟情境探索器：逾萬美國人預測對照，2030 增長與就業三條路徑

Anthropic 經濟學團隊於 2026 年 9 月推出互動式「經濟未來情境探索器」（Econ Scenario Explorer v1.0），並同步公開技術報告《Economic Scenarios for Transformative AI》（Korinek 等，2026）。工具以「任務」（tasks）為單位拆解職業，讓使用者代入對 AI 能力、採用率、自主程度、生產力與轉職速度的假設，檢視 2030 年美國 GDP、失業與工資可能長成甚麼樣子；同時對照逾一萬名美國受訪者的答案。本文已核對 Anthropic 官方頁面與報告說明，來源真實性已驗證。

一、核心事件：從 Economic Index 到前瞻情境

技術細節

Anthropic 既有的 Economic Index 主要量度「此刻」AI 在經濟中的實際使用；這次情境探索器則把視線拉到未來。官方寫明，模型把所有工作拆成一束束任務：AI 可輔助人類更快／更好完成任務、完全自動化任務、幾乎不動該任務，亦可催生全新任務。任務分類參考美國勞工部 O*NET 職業任務清單；若把全美所有任務實例加總，官方指過去一年約創造逾 30 萬億美元價值。

探索器標示三條代表性路徑：

1. 溫和（modest）：經濟影響近似互聯網——有實質增益，但落在歷史常態、逐步到來。
2. 顯著（substantial）：到 2030 年，AI 能處理約一半知識工作任務，其中多數可自主完成，但採用未覆蓋全部；經濟增速約達正常水平的兩倍；知識工作者工資大致持平，其他職業則見升幅。
3. 極端（extreme）：AI 在絕大多數知識工作任務上比人類更有生產力、近乎全部自主，且幾乎不為人類創造新知識任務；官方指此路徑很可能需要遞迴自我改進（recursively self-improving）系統與快速採用。擴散後年 GDP 增速可達約 15%，經濟約每 4.5 年翻一番。

以 2025 年價格水平計算，官方展示的 2030 年美國 GDP 示意數字為：溫和約 34.1 萬億美元（相對無 AI 基準約 +1.6%）、顯著約 36.3 萬億（約 +8.3%）、極端約 44.4 萬億（約 +32.4%）。八月進行的調查涵蓋逾 10,000 名美國人；典型受訪者的答案接近「顯著」情境——到 2030 年 GDP 較無 AI 情況約高 10%，整體失業率約升至 5% 左右；約一成受訪者的看法貼近「極端」情境。

二、技術原理深度解析

模型的核心不是單一「失業／不失業」二元預測，而是把宏觀結果拆成可調參數：能力邊界、採用深度、自主比例、生產力倍數，以及失業後重新就業所需時間。當知識工作大幅自動化時，勞動力需跨職業流動（例如由程式設計轉向電工、護理等較少受 AI 直接替代的崗位）；轉職摩擦越大，失業存量越高。

官方亦強調資本與勞動份額的再分配：今日約每產出 1 美元中，約 60 美仙歸勞動、40 美仙歸資本。在顯著與極端情境，勞動份額明顯下降、資本份額上升——即使平均工資仍可能上升，知識工作者工資卻可能停滯甚至下滑，整體「餅變大但工人分得比例變小」。官方給出的示意勞動／資本份額為：溫和約 59.4%／40.6%、顯著約 56.1%／43.9%、極端約 45.2%／54.8%。極端情境下，整體勞動收入到 2030 年幾乎沒有因 AI 而變多，挑戰轉為如何把增長果實公平分享。

技術報告作者包括 Anton Korinek、Chad Jones、Szymon Sacher、Tess Cotter、Peter McCrory 等；外部經濟學者（如 Daron Acemoglu、David Autor 等）曾審閱早期草稿並提出資本回報上升、暴露程度不同職業工資分化等意見，部分已納入現行版本。官方明確 disclaimer：v1.0 是簡化框架，未納入政策回應、景氣循環、總需求／金融市場衝擊、災難性風險，亦未涵蓋高度能力機器人等路徑，不應當成精準預測。

四、日常應用場景

1. 開發者與技術團隊

探索器把「知識工作」放在放大鏡下：當自主代理能完成一半以上知識任務時，工程產能與編制需求可能脫鈎。團隊宜以任務清單盤點哪些環節屬輔助、哪些屬可自動化，並把可驗證、可稽核的流程（測試、權限、資料邊界）寫進內部標準，避免只追速度而忽略治理。

2. 企業與隱私敏感行業

金融、法律、醫療等行業對數據出境與責任歸屬極敏感。宏觀情境告訴董事會「增長可能極快」，但企業落地仍取決於私有部署、審計軌跡與人力轉型節奏。把關鍵決策鏈留在可控環境，比單純追公有模型吞吐更貼近風險管理。

3. 一般用戶

公眾調查顯示預期分歧極大：多數人接近「顯著」變革，少數押注近乎歷史未見的極端路徑。對個人而言，實用做法是持續把 AI 當擴充範圍與加速工具，同時投資較難被純軟體替代的技能與跨領域流動能力。

4. 香港與亞洲市場視角

香港作為國際金融與專業服務樞紐，知識工作佔比高，與「顯著／極端」情境的暴露結構高度相關。企業若要以 AI 提升產能，同時滿足客戶對數據主權與合規的要求，本地可控的私有模型與流程改造，往往比直接把敏感工作流丟上公有雲聊天介面更穩妥。亞洲其他市場亦面對類似的轉職與再培訓壓力；官方亦表示相關模型與研究組合會用來資助勞動市場干預研究，並提出政策構想，目標是讓 AI 經濟收益在美國以至全球更廣泛分享。

五、專業評價與潛在考量

優勢

• 把抽象「AI 會否搶飯碗」轉成可互動、可對照公眾預期的任務經濟學框架，溝通成本低。
• 同時呈現 GDP、失業、工資與勞動／資本份額，避免只講增長故事。
• 公開技術報告與外部審閱名單，研究方法透明度相對高。

需要留意的地方

• v1.0 刻意省略政策、景氣與災難風險；極端情境更宜視為思想實驗，而非基準預測。
• 調查與模型以美國經濟與職業結構為主，直接外推到香港／亞洲時需調整產業與制度差異。
• 互動工具依賴使用者自行假設 AI 能力路徑，輸出品質隨輸入假設大幅變動。

結語

Anthropic 這次把經濟學團隊的前瞻模型做成公眾可玩的情境探索器，重點不在「單一答案」，而在讓社會看見：AI 能力、採用速度與轉職摩擦如何共同塑造 2030 年的增長與就業圖像。對企業決策者而言，與其押注單一宏觀劇本，不如先釐清自身任務哪些可輔助、哪些必須留人、哪些資料絕不能出境。若香港企業需要把關鍵工作流放在本地可控環境，可參考 YSK Limited 的企業私有 LLM 全託管（Dataset 建立、QLoRA／LoRA 微調、私有託管與 OpenAI 相容 API，年費由 HK$88,000 起，100% 數據不出境）：https://ysk.hk/services/ai-automation 。

參考來源

1. Anthropic 官方：Scenarios for our Economic Future（Econ Scenario Explorer v1.0，2026 年 9 月）— https://www.anthropic.com/institute/econ-scenarios
2. 技術報告 PDF：Economic Scenarios for Transformative AI（Korinek, Jones, Sacher, Cotter, McCrory；Anthropic Institute Working Paper No. 2026-02，2026 年 9 月）— https://www-cdn.anthropic.com/files/4zrzovbb/website/cf58f84d46a4a76bf5a5b039ac695fba6b80041c.pdf
3. Anthropic Economic Index 總覽 — https://www.anthropic.com/economic-index
4. 發現來源（X／Twitter @AnthropicAI，2026-09-09）— https://x.com/AnthropicAI/status/2097679796687769689