Anthropic 发布 AI 经济影响情景研究

alexolegimas 联合 ben_moll 发布博文，分析 AI 能力快速提升为何未必转化为爆发式经济增长，认为两位数增长的预测大概率不会实现。要点是增长模型并不阻止 AI 带来爆发式增长，但该路径依赖一系列现实中难以成立的假设，例如被自动化部门因价格下降而在经济中占比缩小，这使能力大幅提升与约 4-5% 的增长（作者称已属很高）并存的趋势可能延续。

我们今天发布的研究，让任何人都能探索：未来 AI 能力与各经济领域采用路径，可能如何转化为直至 2030 年的生产率、增长、工资、岗位再配置与失业路径。

我们工作的目标之一，是为理解这类前所未有的增长情景可能在何种条件下出现，提供一个结构化框架。 并让一些关于能力与扩散的隐含假设变得更加明确。 【引用 @florianederer】："GDP 增长率随后升至每年 15%" 这是 @ben_moll 的押注范畴。

AI进步与商业应用的速度对增长和劳动力市场意味着什么？工资、失业率，以及增长经济中归于劳动者而非资本所有者的份额，将发生怎样的变化？

这是一次富有成效的对话。我很高兴我们把它列入了议程。

27岁研究员Jacob Coxon辞职并称OpenAI与Anthropic正押上所有人生命奔向自我改进的超级智能，Anthropic对齐负责人公开支持。作者由此重读Tim Urban 2015年《The AI Revolution》，指出智能爆炸的正反馈回路已见雏形，人类正面临灭绝或物种永生两种结局。

数学家 Tristan Buckmaster 指控 OpenAI 施压、拒绝其合作者 Levent Alpöge（任职于 Anthropic）署名，且可能用两人上传到 Codex 的草稿训练模型，称其为绝对学术不端。

Sam Altman 发文回应与 Anthropic 一方围绕 Euler/Navier-Stokes 证明发布的争议，称对方只有 Euler 结果、双方协调失败，并称对方以抄袭指控相威胁。

Anthropic 团队文章指出，优化 prompt cache 命中率、清除升级到前沿 Claude 模型后的提示词反模式、校准 effort 三个手段可在不牺牲性能的情况下降低成本。

Anthropic 介绍用 Claude Platform 降低成本、保持性能的三种方法：提高提示词缓存命中率、升级到前沿模型时清除提示词反模式、按任务校准 effort。