Anthropic 经济学家推荐关注 IMF 奇点演讲

@ben_moll 的澄清很好。 这些是模型隐含的增长情景，而非直接的 GDP 预测。 Anthropic 员工预期，随着 AI 被使用，模型能力会更强、扩散会更快、生产率提升会更大。在模型中，这些力量会加速增长。

Anthropic 首席经济学家 Peter McCrory 介绍团队开发的结构化框架，用于比较 AI 进展未来及其经济影响的不同情景，动机是外界对这些问题的看法分歧很大。框架页面见 https://www.anthropic.com/institute/econ-scenarios。

我们发现证据表明，Anthropic 员工与公众对能力将如何塑造更广泛经济结果的看法相似：那些预期 AI 会承担自己更多工作的人，也预期会出现类似的失业效应。

与此同时，Anthropic 招聘的初级技术岗位占比有所下降，在招聘决策中越来越强调自主性与判断力，而非技术领域专长与落地执行。

我们发现，公众和 Anthropic 员工都预期，未来几年 AI 能力将在日益复杂的知识工作任务上快速进步。 但 Anthropic 员工预期进展会更快、更广泛。

请阅读 @rclegateyang 和 Maxim 撰写的这份非常出色的报告：https://www.anthropic.com/research/what-work-can-robots-do

机器人技术在经济中的扩散，可能比 AI 的采用需要更长时间。 在近期的情景建模工作中，我们只考察了 AI 到 2030 年的影响。 若要展望更远的未来，则需要对机器人投资与采用的经济学进行更细致的建模。

与 AI 不同，机器人的相对成本非常高。他们估计，机器人仅在 0.3% 的工作任务上具备成本竞争力。 如果机器人价格下降遵循过去的趋势，这一比例需要 40 年才能达到 10%。

为什么这是一项有用的练习？ 他们发现，过去 50 年里，基线机器人能力可以预测相关暴露工人随后的工资和就业下降。随着成本下降、采用率上升，这一过程在数十年间逐步显现。

他们发现，对于美国经济中大多数体力任务，已存在能够执行这些任务的机器人——尽管是在有限场景下。总体而言，他们发现 34% 的工作时长面临机器人替代的暴露风险。