Anthropic最新研报:AI让经济更好,为什么你的工资未必涨?

最近看AI工具的更新，经常会有一种感觉：以前需要几个小时的工作，现在可能几分钟就能完成。

写方案、整理数据、做设计、剪视频，越来越多的事情可以交给AI。效率提高当然是好事，但我也有个疑问：公司能做更多事情、赚到更多钱，我们的工资就会跟着涨吗？

2026年9月，Anthropic旗下研究机构Anthropic Institute发布了一份经济研究报告《Economic Scenarios for Transformative AI》，模拟了AI对2030年经济、工资和就业的影响。

其中一个值得关注的结果是：经济可以增长，脑力劳动者的工资却未必同步上涨。

先说明，这份报告研究的是美国经济的三种可能情景，并不是对未来的确定预测。它不能直接告诉我们几年后会拿多少工资，但能帮助我们理解：AI提高效率之后，收益究竟怎样分到不同的人手里。

图：Anthropic Institute工作论文首页，2026年9月。

01 经济增长了，工资为什么没跟上？

研究团队设定了三种情景：温和变化、显著变化和极端变化。它们的区别，主要在于AI能做多少任务、普及多快、效率提高多少，以及它主要帮助人工作，还是直接接手工作。

先看中间的“显著变化”情景。

在这一情景下，到2030年，美国GDP比没有AI时高8.3%。但平均工资只高2.1%，脑力职业的工资反而低0.3%。

也就是说，经济整体变得更好了，平均工资也有所提高，但直接受到AI影响的那部分劳动者，并没有同步获得收益。

这里的“脑力职业”，包括管理、专业技术、销售和办公室工作，并不只指程序员。

另外，工资低0.3%，是与“2030年没有AI时的工资水平”比较，并不是说从今天开始直接降薪0.3%。这个比较基准很重要，否则很容易把情景推演读成降薪预告。

图：依据报告第36页表4重绘。显著变化情景，均相对2030年无AI情景。

以前我们谈新技术，容易把“提高效率”和“增加收入”连在一起。但这份报告提醒我们，中间还有一个问题：提高效率带来的收益，由谁拿走？

02 多赚的钱，究竟去了哪里？

可以想象一个团队。

原来需要几个人共同完成的项目，用上AI之后，同样的人能做更多事情。公司收入增加了，但新增收入可以有不同去向：给员工加薪、扩大业务、购买设备和软件，也可能留作利润，或者让公司减少招聘。

这是一个帮助理解的假设例子，不是报告调查过的具体公司。但它说明了一件事：效率提高，并不会自动触发加薪。

报告把收入分成两部分：劳动收入和资本收入。前者主要来自人提供劳动，后者来自资本的投入与所有权。

当AI接手更多任务时，生产对资本的依赖可能增加，对某些人工任务的需求则可能减少。收入分配也会随之变化。

模型的基准劳动收入占比是60%。到2030年，在显著变化情景下，这一比例降到56.1%；在极端变化情景下，则降到45.2%。

图：依据报告第36页表4重绘。占比变化不代表所有人的工资下降，也不反映经济总量的大小。

这里也要区分：劳动收入占比下降，不等于每个人的工资都下降。

经济这块蛋糕可以变大，劳动者拿到的钱也可能增加，只是增加得没有资本收入那么快。问题在于，新增收益未必按照原来的比例分配。

极端情景把这种差异表现得更明显：2030年GDP比无AI情景高32.4%，但劳动收入总额几乎没有变化，新增产出主要体现为资本收入增加。

这个结果并不是必然发生的未来。它依赖于一组很强的假设，包括AI快速普及、承担大量任务，以及没有创造新的脑力劳动任务。但它提出的问题值得讨论：社会更富裕之后，劳动者怎样分享到这部分增长？

03 AI是在帮你工作，还是接手你的工作？

报告区分了两种方式：辅助和自动化。

辅助，是人继续完成工作，AI帮助他做得更快、更好。自动化，则是AI接手任务，减少对人工的需求。

例如，AI帮你整理资料，你再核实信息、判断重点、与同事沟通，最后完成方案，这是辅助。如果一项标准化任务能够由系统直接完成，人工只需要偶尔检查，就更接近自动化。

同样一个工具，放进不同的工作流程，可能产生不同的结果。

对员工来说，它可以减少重复劳动，让人有时间做更复杂的事情；对企业来说，它也可能意味着，完成同样的业务不再需要那么多人。

不过，一份工作通常包含很多任务。某个任务被自动化，并不意味着整个岗位立即消失。

报告同样考虑了新任务的出现。例如，当AI参与工作之后，人可能需要检查它的结果、处理异常，或者承担新的协调和监督工作。新任务能补回多少人工需求，是影响最终结果的重要因素。

图：解释性示意，非报告对具体岗位的测算；实际影响取决于任务和使用方式。

因此，观察AI对自己的影响，可以先从每天具体做的事情开始。

哪些任务正在变得更容易交给AI？哪些任务仍然需要你？省下的时间，是让你承担了更有价值的工作，还是让公司减少了对这个岗位的需求？

04 即使出现新工作，转过去也需要时间

我们经常听到一种说法：旧工作消失了，新工作自然会出现。

但对具体的人来说，中间并不轻松。

报告考虑了转行和重新就业的困难。一个软件工程师失去工作之后，并不能立刻成为电工。新职业可能需要新的技能、资质和经验，找到合适的岗位也需要时间。

所以，失业风险不只取决于AI替代了多少任务，也取决于被影响的人多久能找到下一份工作。

在显著变化情景下，脑力劳动者失业率从2026年中的2.9%升到2030年的4.5%；极端情景下，则升到17.9%。

这些仍然是模型结果，不能直接套到中国某个行业。但它提醒我们：经济整体的增长，与一个人的职业转换，可能发生在不同的时间里。

企业已经享受到效率提升，一个正在找工作的人，却可能还在承担转型的成本。

05 普通人可以带走什么？

这份报告没有给出个人涨薪的方法。下面这些，是我读完之后的思考。

首先，可以把自己的工作拆成任务来看。不要只问“我的职业会不会被替代”，也看看哪些任务容易标准化，哪些需要判断、沟通和承担责任。

其次，除了记录AI省了多少时间，也可以记录它带来了什么结果。

同样是节省两小时，这两小时是否帮助你改善了交付、获得了客户、增加了收入，或者有了更多自主安排的时间？这些结果需要分别观察。

最后，效率提升以后，也要看需求有没有变化。

你能更快完成一项工作，别人是否因此需要更多服务？还是这项工作越来越容易完成，愿意支付的价格也随之下降？对打工、接项目和做内容的人来说，这都是值得留意的问题。

我仍然觉得，学会用AI是有价值的。它能帮我们减少很多重复劳动，也能让一些原来做不了的事情变得可以尝试。

但这份报告让我多想了一步：把工作做得更快之后，我能不能因此获得更多收益？

对普通人来说，这可能是和“AI又强了多少”同样值得关注的问题。

研究来源：Korinek、Jones、Sacher、Cotter和McCrory，2026，《Economic Scenarios for Transformative AI》，Anthropic Institute工作论文No. 2026-02。

报告及官方解读：https://www.anthropic.com/institute/econ-scenarios

注：本文数据来自报告的情景模拟，并非已经发生的经济结果；研究主要按美国经济校准，不能直接用于预测中国具体职业的工资和就业。文中的工作示例与个人思考不属于报告的实证结论。