西蒙·萨赫尔，泰丝·科特，查尔斯·I·琼斯，安东·科里内克，彼得·麦克罗里
主要发现
美国成年人预期AI能力在未来几年将迅速提升；Anthropic员工预期进展会更快；39%的美国成年人和91%的员工预期，到2030年AI将能够做出诺贝尔奖级别的发现。
Anthropic员工预期，对于AI擅长的任务，AI能带来大得多的生产力提升。在工作中使用AI的美国成年人中，26%表示借助AI，一项任务所需时间仅为原来的四分之一或更少；相比之下，Anthropic员工中这一比例为59%。
当谈到自己的工作时，超过半数的Anthropic员工预计，到2030年，AI将能够完成他们当前至少80%的工作，而美国劳动者中这一比例为5%。
在美国工人和Anthropic员工中，预期AI会承担自己更多工作的人预计失业率会更高。尽管在关于未来能力的看法上存在差异，但两组对于AI可能如何改变自身工作与更广泛失业之间的感知联系非常相似。
引言
在未来几年，人工智能将如何重塑经济？人工智能能力正在迅速提升，而未来人工智能模型或许能够构建自己的后继者（递归自我改进），这可能进一步加快进步速度。这一前景多快会成为现实、会在多大程度上实现，尚不清楚。各种预测差异很大，并引发激烈争论。
关于人工智能未来对经济的影响，分歧的核心根源是什么？这主要是因为人们对人工智能能力提升速度的看法不同吗？还是反映了在人工智能能力以多快速度、以何种形式转化为现实世界应用这一问题上的分歧？关于人工智能未来路径的哪些观点与快速经济增长相一致？
本说明就这些问题提供了新的调查证据。2026年8月，我们调查了两组对象：一个具有全国代表性的美国成年人样本，以及Anthropic员工。1 问题涵盖的内容包括：AI的能力、它将被多广泛地使用、它能节省多少时间、它将在多大程度上自主，以及一名被替代的劳动者在不同职业中找到工作的难度有多大。2 Anthropic员工每天都在构建和使用前沿AI。因此，第二项调查显示了最接近这项技术的人如何预期其未来，包括能力方面和更广泛的经济影响方面。
我们报告以下主要发现。首先，两个群体在很大程度上就人工智能今天能做什么达成一致，但对未来进展的速度存在分歧。Anthropic 员工预期能力会更快提升，人工智能会被更广泛地使用且人类参与更少，并且它在一项任务上节省的时间会多得多。例如，91% 的员工预期到 2030 年人工智能能够做出诺贝尔奖级别的发现，而美国成年人中这一比例为 39%。
其次，在人们自己的工作上存在显著差异。平均而言，员工预计到2030年，AI能够完成他们当前工作的75%，而美国工人总体这一比例为28%。
第三，这两个群体似乎以相似的方式思考劳动力市场：那些预计未来AI会承担自己更多工作的人，会预测更高的失业率。而且，在预期自身工作被AI自动化的程度相同的情况下，两个群体预测的失业率大致相同。
人们期望AI做什么
能力
我们首先考察了人们对AI能力的预期。我们询问了AI何时能像熟练的专业人士一样完成八项任务中的每一项，从撰写日常电子邮件到做出诺贝尔奖级别的科学发现。美国成年人和Anthropic员工对AI今天能做什么大体上意见一致，尤其是在更复杂的任务上。两个群体对任务难度的排序几乎相同（图1，A面板）。
这些群体对人工智能未来发展的路径存在分歧。例如，大约四分之一的美国成年人和Anthropic员工认为，如今AI已经能够设计、开展并发表科学研究。但到明年，每10名Anthropic员工中有9人预计这对AI而言将变得可行，而普通公众中这一比例仅为38%。到2030年，39%的美国成年人预计AI能够做出诺贝尔奖级别的发现（图C），而Anthropic员工中这一比例为91%。或许最显著的差异在于，取决于具体任务，有19%到40%的美国成年人表示AI永远无法完成某项任务，而员工中这一比例最多为2%。
在某种程度上，观点差异反映了 AI 使用频率的差异。在经常在工作中使用 AI 的人中（约占受访者的五分之一），56% 预计到 2030 年 AI 至少能完成所列八项任务中的七项。这远高于所有美国成年人（41%）以及从未使用过 AI 工具的人（28%），但仍远低于工作人员的看法（96%）。
收养及其障碍
AI 对经济的影响并非仅由原始能力决定。人们和企业需要实际使用 AI，而这需要时间和试验。在 AI 将能够完成的工作任务中，美国成年人预计，到 2030 年将有 42% 由 AI 完成。Anthropic 员工预计，未来几年 AI 的普及速度将明显更快，在 AI 能够用于的所有任务中，将有 65% 会使用 AI。
为了了解哪些因素可能会阻碍人工智能在职场中的应用，我们请美国成年人从一份包含九项障碍的清单中最多选出三项他们认为最大的障碍。公众认为，相较于技术限制，人们的偏好和规则可能才是阻碍应用的因素（图2）。“客户更愿意与人打交道”是选择最多的障碍，其次是“数据隐私和安全担忧”、“人工智能不够可靠”以及“法律、法规或责任”。
值得注意的是，在工作中经常使用AI的美国成年人将数据隐私和安全担忧排在首位（42%认为它是前三大障碍之一，而其余人群为37%），并认为客户偏好与人类打交道这一点略微不那么重要（37%对42%）。
自主人工智能将会有多自主
AI 对劳动力市场的影响，部分取决于 AI 是自主完成复杂任务，还是与人类协作完成。前者往往会取代人类劳动者。反之，当 AI 补充人类能力时，劳动者的生产力会提高。为了解 Anthropic 员工和普通公众对 2030 年预期的自动化与增强的看法，我们询问了到 2030 年 AI 和人类将如何在从起草电子邮件到法律合同等多种任务上协同工作。在 Anthropic，绝大多数员工表示，到 2030 年，AI 将要么独自完成任务，要么由一名员工评估工作成果（图 3）。相比之下，40% 的美国成年人却预计，大部分工作将由人类自己完成，或在 AI 的一些帮助下完成。
人工智能能在多大程度上提高产出，不仅取决于它能完成哪些任务以及其使用范围有多广，还取决于它完成这些任务的速度快多少、效果好多多少。一种仅仅好到足以取代工人的技术——阿西莫格鲁和雷斯特雷波（2019）所称的“马马虎虎”技术——会取代工作，却不会使GDP有多大增长。相比之下，一种能以极小的成本或极短的时间完成任务的技术，则能显著提高GDP。
为了衡量人们对AI带来的生产力提升的认知，我们询问了普通公众和Anthropic员工：对于一项非常适合AI的任务，使用AI完成它需要多长时间，与不使用AI相比。一项任务若用时减半，就相当于每小时产出翻倍。3
Anthropic 员工报告称，预期节省幅度要大得多，其中 85% 表示所需时间减半或更少。在工作中使用 AI 的美国成年人中，典型回答是耗时减半，29% 表示任务耗时相同或更长，而员工中只有 5% 这么说。在美国成年人中，工作中使用 AI 的人有 26% 表示任务耗时仅为四分之一或更少，而不在工作中使用 AI 的人中有 21% 也这么说。对于员工来说，这一比例为 59%（图 4）。
员工可能是在描述他们在工作中的体验。正如《Anthropic 的就业正在如何变化》中进一步讨论的那样，Anthropic 员工在采用智能体工具后，在某些维度上提高了生产率：工程师在采用编码智能体后的一个月内新增的代码行数增至三倍，销售代表在采用 AI 智能体后与客户达成了更多交易。法律和招聘等其他业务职能的人均产出也有所上升。
自己的作品和工作
AI 将能够完成他们自己的多少工作
也许并不令人意外的是，在AI对其自身工作的影响方面，我们发现公众与Anthropic员工之间存在很大的认知差距（图5）。平均而言，Anthropic员工表示，到2030年，AI将能够完成他们当前工作时间的75%。美国劳动者（报告自己有工作的受访者）平均认为这一比例为28%，且只有二十分之一的人表示，到2030年AI可能完成其工作时间的80%或更多。
在美国劳动者中，不同职业的预期各不相同：在手工行业、生产和运输工人中，预计 AI 能够完成 25% 的工作时长，而计算机、工程和科学职业的工人则为 33%。对于后一组，经常使用 AI 的人预计仅为 40%，这一看法更接近美国普通劳动者，而不是 Anthropic 员工的平均水平（75%）。
自身工作暴露与失业预测
人们预期 AI 能完成自己多少工作，这在很大程度上解释了他们对劳动力市场的预期。我们告知受访者当前失业率约为 4.2%，并要求他们预测 2030 年的失业率。图 6 按受访者预期到 2030 年 AI 能完成其自身工作小时数的比例对受访者进行分组，并显示各组的平均失业率预测。
预计人工智能能完成其不到一半工作的美国劳动者，预测失业率为7%至8%。超过一半时，预测值随着受AI影响工作的比例上升而上升。那些预计人工智能能完成其80%或以上工作的人，平均预计2030年失业率为12.2%，高于大金融危机期间的峰值。在美国劳动者中，受AI影响的工作每增加十个百分点，与预测失业率增加0.4个百分点相关。对AI的普遍乐观情绪并不能解释这一点。在控制自身工作受影响程度不变的情况下，劳动者预计AI能掌握的八项任务所占比例与上述预测无关。
尽管他们自己报告的暴露程度要高得多，但 Anthropic 员工中也出现了同样的梯度，其预测与普通人群的预测极为相似。因此，这两个群体似乎并不持有关于 AI 将如何同时影响他们自己的工作和更广泛劳动力市场的不同理论。他们对 AI 能力是什么有着不同的体验，进而也有不同的期望。
招聘与再就业
尽管Anthropic的员工预计AI能够完成他们的大部分工作，他们也预计Anthropic会继续招聘。95%的Anthropic员工预计未来12个月员工人数会增长，员工预期的中位数为增长66%，27%预计至少翻一番。这些是员工在一项内部调查中的个人预期，并不代表Anthropic的计划或其对其员工规模的看法。即便如此，它们表明，至少在一家前沿AI实验室，任务自动化与裁减工作岗位是不同的预测。
不过，对于因 AI 而失业的劳动者能多快找到新工作，Anthropic 员工比美国成年人略为悲观。我们询问，一个在 2030 年因 AI 自动化而失去工作——并且需要转换职业——的人，需要多长时间才能找到一份新工作。4 Anthropic 员工的中位预期是，被 AI 取代的劳动者需要 12 个月才能在一个新职业中找到职位。相比之下，美国成年人回答的中位数在 7 至 12 个月之间。
关于人工智能的预期及其经济影响
将调查回复映射到模型隐含的经济情景
在《变革性 AI 的经济情景》中，我们提出了一个结构化框架，用于评估 AI 能力与扩散的不同未来路径可能如何转化为经济结果的差异。该模型使我们能够将每位受访者在五个维度——能力、扩散、自动化、生产率以及劳动者转型摩擦——上的回答，转化为模型隐含的经济结果。5 在我们的美国成年人样本和 Anthropic 员工样本中，我们找出所有回答了与关键模型输入相关的全部问题的受访者（3,259 名美国成年人和 1,093 名员工）。然后，我们针对每位受访者评估这些回答所隐含的经济情景，下文重点关注其对 2030 年 GDP 增长的影响。
根据该模型，美国成年人回答的中位数意味着2030年GDP增长5.4%。工作人员回答的中位数意味着到2030年GDP增长将加速至17.1%。每个群体内部都存在显著差异，因此分布广泛重叠（图7）。附录中的图A1显示了每种看法对这一差距的贡献程度。
来自在线场景探索器测验的回复
图7还展示了基于该经济模型的情景探索器所输入数据推断出的经济情景，该探索器由网站访客使用，发布于2026年9月9日的www.anthropic.com/institute/econ-scenarios。
交互式探索器询问的是我们于 2026 年 8 月向美国成年人和 Anthropic 员工调查的问题的简短版本。23,075 名访问者在发布后的前 48 小时内完成了调查，他们来自全球 140 多个国家/地区。这些访问者选择来到 Anthropic 网站上的一个页面并参加测验，因此他们可能比普通公众更关注 AI。事实上，他们的回答将他们置于美国成年人和 Anthropic 员工之间：中位访问者的回答意味着 12.5% 的增长。
在实验室里
员工对AI能力更乐观的一个原因，可能是他们对开发过程有更高的可见度。Anthropic Institute最近发布了一份关于递归自我改进（RSI）进展的报告，这是一个AI系统日益提升自身能力的过程（Favaro and Clark, 2026）。
为了阐明员工自己是否预期这种情况会发生，我们询问了 Anthropic 员工，如今构建一个 2026 年初的前沿模型的工作中有多大比例由 AI 完成，以及他们预期未来这一比例会是多少（图 8）。6 在接受调查的 Anthropic 员工中，目前的中位数答案是 51%，到 2027 年底为 80%，到 2030 年底为 95%。
关于 AI 在 AI 开发中承担的工作份额，估计值在团队内部的差异远大于团队之间的差异。不过，研究团队的工作人员最接近构建模型的工作，他们把 AI 当前的份额估计得略高一些：平均为 60%，而所有其他调查受访者为 53%。这与信息发挥了一定作用相一致，尽管研究人员——由于其工作性质——在自己的工作中也可能比其他员工更多地使用 AI。
与招聘预测一样，这些回答是员工在 2026 年 8 月面向 Anthropic 员工开展的一项内部调查中所表达的个人观点。
美国成年人和 Anthropic 员工对 AI 今天能做什么大体上意见一致。然而，对于 AI 将多快改进、将被多广泛使用，以及以节省时间衡量的生产力提升将有多大，他们存在分歧。从《变革性 AI 的经济情景》中模型的视角来看，美国成年人回答的中位数意味着一种情景：美国经济的增速超过其典型速度的两倍。在处于 AI 开发和使用前沿的 Anthropic 员工中，对 AI 进展、采用以及知识工作自动化的预期意味着经济将发生变革性且史无前例的变化：到 2030 年，GDP 规模大约每四年半翻一番。