AI 预期差距

AI 预期差距

Szymon Sacher, Tess Cotter, Charles I. Jones, Anton Korinek, Peter McCrory

主要发现

1. 美国成年人预计 AI 能力在未来几年将快速进步；Anthropic 员工预计进展会更快；39% 的美国成年人和 91% 的员工预计到 2030 年 AI 将能够做出诺贝尔奖级别的发现。
2. Anthropic 员工预计 AI 在其擅长的任务上带来的生产力提升要大得多。在工作中使用 AI 的美国成年人中，26% 表示借助 AI 完成一项任务所需时间仅为四分之一或更少，而在 Anthropic 员工中这一比例为 59%。
3. 就他们自己的工作而言，超过半数的 Anthropic 员工预计到 2030 年 AI 将能够完成他们目前至少 80% 的工作，而美国劳动者中这一比例仅为 5%。
4. 在美国劳动者和 Anthropic 员工中，预计 AI 将承担更多自己工作的人都预期失业率会更高。虽然双方对未来能力的信念存在差异，但两个群体对“AI 可能如何改变自己的工作”与“整体失业率”之间关联的看法非常相似。
   

引言

未来几年 AI 将如何重塑经济？AI 能力正在快速进步，未来的 AI 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的速度。这种情况会多快实现、实现到何种程度尚不清楚。各种预测差异巨大，且争论激烈。

关于 AI 对经济未来影响的核心分歧来源是什么？是主要源于对 AI 能力提升速度的信念差异？还是反映了关于这些能力多快、以何种形式转化为现实世界应用的分歧？关于 AI 未来发展路径的哪些观点与快速经济增长相一致？

本简报针对这些问题提供了新的调查证据。2026 年 8 月，我们调查了两个群体：一个具有全国代表性的美国成年人样本，以及 Anthropic 员工。¹ 调查问题涵盖多个方面，包括 AI 的能力、它将被使用的广泛程度、它能节省多少时间、它的自主程度如何，以及失业的劳动者在转向不同职业时找工作的难度有多大。² Anthropic 员工每天都在构建和使用前沿 AI。因此，第二次调查显示的是最接近这项技术的人如何预见它的未来，包括其能力及其更广泛的经济影响。

我们报告以下主要发现。首先，两个群体对 AI 今天能做什么大体上持一致意见，但在未来进步的速度上存在分歧。Anthropic 员工预计能力将更快进步，AI 将被更广泛地使用且人类参与更少，AI 在任务上节省的时间也要大得多。例如，91% 的员工预计到 2030 年 AI 将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，在关于人们自己工作的问题上存在显著差异。平均而言，员工预计到 2030 年 AI 将能够完成他们目前 75% 的工作，而美国劳动者整体的比例为 28%。

第三，两个群体似乎以相似的方式思考劳动力市场：预计未来 AI 将承担更多自己工作的人预测失业率会更高。而且，在对自身工作被 AI 自动化的预期程度相同的情况下，两个群体预测的失业率大致相同。

人们期望 AI 做什么

能力

我们首先调查了对 AI 能力的预期。我们询问了 AI 何时能够像熟练的专业人员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一致，尤其是在更复杂的任务方面。两个群体对任务的难度排序几乎相同（图 1，面板 A）。

两个群体对未来 AI 进步的路径看法不一。例如，约四分之一的美国成年人和 Anthropic 员工认为 AI 今天就能设计、开展并发表科学研究。但到明年，90%（9 in 10）的员工预计这对 AI 来说是可行的，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 将能够做出诺贝尔奖级别的发现（面板 C），而员工中的这一比例为 91%。最显著的差异或许是，视任务而定，19% 到 40% 的美国成年人表示 AI 将 永远无法 完成某项特定任务，而员工中这一比例至多为 2%。

观点上的差异部分反映了 AI 使用频率的差异。在定期于工作中使用 AI 的受访者中（约占受访者的五分之一），56% 预计到 2030 年 AI 将能够完成八项指定任务中的至少七项。这远高于所有美国成年人的比例（41%）以及从未使用过 AI 工具的人群的比例（28%），但仍远低于员工的看法（96%）。

采用及其障碍

AI对经济的影响并不仅由原始能力决定。人们和企业需要实际使用AI，这需要时间和试验。在AI将能够完成的工作任务中，美国成年人预期到2030年将有42%会借助AI完成。Anthropic员工预期未来几年的扩散速度明显更快，AI将用于其可胜任的所有任务中的65%。

为了了解哪些因素可能阻碍AI在工作中的采用，我们请美国成年人从九个选项中最多选择三个他们认为最大的障碍。公众普遍预期，相比技术限制，人们的偏好和规则更可能是阻碍采用的因素（图2）。“客户更愿意与人打交道”是被选择最多的障碍，其次是“对数据隐私和安全的担忧”、“AI不够可靠”以及“法律、法规或责任问题”。

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%的人认为其属于前3大障碍，而其余人中这一比例为37%），并认为客户偏好与人打交道这一因素稍不那么重要（37%对42%）。

AI将具有多大的自主性

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。相反，当AI补充人类能力时，劳动者会变得更有生产力。为了了解Anthropic员工和公众对2030年自动化与增强的预期，我们询问了到2030年AI和人类将如何协作完成从起草电子邮件到法律合同等各类任务。在Anthropic，绝大多数员工表示，到2030年AI将独立完成任务，或在工作人员检查其工作的情况下完成任务（图3）。相比之下，每10名美国成年人中有4人反而预期人类将亲自完成大部分工作，或仅借助一些AI辅助。

节省时间

AI提升产出的程度不仅取决于它能完成哪些任务以及使用范围有多广，还取决于它完成这些任务的速度快多少、质量好多少。一种仅仅好到可以替代劳动者的技术——即Acemoglu和Restrepo（2019）所称的“so-so”技术——会取代工作但对GDP没有太大提升。相比之下，以极低成本或极短时间完成任务的技术能够显著提高GDP。

为了衡量人们对AI生产力提升的看法，我们询问了公众和Anthropic员工，对于一项AI非常擅长的任务，使用AI需要多长时间，与不使用AI相比。用一半时间完成的任务相当于每小时产出翻倍。³

Anthropic员工报告的预期节省时间要大得多，85%的员工表示用时为一半或更少。在在工作中使用AI的美国成年人中，典型回答是用时减半，29%的人表示任务用时相同或更长，而只有5%的员工如此表示。在美国成年人中，26%在工作中使用AI的人表示任务用时为四分之一或更少，21%在工作中不使用AI的人也如此表示。对于员工而言，这一比例为59%（图4）。

员工可能描述的是他们在工作中的亲身经历。正如在 Anthropic的就业变化情况中所进一步讨论的，Anthropic员工在采用智能体工具后在某些方面的生产力有所提升：采用编程智能体后的一个月内，工程师添加的代码行数增加了两倍，销售代表在采用AI智能体后完成了更多与客户的交易。在法律和招聘等其他业务职能中，人均产出也有所上升。

自己的工作和就业

AI将能够完成他们自己工作中的多少

或许并不令人意外的是，在AI对自身工作的影响方面，我们发现普通公众与Anthropic员工之间的认知存在巨大差距（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长的75%。美国劳动者（即报告拥有工作的受访者）平均认为这一比例为28%，且每20人中只有1人认为到2030年AI能够完成其工作时长的80%或更多。

在美国劳动者中，不同职业的预期各不相同：预计AI能够完成手工贸易、生产和运输类劳动者工作时长中的25%，而计算机、工程和科学职业的劳动者则为33%。对于后一群体，经常使用AI的人仅预期40%，这一看法更接近普通美国劳动者的平均值，而非Anthropic员工的平均值（75%）。

自身工作暴露度与失业率预测

人们预期AI能完成自身工作的多少，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%，并请他们预测2030年的失业率。图6按受访者预期AI到2030年能够完成的自身工作时长比例进行分组，并显示每组的平均失业率预测。

预期AI能够完成不到一半工作的美国劳动者预测失业率为7%至8%。超过一半后，预测值随AI可影响工作比例的增加而上升。预期AI能完成其工作80%或更多的人，平均预期2030年失业率为12.2%，高于全球金融危机期间的峰值。在整个美国劳动者样本中，受影响工作比例每增加10个百分点，预测失业率增加0.4个百分点。对AI的总体乐观态度并不能解释这一点。在自身工作暴露度固定的条件下，劳动者预期AI能够掌握的八项任务的比例与预测无关。

尽管员工自身报告的暴露度要高得多，同样的梯度也出现在Anthropic员工中，其预测与普通人群的预测高度一致。因此，这两个群体对于AI如何同时影响自身工作和更广泛劳动力市场似乎并不持有不同的理论。他们对AI能力的体验不同，相应地，预期也不同。

招聘与再就业

尽管Anthropic员工预期AI能够完成他们的大部分工作，他们也预期Anthropic会继续招聘。95%的Anthropic员工预期未来12个月内员工人数将增长，员工中位数预期增长66%，27%的人预期至少翻倍。这些是员工在内部调查中的个人预期，并不代表Anthropic的计划或其对自身员工规模的看法。即便如此，它们表明，至少在前沿AI实验室，自动化任务和裁减岗位是两种不同的预测。

然而，对于被AI取代的劳动者多快能找到新工作，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新工作。⁴ Anthropic员工中位数预期，被AI取代的劳动者需要12个月才能在新职业中找到职位。相比之下，美国成年人的中位数回答在7-12个月的区间内。

对AI的预期及其经济影响

将调查回答映射到模型隐含的经济情景

在 《变革性AI的经济情景》（Economic Scenarios for Transformative AI） 中，我们引入了一个结构化框架，用于评估AI能力和扩散的不同未来路径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、生产力和劳动者转型摩擦——上的回答转化为模型隐含的经济结果。⁵ 在美国成年人和Anthropic员工两个样本中，我们识别出每一位回答了所有与关键模型输入相关问题的受访者（3,259名美国成年人和1,093名员工）。然后，我们为每位受访者评估由其回答所隐含的经济情景，下文将重点关注对2030年GDP增长的影响。

根据该模型，美国成年人中位数的回答隐含2030年GDP增长5.4%。员工中位数的回答隐含GDP增长到2030年加速至17.1%。每个群体内部存在显著差异，因此两个分布广泛重叠（图7）。附录中的图A1显示了每种信念对这一差距的贡献程度。

在线情境探索测验的回答

图7还显示了基于该经济模型发布的交互式情景探索器中网站访客所提供输入所隐含的经济情景，该探索器发布于 www.anthropic.com/institute/econ-scenarios 于2026年9月9日。

该交互式探索工具使用的是我们于2026年8月向美国成年人和Anthropic员工提出的问卷的简短版本。发布后的前48小时内，23,075名来自全球140多个国家和地区的访问者完成了调查。这些访问者选择访问Anthropic网站上的一个页面并参加测验，因此他们可能比一般公众对人工智能更感兴趣。事实上，他们的回答介于美国成年人和Anthropic员工之间：访问者回答的中位数意味着12.5%的增长。

实验室内部

员工对AI能力更为乐观的一个原因，可能是他们对开发过程有更深入的了解。Anthropic研究所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系统不断提升自身能力的过程（Favaro and Clark, 2026）。

为了弄清员工自己是否预期这种情况会发生，我们询问了Anthropic员工：今天构建一个2026年初前沿模型的工作中有多少是由AI完成的，以及他们预计未来这一比例会是多少（图8）。⁶ 在接受调查的Anthropic员工中，今天的中位答案是51%，到2027年底为80%，到2030年底为95%。

对AI在AI开发中所占工作比例的估计，团队内部的差异远大于团队之间的差异。尽管如此，最接近模型构建工作的研究团队员工给出的AI今日占比略高：平均为60%，而其他所有调查受访者为53%。这与信息发挥一定作用的观点一致，不过研究人员由于其工作性质，也可能在自身工作中比其他员工更多地使用AI。

与招聘预测一样，这些回答是员工于2026年8月针对Anthropic员工开展的内部调查中表达的个人观点。

结论

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，他们对AI改进的速度、使用的广泛程度以及以节省时间衡量的生产力提升幅度看法不一。通过 Economic Scenarios for Transformative AI一文中模型的视角来看，美国成年人的中位回答所隐含的情景是：美国经济以超过其典型速率两倍的速度增长。而对于工作在AI开发和使用前沿的Anthropic员工来说，他们对AI进展、采用和知识工作自动化的预期意味着经济的变革性且历史上前所未有的变化：到2030年，GDP大约每四年半翻一倍。

那些预期未来几年AI会在自己的工作中承担更多任务的人，同时也预期失业率会更高。这在美国公众和Anthropic员工中都是如此；平均而言，Anthropic员工预期自己的工作会更快地被自动化，进而预期更高的失业率。我们发现，这种预期上的分歧与Anthropic员工和公众对未来几年自身工作将被自动化程度的不同看法密切相关。

两个群体在日常使用AI的体验上差异巨大。大多数Anthropic员工已经在与能完成其大部分工作的AI共事，而很少有美国工作者如此。那些已经有这种经历的人，其预期也更接近Anthropic员工的预期，这表明随着AI使用的普及，公众预期可能会发生转变。转变的幅度将取决于AI在其他地方能否像在前沿实验室那样承担同样多的工作。

建议引用

@techreport{sacher2026expectations,
	author = {Sacher, Szymon and Cotter, Tess and Jones, Charles I. and Korinek, Anton and McCrory, Peter},
	title = {The {AI} Expectations Gap: Public and Frontier Lab Views on {AI}'s Impact on Work},
	institution = {The Anthropic Institute},
	type = {Technical Report},
	year = {2026},
	month = sep,
	url = {https://www.anthropic.com/research/ai-expectations-gap}
}

致谢

斯科特·布斯、梅雷迪思·卡兰、耶娜·赵、亚当·法里纳、本·福勒、瑞安·赫勒、艾什琳·基南、伊娃·柳比奇、马克西姆·马森科夫、马特·莫恩（Morning Consult）、马特·蒙代（Morning Consult）、凯丽·佩尔森、莎拉·波拉克、桑蒂·鲁伊斯、莫妮卡·图霍夫斯卡、希瑟·惠特尼、内森·威尔默斯、金·威西、查尔斯·杨、杰克·克拉克、达里奥·阿莫迪

参考文献

Acemoglu, D. 与 P. Restrepo（2019）。“自动化与新任务：技术如何取代并重新安置劳动”。《经济展望杂志》33(2), 3–30。

Favaro, M. 和 J. Clark (2026)。“当 AI 构建自身。”The Anthropic Institute。 https://www.anthropic.com/institute/recursive-self-improvement.

Korinek, A., C. I. Jones, S. Sacher, T. Cotter 和 P. McCrory（2026）。《变革性人工智能的经济情景》。Anthropic 研究所工作论文第 2026-02 号。

Massenkoff, M., E. Lyubich, S. Sacher, Z. Hitzig, S. Zhang, R. Heller 和 P. McCrory（2026）。“Anthropic Economic Index 报告：Cadences。”The Anthropic Institute。 https://www.anthropic.com/research/economic-index-june-2026-report.

Wilmers, N., R. Catipon, M. Massenkoff 和 P. McCrory（2026）。《Anthropic 的就业状况正在如何变化》。The Anthropic Institute。 https://www.anthropic.com/research/employment-at-anthropic.

附录

可用 此处.

脚注

1. Morning Consult 于8月11日至23日期间对美国成年人进行了这项调查，共接触了10,980名美国成年人。其回答经过加权处理，以代表成年人口。关于未来的问题，一半受访者被问及2027年，另一半被问及2030年。除非另有说明，我们报告的是2030年的回答。该调查是通过在线方式向自愿加入的调查小组成员进行的，因此排除了无法访问互联网的成年人，并且可能在人口统计加权无法纠正的方面与总体人口存在差异。员工调查是一项内部投票，于8月9日至12日进行，共从公司各个部门收集了1,334名受访者的回答。该调查未加权，所有人都被问及2030年。
2. Morning Consult 于9月17日至24日期间再次提出了相同的问题，并在末尾增加了两个新问题，共接触了7,613名美国成年人。主要结果几乎没有变化：该样本中美国成年人的回答中位数意味着2030年GDP增长5.6%，失业率为4.7%。最大的变化是预期到2030年会出现诺贝尔奖级别发现的美国成年人比例上升至44%，高于之前的39%。我们全篇报告的是8月的结果。
3. 这类似于我们在 Anthropic Economic Index 中用来评估人们和企业带给 Claude 的任务的时间节省的分类器。例如，参见 从 Claude 对话中估算 AI 生产力提升.
4. 两组都被问了以下问题：在正常时期，失去工作的人通常需要大约3个月才能找到新工作。现在想象一个在2030年因 AI 自动化而失业并需要转换到不同职业的人。你认为他们需要多长时间才能找到新工作？。对于公众，答案选项从"少于1个月"到"超过3年，或者永远找不到新工作"。Anthropic 员工通过滑块以月为单位作答。
5. 我们遵循以下文献中概述的程序 变革性 AI 的经济情景 将原始调查答案映射为模型关键输入的隐含路径。参见其中附录 B。在此练习中，我们将模型中所有其他参数保持在"Substantial"情景中的数值。
6. 中位数是针对每个结果分别计算的，因此增长率中位数和失业率中位数可能并非来自同一受访者。
7. 这比 AI 编写多少代码的问题范围更广。Favaro 和 Clark (2026) 报告称，目前合并到 Anthropic 代码库中的代码有超过80%是由 Claude 编写的，但构建前沿模型还涉及研究方向、实验设计、评估等更多工作。

相关内容

用 Claude 设计更高效的量子电路

我们向 Claude 提供了八个量子电路的纯语言规格说明，以及一个自动评估器来检查和评分其设计。Claude 基本上独立工作，改进了已发表的最佳电路，在某些情况下改进了一个数量级或更多，这可能使实用量子计算机的到来比之前预期的更近。

Claude 揭示 ECDSA 曲线起源

一个最受欢迎的密码学标准起源的数十年之谜已被解释清楚。

Anthropic 的就业形态正在如何变化

AI 如何重构了 Anthropic 的工作与就业？作为处于 AI 应用前沿的公司，Anthropic 可能是 AI 将如何改变整个经济中的工作组织、招聘和劳动力需求的一个领先指标。