Anthropic推演2030：AI越强劳动份额越薄，学历正沦为最贵贬值资产

来源：Merkle3s Capital，X @Merkle3sCapital；参考：The Anthropic Institute《Economic Scenarios for Transformative AI》（2026年9月，工作论文2026-02）。

导语：一份模型推演显示，到2030年，经济可能比没有AI的路径多出三分之一产出，而全体劳动者总收入只多出半个百分点。报告不给概率、不给建议，却把就业、教育、投资与社会冲击摆上桌面。

三种情景：差别在AI最终吃下多少任务

报告把AI对认知工作的影响拆到“任务”颗粒度。温和情景：4%任务由AI完成，GDP高1.6%；显著情景：12%任务被接手，GDP高8.3%；极端情景：30%任务，GDP高32.4%。报告在摘要、引言、结论三处声明：这些情景不是预测，今天数据无法排除任何一个。

决定结局的不只是模型能力，而是实际使用深度。三个情景能力差距不到三倍，叠加扩散后，AI执行任务份额从4%拉到30%，变成7.5倍。技术曲线之外，扩散曲线才是放大器。

就业冲击：认知岗位先被掏空

报告把美国就业切成两半：认知组占2025年就业62.4%，包括管理、金融、计算机、法律、教育、艺术传媒、医疗执业、销售、办公行政等；其余37.6%不受AI直接影响，工资变化来自经济变富后的稀缺效应。

极端情景下，认知岗位失业率17.9%，整体失业率11.9%。认知工资从温和情景+0.4%转为-11.5%；认知岗位人数比2026年中少21.5%，工资总额少31.0%，其他组工资总额涨33.6%，几乎抵消。报告称，总量守恒，人换了一批。

AI按任务推进，职业不会某天整体消失，而是先被掏空。企业遇到“人比AI贵”时，先裁员而非降薪。到2030年模拟终点，认知失业率仍停在17.9%，调整远未完成。这些数字被报告视为下界：未计入再就业工资损失、技能贬值、培训期收入中断等。

教育冲击：学历为何变成贬值资产

报告没有直接谈教育，但认知工资-11.5%、其他岗位+33.6%的路径，已足以质疑“读好书、拿学历、进白领”的链条。受损的恰是教育年限最长、工资最高的62.4%。

第一，人力资本租金蒸发。学历溢价来自对应任务稀缺且昂贵，当任务成本四年内降到一半以下，为掌握它们付出的时间同步贬值。第二，信号价值下降。AI拉平写作、分析、编码门槛后，学历区分度下降，雇主转向工作样本、可查证交付记录、面对面判断力。

第三，历史经验是每自动化两项任务，技术新造一项；三个情景中，极端情景比例为零，AI不为人类创造任何新任务。再培训窗口因此不友好：多数执照需2至5年，高阶执照5至10年，若等2028年数据确认再动，持证可能推迟到2031至2038年。

投资冲击：资本盛宴与账单

三个情景下，资本总收入相对无AI路径为+3.1%、+18.9%、+81.4%；劳动总收入仅+0.6%、+1.4%、+0.5%。劳动份额从60.0%降至59.4%、56.1%、45.2%，资本份额从40.0%升至40.6%、43.9%、54.8%。极端情景下，报告称“整整15%的GDP从支付给劳动变成被资本捕获的投资回报”。

净资本回报率从基准6.5%升至6.6%、7.0%、8.3%。增长几乎全部来自把现有事做得更便宜，而非发现新东西：“AI加速科研”在2030年前的投资论据中得不到支撑。受益顺序由物理瓶颈决定：算力芯片、电力与并网、封装与光互连在前，数据中心、云与推理服务、下游应用在后。

账单同样明确：极端情景下要让认知工作者收入维持无AI水平，需约GDP 9%的转移支付，大致相当于社会保障与联邦医保之和。报告称总增益约为损失三倍，但这类规模转移史无前例，基本不会自发发生。

社会冲击：蛋糕变大，打工者没多拿

最反直觉的一点是，极端情景下劳动者总收入比显著情景还少：+0.5%对+1.4%，而GDP增幅从8.3%跳到32.4%。劳动份额降约四分之一，GDP升三分之一，两股力量恰好抵消。

平均工资具误导性。极端情景平均工资+9.7%，但其中包含认知岗位-11.5%和其他岗位+33.6%，且不包含17.9%已失业的认知工作者。工资稳定不等于人的安全：若工资极灵活，认知工资暴跌42.2%，但失业率仅2.6%；若工资极僵硬，认知工资+2.8%，失业率却飙至24.0%。保护工资可能把冲击转成失业。

贫富分化形态转向“有资产对只有工资”。认知工作者常是工资高、资产占比低，收入端与资产端同时暴露。报告排除政治经济学，但间接留下三个变量：算力与电力建设能力、冲击以降薪还是失业落地、征税与再分配能力。

在答案揭晓前下注

分歧要到2027至2028年数据才会显形，而多数人完成职业转换需2至5年，必须在知道答案前决策。报告本身不提供个人建议；以下为基于报告结果的推导。

对白领与专业人士：把工作拆成任务清单，标注AI能做到什么程度；向“AI帮你而非替你”的部分挪动，如承担责任、跨部门协调、现场判断；建立可验证交付记录；做18个月岗位消失的现金压力测试。

对家长：未来一两年不要为“避开AI”仓促改变升学路径；投资重心从知识存量转向需要人在场、承担责任、建立信任的能力；带执照、学徒制、现场交付方向优先，但蓝领转向是过渡策略；坦白不确定性的量级。

对有可投资产者：先写下持仓对应哪个情景；把判断挂在2027至2028年可观测读数上；理解受益先后由物理瓶颈决定；把再分配政治风险当作独立风险因子。

报告埋着一个对照：认知职业受访者中位数认为自己工作中仅27%可被AI做到同等水平，但评估通用任务时，中位数估计71%知识工作会被覆盖。公众对宏观判断不差，问题在每个人都豁免了自己。

结论：不要因“还没出事”而按兵不动，也不要因极端情景诱人而加杠杆。这个事实同时兼容温和情景，和极端情景的开头。在知道答案之前，不下注本身也是一种下注。