Anthropic 研究：公众与自家员工对 AI 的预期差距

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

主要发现

美国成年人预计，未来几年AI能力将快速提升；Anthropic员工则预计进展会更快；39%的美国成年人和91%的员工认为，到2030年AI将能够做出诺奖级发现。

Anthropic员工预计，在AI擅长的任务上，AI带来的生产率提升会大得多。在工作中使用AI的美国成年人中，26%表示某项任务使用AI后所需时间缩短至四分之一或更少，而Anthropic员工中这一比例为59%。

就自己的本职工作而言，超过半数的Anthropic员工预计，到2030年AI将能够完成他们当前至少80%的工作，而美国劳动者中这一比例仅为5%。

在美国劳动者和Anthropic员工这两个群体中，预计AI能承担自己更多工作的人，都预期失业率会更高。尽管双方对未来AI能力的看法存在差异，但两个群体对于AI可能如何改变自身工作与更广泛失业之间关联的认知非常相似。

引言

未来几年，AI将如何重塑经济？AI能力正在快速提升，而未来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速度。这种情况多快会出现、会在多大程度上出现，目前尚不清楚。相关预测差异巨大，争论激烈。

关于AI未来经济影响的分歧，核心来源是什么？这主要是因为人们对AI能力提升速度的看法不同？还是反映了人们对这些能力以多快速度、以何种形式转化为现实应用的看法不同？哪些关于AI未来路径的观点与快速经济增长相一致？

本报告基于新的调查证据来探讨这些问题。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AI的能力、其使用范围会有多广、能节省多少时间、自主性会有多高，以及被替代的劳动者在其他职业中找到工作的难度等。2 Anthropic员工每天都在构建和使用前沿AI。因此，第二项调查展示了最接近这项技术的人如何预判其未来，包括能力以及更广泛的经济影响。

我们报告以下主要发现。第一，两个群体对AI今天能做什么大体一致，但对未来进步速度存在分歧。Anthropic员工预计能力提升更快，AI将被更广泛地使用且人工参与更少，并且在一项任务上节省的时间会多得多。例如，91%的员工预计到2030年AI将能够做出诺奖级发现，而美国成年人中这一比例为39%。

第二，在人们自己的工作上存在明显差异。平均而言，员工预计到2030年AI将能够完成他们当前75%的工作，而美国劳动者总体这一比例为28%。

第三，两个群体似乎以相似方式推断劳动力市场：预计AI未来能承担自己更多工作的人，会预测更高的失业率。而且，在预期AI对自身工作的自动化程度相同时，两个群体预测的失业率大致相同。

人们预期AI能做什么

能力

我们首先考察对AI能力的预期。我们询问AI何时能够像熟练专业人士一样完成八项任务，从撰写常规邮件到做出诺奖级科学发现。美国成年人和Anthropic员工对AI今天能做什么大体一致，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）。

两个群体对未来AI进展路径存在分歧。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，每10名员工中就有9人预计AI可以做到这一点，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将能够做出诺奖级发现（C面板），而员工中这一比例为91%。或许最显著的差异在于，视任务而定，19%至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高仅为2%。

这种看法差异部分反映了AI使用频率的差异。在经常在工作中使用AI的人（约占受访者的五分之一）中，56%预计到2030年AI将能够完成八项指定任务中的至少七项。这明显高于所有美国成年人（41%）和从未使用过AI工具的人（28%），但仍远低于员工的看法（96%）。

采用及其障碍

AI对经济的影响并不完全取决于其原始能力。人们和企业需要真正使用AI，而这需要时间和试验。在美国成年人预期AI将能够完成的工作任务中，他们认为到2030年其中42%将由AI完成。Anthropic员工预计未来几年AI的扩散速度会明显更快，在AI能够胜任的所有任务中，65%将由AI完成。

为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项障碍中最多选择三项，选出他们预计最大的障碍。普通公众认为，相比技术限制，人们的偏好和规则可能才是阻碍采用的因素（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”、“AI不够可靠”以及“法律、法规或责任”。

值得注意的是，经常在工作中使用AI的美国成年人将数据隐私和安全担忧排在首位（42%认为它属于前三大障碍，而其余人群为37%），并且认为客户更愿意与人打交道这一因素略不那么重要（37%对42%）。

AI将有多自主

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，劳动者的生产率会提高。为了解Anthropic员工和普通公众对2030年自动化与增强的预期，我们询问了到2030年AI与人类将如何在从起草邮件到法律合同等各种任务上合作。在Anthropic，绝大多数员工表示，到2030年AI将独自完成任务，或由一名员工评估其工作（图3）。相比之下，四成美国成年人反而预计，大部分工作将由人类自己完成，或借助一些AI帮助完成。

节省时间

AI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它被多广泛地使用，还取决于它完成任务的速度快多少、质量好多少。一项仅好到足以取代劳动者的技术——Acemoglu和Restrepo（2019）称之为“平庸”技术——会在GDP没有多少增长的情况下取代工作。相比之下，一项能以很小一部分成本或一小部分时间完成任务的技術，则能显著提高GDP。

为了衡量人们对AI带来生产率提升的看法，我们询问普通公众和Anthropic员工：对于一项非常适合AI完成的任务，使用AI完成它需要多长时间，与不使用AI相比如何。一项任务若用时减半，就相当于每小时产出翻倍。3

Anthropic员工报告的预期节省幅度要大得多，85%的人表示用时减半或更少。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，而员工中只有5%这么说。在美国成年人中，在工作中使用AI的人有26%表示一项任务用时仅为原来的四分之一或更少，而不在工作中使用AI的人中有21%这么说。对于员工，这一比例为59%（图4）。

员工可能是在描述他们在工作中的实际体验。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：工程师新增的代码行数在采用编码智能体后的一个月内增至三倍，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。

自己的工作与岗位

AI将能完成多少自己的工作

也许并不令人意外的是，我们发现普通公众与Anthropic员工在AI对自身工作的影响上存在巨大认知差距（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）平均给出的比例为28%，只有二十分之一的人表示到2030年AI能完成其80%或更多的工作时间。

在美国劳动者中，预期因职业而异：体力行业、生产和运输劳动者预计AI能完成25%的工作时间，计算机、工程和科学职业的劳动者则为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劳动者平均水平，而非Anthropic员工平均水平（75%）。

自身工作暴露度与失业预测

人们预期AI能完成多少自己的工作，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按受访者预期到2030年AI能完成其自身工作小时数的比例对受访者分组，并显示各组的平均失业率预测。

预期AI能完成自己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AI可承担工作的比例上升而上升。那些预期AI能完成自己80%或更多工作的人，平均预期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，受影响工作比例每增加十个百分点，预测失业率就高出0.4个百分点。对AI的总体乐观情绪并不能解释这一点。在自身工作暴露度固定的情况下，劳动者预期AI能掌握的八项任务所占比例与预测无关。

尽管Anthropic员工自报的暴露度要高得多，但同样的梯度也出现在他们身上，其预测与普通人群的预测高度一致。因此，这两个群体似乎并不持有不同的理论来解释AI将如何同时影响自己的工作与更广泛的劳动力市场。他们对AI能力现状有不同的体验，进而有不同的预期。

招聘与再就业

尽管Anthropic员工预期AI能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。这些是员工在一次内部民调中的个人预期，不代表Anthropic的计划或其对自己员工人数的看法。即便如此，它们表明，至少在一家前沿AI实验室，自动化任务与裁减岗位是不同的预测。

然而，对于被AI取代的劳动者能多快找到新工作，Anthropic员工比美国成年人略更悲观。我们询问，一个在2030年因AI自动化而失业、且需要转换职业的人，需要多长时间才能找到新工作。4 Anthropic员工的中位数预期是，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至12个月区间。

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》中，我们引入了一个结构化框架，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上的回答——能力、扩散、自动化、生产率和劳动者过渡摩擦——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，我们识别出所有回答了与关键模型输入相关全部问题的受访者（3,259名美国成年人和1,093名员工）。然后，我们评估每位受访者的回答所隐含的经济情景，下文重点关注对2030年GDP增长的影响。

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

来自在线情景探索器测验的回答

图7还显示了网站访客提供的输入所隐含的经济情景，这些访客使用了一个基于该经济模型的交互式情景探索器，该探索器于2026年9月9日发布在www.anthropic.com/institute/econ-scenarios。

该交互式探索器使用了我们于2026年8月向美国成年人和Anthropic员工提出的问题的简短版本。发布后的前48小时内，共有23,075名访客完成了调查，他们来自全球140多个国家。这些访客选择来到Anthropic网站上的页面并参加测验，因此他们可能比普通公众更关注AI。事实上，他们的回答使他们介于美国成年人和Anthropic员工之间：访客中位数回答隐含12.5%的增长。

实验室内部

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，RSI是指AI系统日益改进自身能力的过程（Favaro and Clark, 2026）。

为了解员工自己是否预期这会发生，我们询问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，以及他们预期未来会是多少（图8）。6 在接受调查的Anthropic员工中，如今的中位数回答是51%，到2027年底为80%，到2030年底为95%。

对AI在AI开发中所完成工作比例的估计，在团队内部的差异远大于团队之间。尽管如此，最接近模型构建工作的研究团队员工对如今AI所占比例的估计略高：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说法一致，不过研究人员——由于其工作性质——也可能比其他员工在自己的工作中更多使用AI。

与招聘预测一样，这些回答是2026年8月向Anthropic员工发放的内部民调中员工的个人观点。

结论

美国成年人和Anthropic员工对AI如今能做什么大体上意见一致。然而，他们在AI将以多快速度改进、将被多广泛使用，以及以节省时间衡量的生产率提升将有多大这些问题上存在分歧。透过《变革性AI的经济情景》中的模型视角来看，美国成年人中位数受访者的回答隐含了一种美国经济增速超过其典型增速两倍以上的情景。而在处于AI开发与使用前沿的Anthropic员工中，对AI进展、采用以及知识工作自动化的预期，则隐含着一场变革性的、史无前例的经济变化：到2030年，GDP规模大约每四年半翻一番。

那些预期AI在未来几年会承担更多自身工作的人，也预期失业率会更高。这一点对美国普通公众和Anthropic员工都成立；平均而言，Anthropic员工预期自身工作被自动化的速度更快，进而失业率也更高。我们发现，这种预期上的分歧与Anthropic员工和普通公众之间在“未来几年自身工作有多大比例将被自动化”这一问题上的看法差异密切相关。

两个群体与AI的日常接触程度差异很大。大多数Anthropic员工已经在与承担其大部分工作的AI协同工作，而美国劳动者中这样做的人很少。那些已经这样做的人，其预期更接近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。转变幅度有多大，将取决于AI在其他地方承担的工作是否最终能像在一家前沿实验室里那样多。

Acemoglu, D. and P. Restrepo (2019). "Automation and New Tasks: How Technology Displaces and Reinstates Labor." Journal of Economic Perspectives 33(2), 3–30.

Favaro, M. and J. Clark (2026). “When AI Builds Itself.” The Anthropic Institute. https://www.anthropic.com/institute/recursive-self-improvement .

Korinek, A., C. I. Jones, S. Sacher, T. Cotter and P. McCrory (2026). "Economic Scenarios for Transformative AI." The Anthropic Institute Working Paper No. 2026-02.

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

Wilmers, N., R. Catipon, M. Massenkoff and P. McCrory (2026). “How Employment is Changing at Anthropic.” The Anthropic Institute. https://www.anthropic.com/research/employment-at-anthropic .

Morning Consult于8月11日至23日开展了这项针对美国成年人的调查，共接触到10,980名美国成年人。其回答经过加权，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。该调查通过在线方式对自愿加入的小组成员进行，因此不包括无法上网的成年人，并且可能因人口统计加权无法纠正的原因而与总体人口存在差异。员工调查是一项内部民调，于8月9日至12日进行，从公司各个部门共获得1,334名受访者。该调查未加权，所有人都被问及2030年。

Morning Consult于9月17日至24日再次提出相同问题，并在末尾新增了两个问题，共接触到7,613名美国成年人。主要结果变化不大：该样本中美国成年人中位数受访者的回答隐含2030年GDP增长5.6%、失业率4.7%。最大的变化是预期到2030年会出现诺奖级发现的美国成年人比例上升至44%，高于此前的39%。我们在全文中报告的是8月的结果。

这类似于我们在Anthropic经济指数中使用的分类器，用于评估人们和企业交给Claude的任务所节省的时间。例如，参见《从Claude对话估算AI生产率提升》。

两个群体都被问及以下问题：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。现在设想一个人因AI自动化在2030年失去工作，需要转到另一个职业。你认为他们需要多长时间才能找到新工作？对于普通公众，答案选项从“不到1个月”到“超过3年，或永远找不到新工作”。Anthropic员工则通过滑块以月为单位作答。

我们遵循《变革性AI的经济情景》中概述的程序，将原始调查回答映射为模型关键输入的隐含路径。参见该文附录B。在本练习中，我们将模型中的所有其他参数保持在其“显著”情景下的取值。

中位数是针对每个结果分别计算的，因此中位数增长率和中位数失业率可能并非来自同一名受访者。

这比AI能写多少代码是一个更宽泛的问题。Favaro和Clark（2026）报告称，合并进Anthropic代码库的代码中，如今有超过80%由Claude编写，但构建一个前沿模型还涉及研究方向、实验设计与评估等诸多方面。

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自然语言规格说明，并配以自动评估器来检查和评分其设计。Claude基本独立完成了工作，改进了已发表的最佳电路，某些情况下提升了一个数量级甚至更多，这可能使实用量子计算机比此前预期更早到来。

Claude揭示ECDSA曲线起源

一个最流行的密码学标准之一，其数十年之久的起源之谜已得到解释。

Anthropic的就业正在如何变化

AI如何重塑了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领先指标。

负责任披露政策

数据处理协议：美国K-12

使用政策