Anthropic 上线了一款 2030 年美国经济情景推演器，把 AI 对就业的冲击拆成五条滑块——AI 能力、采用率、自主度、生产力放大、转岗速度。拖动它们，GDP、失业率、知识工作者工资的曲线就会跟着变。它给出的不是判断题，而是一组连动的参数。
一份护士的待办清单，怎么算出 30 万亿美元？
模型把全美所有工作拆成"任务"，AI 对每个任务有四种影响：不变、辅助、替代、创造新任务。
查房、抽血、分诊、记生命体征、申领耗材——这是一名护士一天里要做的事，任务清单来自美国劳工部 O*NET 职业分类。每条任务不是她一个人在做，全国每个病房、每个班次都在重复。加总起来，这笔账算的是全美所有职业、所有任务、所有执行次数。
AI 进入这套任务清单的方式有四种：完全不影响、AI 帮人类做得更快更好、AI 独立完成、AI 催生新任务。原文给的对照是：手写纸质病历这份工作 30 年前还在，现在几乎没人做；远程监测病人这件事 30 年前根本不存在。任务清单从来不是静态的。整个模型的全部计算，建立在"这四种影响在每类任务上各占多少"这个比例之上。
落到具体例子：AI 帮护士起草出院医嘱、远程盯病人、规划当班护理；自动完成病历生命体征录入和耗材申领；催生"检查 AI 分诊是否合理""审阅 AI 提出的护理方案"这类新任务。模型把这四种影响分别乘以全国每项任务每天发生的次数，再汇总成对 GDP、劳动力市场、工资的影响。
把全美经济拆成几十亿条任务，AI 一条条算过去
传统模型以"岗位"为单位，Anthropic 把它往下凿了一层：拆成任务，再让 AI 对每条任务决定辅助、替代还是新造——GDP、失业率、工资，都从这层颗粒里长出来。
以往的经济模型把"岗位"当最小单位：一个人要么在岗，要么失业，工资跟着岗位走。Anthropic 的做法把每个职业拆成 O*NET 任务清单（美国劳工部的职业任务标准库）——例如护士的日常任务包括查房、抽血、分诊、记生命体征、订耗材，每一条都是独立任务。再把所有职业的任务拼起来，得到全美一年里发生过的几十亿次任务实例。
AI 撞上每一条任务时只有四种结果：不变、辅助人做、部分或全部由 AI 接手、AI 催生出原本不存在的任务。模型把"AI 能力涨多少"映射到这四种结果的概率上，再把"企业多快采用、人多快转岗"折成时间速度，最后从几十亿条任务上跑出 GDP、失业率和工资——不是顶层假设，是底层加总。
一个护士今天能管的病人变多，不是"岗位变了"，是她任务包里"被 AI 接管"的部分省下来的时间，被重新分配到"陪病人聊诊断"——这正是任务清单新增出来的那类活。这和传统宏观模型走的是反方向：传统模型先给定生产率增速（单位工时创造的价值），再倒推就业；Anthropic 则让就业结果从几十亿次任务的小决策里浮上来。两种路径，差别就在这层颗粒度上。
GDP 翻倍那天，白领的钱包最瘪
模型算出的 2030 年美国 GDP 越夸张，知识工作者的工资反而越往下掉。
Anthropic 把极端档（extreme scenario）定义为增长"比经济史上前所未有的还要快"，经济规模在几年内直接翻倍。GDP 曲线拉满的同时，失业率也冲到模型给出的最高位。工资的输家是知识工作者（knowledge workers，即靠脑力劳动而非手工或服务劳动拿工资的人，如程序员、分析师、行政、律师助理）。
Anthropic 写道：财富总量在涨，难处是怎么让所有人都分到那杯羹。增长越快的几档，越像"国富论"的预言——饼做大，有人先吃空。
再看中间那档"实质"档（substantial scenario）：到 2030 年 AI 能独立完成一半知识工作，多数却还没被采纳，经济以正常两倍速度增长。这已经是大多数科幻叙事里"AI 黄金时代"的画风。常识会以为它对白领最凶——模型给出的排序却是：温和档对白领工资几乎无影响，实质档造成下行，到了极端档，工资压制才被增长红利部分对冲。
Anthropic 在博客里点破了这一层：在"前所未有增长"档位，工资和就业前景会受冲击；在温和与实质档中，工资持平或上涨。反直觉的地方正在这里：GDP 增长越猛，知识工作者的相对份额反而越被压缩。原因藏在任务结构里——AI 越强，自动化覆盖的知识任务比例越高，新任务出现的速度跟不上被替代的速度。
为什么极端档会两头夹击？极端档假设 AI 自主程度（autonomy，即 AI 不需要人盯着、独立把活干完的比例）和采用率同时拉满，这两条滑块一动，白领单位劳动的议价空间就被双向挤压。
把"自主度"和"采用率"一起拉到顶端，GDP 起飞；把"转岗速度"留在低位，工人来不及挪窝，失业率跟着 GDP 一起爬；落到工资分布上，知识工作者成了最先挨刀的那个群体。极端增长与极端工资压制，是同一组参数的两面——前提是增长红利没有足够快地转化为再分配，否则这一档的工资压制会被部分抵消。
Anthropic 想要的不是答案，是一桌子问号
这个模型逼出来的问题，比它给出来的结论更值得看。
极端剧本下的画面很反常：社会总财富远超历史，但少了一大批知识工作岗位。Anthropic 在长文里说得很明白——这种情境下，核心议题不再是"增长还是失业"的选择题，而是"整体更富但分配严重不均"的结构性问题。
他们的定位是"先把可能性摊在桌面上"：Anthropic 之前发布的 Economic Index 测的是当下 AI 在经济里的实际使用情况，这个情景模型测的是未来——两者构成一套工具组合。底层方法论写在 Korinek et al., 2026 的技术报告里，前端是一个让非专业读者也能拖滑块得出自己结论的互动探索器。
模型里的所有数字来自 Anthropic 内部假设与外推，目前没有第三方机构对其情景设置进行独立复现；把它当参考框架而非预测来读更稳妥。Anthropic 自己也强调"我们不知道 AI 会如何重塑经济"，这种把不确定性直接交给读者的做法，在 AI 厂商里并不常见。
可观察的信号：Economic Index 每月发布的当下使用数据与情景模型里"采用速度"滑块方向是否一致，是判断这个参考框架是否站得住的最直接锚点——但前提是这些数据能持续公开、口径不变；如果未来一年有独立学术团队对 Korinek et al., 2026 的方法论做复现并发表，则其参考价值会上升，否则它始终只是 Anthropic 的一家之言。
先拖一遍，再决定盯什么
这个工具不是给你一个 2030 的答案，而是让你自己按一组滑块试出一组答案。打开页面后第一件事是看场景简介，再进 explorer 拖滑块，每次拖完看三个数字怎么变。
打开 Anthropic 官网的 Scenarios for our Economic Future 页面，滚动到 explorer 区域，你会看到五个滑块：AI 能力增长速度、行业采用速度、任务自动化比例、新任务创造速度、人转岗速度。
每个滑块都对应主信源里那五个参数，拖动时右侧会实时显示 2030 年的 GDP、失业率、知识工作者工资的预测值。
下一步，试试把「自动化比例」和「能力增长」同时拉到最右，对比只拉「能力增长」一个——你会看到两个 2030 的差距是数量级的，这正是主信源里 extreme 场景和 modest 场景的差异入口。
场景之间的差别不是细节。Modest 场景下 AI 影响像互联网一样，在宏观经济数据里几乎看不出；Substantial 场景下 AI 到 2030 年能干一半知识工作、多数自主完成，经济增速翻倍；Extreme 场景则要靠「递归自我改进的 AI 系统」才能成立。三档是模型内置的锚点，你拖出来的中间状态都落在这三档之间。Anthropic 没说哪一档最可能，它的态度是先把可能性摆出来。
主信源没给普通读者验证模型准确性的方法——它基于 Korinek et al., 2026 的技术报告，但报告全文、第三方复测、跑分口径都没出现在主信源里。所以现在能做的不是验证，是观察：什么时候 Anthropic 发布更新、什么时候有人拿真实经济数据回测这个模型，这两个时间点是判断它值不值得信的关键标记。
另一个可以现在就看清的区别：同一组 2030 年的 GDP 数字，背后对应的工资和失业率可能完全相反。极端场景下社会更富有，但知识工作者的工资和岗位前景会变差——主信源把挑战归结为「怎么让收益被广泛分享」。你在工具里拖滑块时，盯住的不该是 GDP 那一行，而是「知识工作者工资」那一行。
打开 Scenarios for our Economic Future 页面，滚到 explorer 区，依次拖动五个滑块各一次，看右侧 GDP、失业率、知识工作者工资三条曲线的实时变化。
先点进 modest、substantial、extreme 三个预设场景，读一遍锚定数字，再回到自己拖——确认你的滑块位置落在哪两档之间。
只拉「能力增长」一个滑块到最右，记录结果；再把「自动化比例」也拉到最右，记录第二次结果——亲眼看两组数字差几个数量级。
把目光锁定在「知识工作者工资」那一行，而不是 GDP——主信源说极端场景下社会更富但工资和岗位前景变差，收益分配才是核心变量。
盯两个时间标记：Anthropic 何时发布模型更新、以及何时有第三方拿真实 2030 前经济数据回测——在此之前这个工具只能用来思考，不能用来预测。
信源：Anthropic 官方研究院长文《Scenarios for our Economic Future》及其配套情景探索器；口径说明：原文给出的数字均为模型推演结果与一项针对 1 万余名美国人的问卷调查结果，并非实际经济统计数据，三档情景（温和/重大/极端）属于假设区间而非预测。