科技 · 新聞解讀
Anthropic 的 44 兆美元 AI 數字是情境，不是預測：五項假設要核對
Jack Clark 在曼谷強調一個極端的 2030 年結果。Anthropic 自家論文明確表示，這些情境沒有機率，並說明產出、就業與勞動所得占比為何可能朝不同方向變化。
Anthropic 共同創辦人 Jack Clark 在 IMF 與世界銀行年會引用醒目數字：在特定 AI 假設下，美國 2030 年產出可能接近 44 兆美元。公司的技術論文同時明確限定：這些情境不是預測，極端結果依賴能力、採用率與自動化迅速上升。
44 兆美元來自有條件的極端情境
Clark 10 月 17 日在曼谷對官員表示，某內部模型在特定條件下可能使美國 2030 年產出接近 44 兆美元。基礎論文對含義更嚴謹：情境不是預測，不附加機率，只用來比較不同假設的後果。最大數字來自極端變化情境，不是美國經濟的基準預測。
結果由五項假設推動
模型考察 AI 可觸及多少認知任務、企業使用多廣、受影響任務的產能提升、AI 是取代還是輔助勞動，以及失業者多快轉往其他工作。極端情境中，AI 影響約 30% 的全部任務價值，擴散至其中 60% 的實際執行，使相關任務產能提高一倍以上，並以 90% 自動化、10% 輔助方式使用。任何輸入改變都會改變產出路徑。
產出更高不等於收益平均分配
極端情境讓 2030 年 GDP 比無 AI 路徑高約 32%，年成長達 15%，但所得也轉向資本。論文中的勞動所得占比由 60% 降至 45%，認知就業比 2026 年中低 21.5%，原本從事認知工作的勞工失業率達 17.9%。這些是極端假設下的模型結果，不是已觀察事實，也不是損失一定會由移轉支付抵銷的承諾。
較溫和情境完全不同
溫和變化情境中，AI 到 2030 年只為 GDP 成長率增加不到 0.5 個百分點，失業率約增加 0.1 個百分點。10,980 名美國成年人的調查答案更接近顯著變化情境：2030 年 GDP 比無 AI 路徑高約 8%，認知就業低約 4%。廣闊差距正是核心結論，只把最大數字當預測會刪掉模型最重要的警示。
現在到 2030 年應觀察什麼
作者列出可測量訊號：模型可完成的任務比例、企業真實採用率、單項任務產能提升、自動化與輔助比例，以及失業者轉入其他職業所需時間。框架也有邊界：主要研究認知工作，大致排除機器人快速進步，也未模擬研究與自動化的全部回饋。下一步最有用的證據是採用率、薪資、招聘與任務層級產能，而不是另一個龐大 GDP 標題。
