AI没有抢走任何人的工作。至少到目前为止没有。这个结论来自Anthropic经济研究负责人PeterMcCrory近日发布的一篇长文。
https://x.com/PeterMcCrory/article/2079979321607745905
经质量调整的AI产出在2024和2025年均增长超过2000%，约五分之一的美国企业已在业务中使用AI，但美国6月失业率仍然是4.2%，恰好落在充分就业水平上。
McCrory的核心判断是：AI目前仍是一种“技能偏向型、劳动力增强型”技术，它在放大人的能力，而不是替代人。
他同时给这个判断标了有效期：12个月。
数据不撒谎：
连AI高暴露岗位都没事
McCrory拉了一整条数据链来证明美国劳动力市场有多稳：失业率4.2%，职位空缺与失业人数之比刚过1，25至54岁就业比例接近数十年高位，初请失业金人数连续四年低位运行。
他认为，总体而言，美国就业形势稳中向好。
总量数据只是起点，分组对照才见真章。
McCrory与同事MaximMassenkoff此前做过一项分析：把Claude被大量用来自动化的任务所对应的岗位单独拎出来，看它们的失业率是否比其他岗位恶化更快。
答案是没有。
用最新的劳动统计局数据更新，结论不变。
软件工程类职位的招聘帖自2025年5月起反弹，涨幅甚至高于其他岗位的平均水平。
唯一值得留意的是年轻劳动者。
McCrory承认，年轻人在AI高暴露岗位上求职确实变难了，斯坦福数字经济实验室的论文提供了类似证据。
但他也指出一个容易被忽略的背景：2022年至今，美国经历了有记录以来最大幅度的非衰退式劳动力市场降温，“低招聘、低裁员”格局本就最先挤压早期职业者。
把这笔账全算到AI头上，证据不够。
为什么没抢走工作：
每个岗位都有AI搞不定的环节
McCrory的解释建立在Anthropic过去18个月多份研究报告的事实基础上，逻辑链条是这样的：
第一层事实：在美国劳工部O*NET的全部职业分类中，没有任何一个岗位的所有关联任务被Claude系统性地完成。
每个岗位都存在AI搞不定的环节：人际协调、面对面互动、与物理世界打交道。
这些环节像木桶的短板，既限制了AI对整体生产力的提升幅度，也让能补上短板的人变得更值钱。
第二层事实：AI越强，对操控它的人的要求也越高。
Anthropic今年1月的EconomicPrimitives报告发现，Claude产出越复杂，背后用户的输入专业度越高。
模型做出复杂经济模型时，往往是一个能给出精准指令的专业用户在指挥。
https://www.anthropic.com/research/economic-index-primitives
3月的LearningCurves报告显示，用Claude六个月之后，用户更多地把它当思维伙伴来用，交互成功率更高。
如果AI已经强到能独立完成工作，这种学习效应不该出现。
https://www.anthropic.com/research/economic-index-march-2026-report
第三层事实：即便到了Agent时代，人的价值依然稳固。
Anthropic分析了ClaudeCode七个月的使用数据，发现任务价值在持续攀升，但人类专业能力的回报没有下降：
用户负责规划，把实现委派给Claude；
专业能力更强的用户，任务成功率更高，Claude犯错时恢复也更快。
纯编程实现的溢价可能正在缩水，但规划、判断和纠错的价值反而上升了。
一个有趣的佐证来自用户自己的感受。
Anthropic6月的经济指数调查里，超过三分之一的受访者预期AI在12个月内能完成自己大部分工作，但预期自己因此失业的比例明显更低。
用AI自动化程度更高的那批用户，对薪资和工作安全感反而更乐观。
https://www.anthropic.com/research/economic-index-june-2026-report
三种“奇点”和一道防线
McCrory对当下的判断是乐观的，但他没有回避三种可能打破现有格局的未来场景。
它们在学术文献和行业讨论中分别被称为软件奇点、经济奇点和科斯奇点。
https://x.com/MTSlive/status/2090610614154764509
软件奇点指的是AI自动化创新本身。
过去的通用技术再强大，内燃机造不出新的交通方式；
但AI被直接赋予了通用认知能力，理论上可以反过来加速自身迭代。
McCrory原文明确讨论了这一场景：递归自我改进（RSI）一旦成立，AI能力的提升将脱离人类控制的节奏。
经济奇点是软件奇点的经济学后果。
McCrory援引Aghion、Jones和Jones2017年的模型指出，如果创新过程本身被自动化，标准经济模型会预测出“有限时间内的无限增长”。
这个结论听起来像科幻，但它是严格的数学推演。
科斯奇点则瞄准另一个维度。
NBER2025年的一篇论文（Shahidi、Rusak、Manning等人合著）提出，当Agent把搜索、谈判、签约和监督等交易成本压到接近零时，RonaldCoase1937年的经典问题就会被重新激活——市场协调的成本一旦消失，企业存在的理由也就动摇了。
https://www.nber.org/system/files/chapters/c15309/c15309.pdf
McCrory讨论的Agent场景天然与这一框架对话：如果Agent不只改变生产方式，还改变组织形态，劳动力市场的影响将远不止“谁丢了工作”这么简单。
面对三种奇点，McCrory给出的防线是同一道：“弱环节”。
这个概念来自Aghion、Jones和Jones的论文——经济增长的上限不由做得最好的环节决定，而由那些不可或缺却难以改进的环节决定。
https://www.nber.org/system/files/working_papers/w23928/w23928.pdf
只要存在始终无法被自动化的关键任务，无论是技术瓶颈还是社会约束，劳动收入份额就不会崩塌，企业形态也不会彻底解体。
编程Agent的现状已经在验证这条逻辑。
McCrory引用的数据显示，引入编程Agent后代码行数增长了10到20倍，但软件发布量只增加了30%，应用实际使用量没有任何增长。
代码只是软件生产的一环，测试、架构设计、产品判断这些环节仍然卡在人手上，它们就是当前的“弱环节”。
McCrory给出了明确的预测：一年后美国的失业率不会因为AI而明显上升。
这个判断的有效期是12个月，验证信号也很清晰——观察AI高暴露岗位的失业率是否开始偏离其他岗位，以及Agent场景中人类专业能力的回报是否开始下降。
两个指标同时转向的那天，他自己搭建的这套分析框架也需要被修正。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】