新智元报道

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 Peter McCrory 近日发布的一篇长文。

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 Maxim Massenkoff 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 Economic Primitives 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 Learning Curves 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 Claude Code 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。

Anthropic 6 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。

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 Jones 2017 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。

NBER 2025 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，Ronald Coase 1937 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。

参考资料：

编辑：马可

秒追ASI