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。
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 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。
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 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:
https://x.com/PeterMcCrory/article/2079979321607745905
https://x.com/MTSlive/status/2091252532689658001
本文来自微信公众号“新智元”,作者:ASI启示录,编辑:马可
