原文作者:新智元
你的工作「含金量」正被AI抽空。Anthropic 最新报告揭示反直觉真相:越是按教育年限衡量更复杂的任务,AI 加速越猛。相比被直接替代,更可怕的是「去技能化」——AI 拿走了思考的乐趣,留给你的只剩打杂。但数据也指明了唯一出路:懂得人机协作,胜率能翻十倍。在这个算力过剩的时代,这是一份你必须读懂的生存指南。
Anthropic 昨天刚在官网发布《经济指数报告》。
报告不仅关注人们在用 AI 做什么,更关注 AI 到底在多大程度上真正替代了人类的思考。
这次他们引入了一套被称为「经济基元」(Economic Primitives)的全新维度,试图量化任务的复杂度、所需的教育水平、以及 AI 的自主程度。
数据背后折射出的职场未来,比单纯的「失业论」或「乌托邦论」都要复杂得多。
越难的活,AI 干得越快
在我们的传统认知里,机器通常擅长重复性的简单劳动,而在涉及高深知识的领域会显得笨拙。
但 Anthropic 的数据给出了一个完全相反的结论:任务越复杂,AI 带来的「加速度」反而越惊人。
报告显示,对于那些只需要高中学历就能理解的任务,Claude 能将工作速度提升 9 倍;
而一旦任务难度提升到需要大学学历的门槛,这一加速倍率直接飙升到了 12 倍。
这意味着,原本需要人类苦思冥想数小时的白领精英工作,正是 AI 目前「收割」效率最高的领域。
即便我们将 AI 偶尔产生幻觉的失败率考虑进去,结论仍然不变:AI 对复杂任务带来的效率暴涨,足以抵消它出错带来的修补成本。
这解释了为什么现在的程序员、金融分析师比数据录入员更离不开 Claude ——因为在这些高智力密度的领域,AI 展现出的杠杆效应是最强的。
19 小时:人机协作的「新摩尔定律」
这份报告中最令人震惊的数据,莫过于对 AI「耐久度」(任务时长,Task horizons,以 50% 成功率衡量)的测试。
通常的基准测试如 METR(Model Evaluation & Threat Research,模型评估与威胁研究)认为,目前的顶尖模型(如 Claude Sonnet 4.5)在处理需要人类耗时 2 小时的任务时,成功率就会跌破 50%。
但在 Anthropic 的实际用户数据中,这个时间界限被显著拉长了。
在 API 调用的商业场景下,Claude 能在涉及 3.5 小时工作量的任务中保持过半的胜率。
而在 Claude.ai 的对话界面中,这个数字被惊人地推高到了 19 小时。
为什么会有如此巨大的鸿沟?秘密在于「人」的介入。
基准测试是 AI 独自面对考卷,而现实中的用户会将一个庞大的复杂工程拆解成无数个小步骤,通过不断的反馈循环修正 AI 的航向。
这种人机协作的工作流,将(以 50% 成功率衡量的)任务时长上限从 2 小时推到约 19 小时,接近 10 倍。
这或许才是未来工作的模样:并非 AI 独立完成一切,而是人类学会了如何驾驭它跑完一场马拉松。
世界地图上的折叠:穷人学知识,富人搞生产
如果把视野拉升到全球,我们会看到一条清晰且略带讽刺的「采纳曲线」。
在人均 GDP 较高的发达国家,AI 已经深度嵌入了生产力和个人生活。
人们用它写代码、做报表、甚至规划旅游行程。
但在人均 GDP 较低的国家,Claude 最主要的角色是「老师」,大量的用途集中在课程作业和教育辅导上。
除了贫富差异,这更是一种技术代差的体现。
Anthropic 提到,他们正与卢旺达政府合作,试图让那里的人们跨过单纯的「学习」阶段,进入更广泛的应用层。
因为如果不加干预,AI 很可能会成为一道新的壁垒:富裕地区的人用它指数级地放大产出,而欠发达地区的人还在用它补习基础知识。
职场隐忧:「去技能化」的幽灵
报告中最具争议,也最值得警惕的部分,是关于「去技能化」(Deskilling)的讨论。
数据表明,Claude 目前覆盖的任务,平均需要 14.4 年的教育背景(相当于大专学位),远高于整体经济活动平均所需的 13.2 年。
AI 正在系统性地剔除工作中的「高智力」部分。
对于技术撰稿人或旅行社代理人来说,这可能是灾难性的。
AI 接管了分析行业动态、规划复杂行程这些需要「脑子」的活,留给人类的可能只剩下画草图、收发票等琐碎工作。
你的工作还在,但工作的「含金量」被抽空了。
当然,也有受益者。
比如房地产经理,当 AI 搞定了记账和合同比对这些枯燥的行政工作后,他们可以将精力集中在需要高情商的客户谈判和利益相关者管理上——这反而是一种「再技能化」(Upskilling)。
Anthropic 谨慎地表示这只是基于现状的推演,而非必然的预言。
但它敲响的警钟是真实的。
如果你的核心竞争力仅仅是处理复杂的信息,那么你正处于风暴中心。
生产力回归「黄金年代」?
最后,让我们回到宏观视角。
Anthropic 修正了他们对美国劳动生产率的预测。
在剔除 AI 可能的错误和失败后,他们预计 AI 将在未来十年每年推动生产率增长 1.0% 到 1.2%。
这看起来比之前 1.8% 的乐观估计缩水了三分之一,但千万不要小看这 1 个百分点。
这足以让美国的生产率增速重回 1990 年代末互联网繁荣时期的水平。
而且,这仅仅是基于 2025 年 11 月的模型能力。随着 Claude Opus 4.5 的入场,以及「增强模式」(即人们不再试图把工作全丢给 AI,而是更聪明地与 AI 协作)在用户行为中逐渐占据主导地位,这个数字还有巨大的上行空间。
结语
翻阅整份报告,最让人感慨的不尽然是 AI 变得多强,更多是人类适应得有多快。
我们正在经历一场从「被动自动化」到「主动强化」的迁徙。
在这场变革中,AI 就像一面镜子,它接管了那些需要高学历却可以通过逻辑推演完成的任务,从而倒逼我们去寻找那些无法被算法量化的价值。
在这个算力过剩的时代,人类最稀缺的能力,不再是寻找答案,而是定义问题。
参考资料:
https://www.anthropic.com/research/economic-index-primitives
https://www.anthropic.com/research/anthropic-economic-index-january-2026-report
