一个 AI 公司资助独立经济研究、举办政策研讨会、建设公共数据基础设施，听起来不像常规操作。确实不是。但 Anthropic 的 Economic Futures 计划押了一个具体的赌注：理解 AI 的经济影响需要的不仅仅是内部分析，它需要一个测量的生态系统，而这个生态系统目前不存在。Anthropic 正在建造它。
为什么一个 AI 实验室要投资经济学
前提很简单。AI 系统已经在重塑人们的工作方式，但研究界缺乏数据来理解这种转型的速度、分布和特征。学术界关于技术对劳动力市场影响的研究通常使用滞后数月甚至数年的政府调查数据。行业报告依赖自我报告的采用调查，偏差未知。两者都无法捕捉当下正在发生的事情。
Anthropic 拥有大多数研究者没有的东西：关于数百万人如何在专业场景中使用 AI 的实时数据。通过 Clio（一个隐私保护分析系统），公司可以在大规模范围内观察 Claude 对话中的模式。这些数据直接映射到职业任务、行业和用例。
但拥有数据不等于拥有理解。Anthropic 也认识到，自己的分析无论多么严谨，都带有固有局限。Claude 用户不代表全球劳动力。平台捕获的是 AI 使用，不是 AI 影响。观察到的行为反映的是采纳，不是替代。
这就是 Economic Futures 计划介入的地方。该计划于 2025 年底启动，2026 年持续扩展，将 Anthropic 定位不是 AI 经济影响的权威，而是构建该领域所需知识基础设施的平台。
三个支柱
计划通过三个相互连接的支柱运作，每个支柱解决当前研究格局中的不同缺口。
支柱一：催化独立研究
通过 $10,000 到 $50,000 的资助、API 积分和战略合作，该计划资助外部研究者研究 AI 的经济效应。他们优先的研究问题揭示了计划的学术议程：
劳动力市场转型。AI 赋能岗位的出现速度相对于岗位替代有多快？随着 AI 采用增加，工人在职业间的实际流动是什么样的？哪些行业正在经历净岗位创造而非减少？
人机互补性。随着 AI 进步，哪些人类技能将保持价值？教育和专业认证应该如何演进？当人类与 AI 系统协作时，会出现什么新能力？
生产力测量。如何捕获传统 GDP 指标遗漏的 AI 驱动产出变化？AI 采用与企业层面和经济层面可测量生产力之间的关系是什么？
市场结构与竞争。AI 采用如何影响市场集中度、企业动态和竞争优势？AI 是不成比例地惠及大公司还是小公司？
资助外部研究而非将所有分析留在内部的决定是刻意的。它直接应对可信度问题：AI 公司对自己经济影响的评估带有固有的利益冲突。使用 Anthropic 数据的独立研究者可以得出 Anthropic 自己的团队可能不会发布的结论。
支柱二：协作政策开发
Economic Futures 研讨会将研究人员、政策制定者和从业者聚集在一起，评估基于真实世界数据的政策提案。首届研讨会在华盛顿特区举办，产生了一系列提案，揭示了思考的广度：
来自美国 Compass 的 Abigail Ball 提出了针对 AI 替代工人的再培训资助。乔治城大学的 Andreas Kern 探索了 AI 如何服务于新兴市场的货币当局。IMF 的 Anh Nguyen 和 Era Dabla-Norris 概述了管理 AI 转型的财政政策。密苏里大学的 David Gamage 提出了面向弹性 AI 经济的税收架构。MIT 的 Neil Thompson 引入了一个用于校准劳动力市场政策响应的"专业知识框架"。
这些提案的多样性说明了一个核心挑战：关于什么是"好的"AI 经济政策，没有共识。研讨会的目标不是产生共识，而是确保政策辩论基于数据而非猜测。
伦敦政经学院随后举办了欧洲版研讨会，扩展了地理和学科覆盖。
支柱三：扩展测量和数据基础设施
Anthropic Economic Index 是该计划最具体的产出。它是一个定期发布的数据报告，分析人们如何在整个经济体中使用 Claude，将对话映射到专业任务和职业类别。
指数自 2025 年 2 月首次发布以来有了显著演进。2026 年 1 月的报告引入了"经济原语"框架：五个基础指标（任务复杂度、技能水平、用例、AI 自主性、任务成功），标准化了不同报告间的测量。2026 年 3 月的报告增加了学习曲线分析，显示用户经验如何影响任务成功率。
数据是公开的。Anthropic 在 Hugging Face 上发布数据集，使任何研究者都能独立分析底层数据。2026 年 4 月推出的经济指数月度调查（通过 Anthropic Interviewer 进行）增加了定性维度：来自工作者的关于 AI 如何改变他们日常工作的一手叙述。
从数据到框架：观察暴露度指标
该计划最重要的方法论贡献是"观察暴露度"指标，由 Massenkoff 和 McCrory 在 2026 年 3 月的劳动力市场影响论文中开发。
传统方法通过估算 AI 理论上能执行哪些任务来衡量 AI 的劳动力市场潜力。Anthropic 的方法增加了第二层：人们实际上在用 AI 做哪些任务。观察暴露度指标结合了：
理论能力来自 Eloundou 等人（2023），衡量哪些任务 LLM 可以至少加速 2 倍；Claude 使用数据来自 Economic Index，衡量哪些任务显示了显著的工作相关使用；自动化加权，对完全自动化的工作流给予完全权重，对增强使用给予半权重；职业聚合，按时间花费加权平均任务级覆盖率。
结果描绘了一幅细腻的画面。计算机程序员显示 75% 的观察暴露度。客户服务代表和数据录入员也显示高比率。但 30% 的美国工人显示零观察暴露度：厨师、摩托车技工、救生员、酒保。
理论能力和观察暴露度之间的差距在各职业类别中持续为 50-65 个百分点。这个差距是该计划的核心研究对象。理解它为什么存在以及它以多快的速度缩小，对于校准政策响应至关重要。
81,000 人调查：连接数据与体验
经济指数定量数据的定性对应物来自 Anthropic 的 81,000 人用户研究，覆盖 159 个国家的 70 种语言。这是迄今为止最大规模的多语言定性 AI 用户研究。
该调查的经济分析于 2026 年 4 月发布，产生了几个补充指数数据的发现：
五分之一的受访者对 AI 导致的经济替代表示担忧。这种担忧不是均匀分布的。它与观察暴露度强烈相关：在 Claude 处理更大份额任务的职业中，工人更担心被替代。观察暴露度每增加 10 个百分点，感知的工作威胁感增加 1.3 个百分点。
职业早期的工作者比资深员工表达更多焦虑。这与劳动力市场论文的发现一致：22-25 岁群体在高暴露职业中的招聘率下降了约 14%，一个处于显著性边界的值得持续监测的结果。
最引人注目的发现是生产力-焦虑悖论。报告从 AI 获得最大速度提升的受访者也最担心 AI 对其工作的影响。速度提升和威胁感知同步增长。看到自己任务加速的工人也看到了自己的角色变得更易被替代。
McCrory 的访谈：经济学负责人的视角
Anthropic 经济团队负责人 Peter McCrory 在 Exponential View 的访谈中讨论了该计划的方法。对话中的几个观点阐明了计划的哲学：
"我们现在对煤炭经济的了解比对 AI 经济的了解更多。"这个概括抓住了该计划旨在关闭的测量缺口。整个经济学领域围绕理解以前的技术转型如何影响劳动力市场而建立，从蒸汽机到互联网。AI 的经济转型比研究基础设施能追踪的速度更快地发生。
"实施像楼梯，不像曲线。"采纳不遵循平滑的指数曲线。它在特定任务集群达到可靠性和信任的阈值水平时突然爆发。经济指数数据支持这一点：使用重度集中在少数任务中，一旦相邻任务越过临界点就迅速扩散。
"知识的负担。"McCrory 指出，最了解 AI 的人往往对其经济影响最不确定。这与调查显示技术工作者（最直接体验 AI 能力的人）也最担心替代的数据一致。
这个计划的独特之处
几个特征将 Anthropic 的 Economic Futures 计划与其他 AI 行业的经济研究努力区分开来。
数据透明度。Anthropic 发布其经济指数数据，包括 Hugging Face 上的匿名化数据集。其他 AI 公司收集类似的使用数据但不公开。这种透明度使独立验证和分析成为可能。
隐私架构。整个测量系统建立在 Clio 之上，它分析对话模式而不暴露个别对话。这种隐私保护方法允许 Anthropic 分析敏感的经济数据而不损害用户信任。
多学科设计。该计划集成了定量数据分析（经济指数）、定性研究（81K 研究、月度调查）、学术资助（研究拨款）和政策参与（研讨会）。这种广度应对了任何单一方法的固有局限。
制度性谦逊。该计划明确将 Anthropic 的数据定位为起点，而不是确定答案。Forbes 上 Hamilton Mann 的批评指出观察暴露度不是 AI 劳动力市场影响的一般性度量，Anthropic 的团队公开承认了这一局限。资助可能挑战 Anthropic 自身解释的独立研究者是一个不寻常的制度选择。
值得关注的方向
计划的轨迹提示了几个值得追踪的发展：
月度经济指数调查将建立一个纵向数据集，追踪 AI 的经济影响如何随时间演变。这个时间序列数据对政策的价值远超任何单一横截面快照。
2025 年底宣布的英国和欧洲市场扩展，将地理范围扩展到了以美国为中心的初始数据之外。不同的监管环境、劳动力市场结构和对 AI 的文化态度将产生不同的采纳模式。
观察暴露度数据与传统劳动力市场统计之间的互动。随着劳工统计局和类似机构纳入 AI 特定的测量，实时使用数据与官方统计之间的差距应该缩小。该计划的公共数据集使这种整合对外部研究者来说更容易。
研讨会产生的政策提案将越来越多地面对现实世界的测试。随着 EU AI Act 合规要求于 2026 年 8 月生效，对基于证据的 AI 治理框架的需求将变得更加紧迫。
参考
- Anthropic Economic Futures Program: https://www.anthropic.com/economic-futures/program
- Anthropic Economic Index: https://www.anthropic.com/economic-index
- 经济未来研讨会提案: https://www.anthropic.com/economic-futures/symposium-proposals
- 劳动力市场影响论文: https://www.anthropic.com/research/labor-market-impacts
- 81,000 人经济分析: https://www.anthropic.com/research/81k-economics
- 81,000 人期望研究: https://www.anthropic.com/81k-interviews
- 经济原语框架: https://www.anthropic.com/research/economic-index-primitives
- 经济指数调查: https://www.anthropic.com/research/economic-index-survey-announcement
- 生产力估算: https://www.anthropic.com/research/estimating-productivity-gains
- Clio 系统: https://www.anthropic.com/research/clio
- Peter McCrory 访谈: https://www.exponentialview.co/p/anthropics-head-of-economics-on-ai
- 经济指数数据集: https://huggingface.co/datasets/Anthropic/EconomicIndex