Anthropic 刚发布了一份「AI 抢饭碗报告」：学历越高越「被抢」

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。

声明：

1. 本文转载自 [新智元]，著作权归属原作者 [艾伦]，如对转载有异议，请联系 Gate Learn 团队，团队会根据相关流程尽速处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. 文章其他语言版本 由 Gate Learn 团队翻译， 在未提及 Gate 的情况下不得复制、传播或抄袭经翻译文章。