人工智慧讓經濟變大，但知識工作者不一定加薪

最近讀了 Anthropic 經濟團隊發佈的互動報告，估算人工智慧到 2030 年對美國經濟的影響。結論很集中：經濟總量一定變大，但影響越大，知識工作者處境越差，分給資方的比重越高。把重點整理如下，後面附上我的看法。

模型怎麼算

報告把每種職業拆成一堆細碎任務來算。以護理師為例：查房、抽血、量血壓紀錄、叫貨，有的不受影響，有的被輔助做更快，有的被整包拿走自動做，還會冒出新任務，例如檢查人工智慧判讀準不準。

全美國把所有任務加總，就是一年超過 30 兆美元的經濟總量。差別只在：人工智慧能做多少、用得多廣、多自主、讓人變多有效率、失業者轉行要多久。

情境	比喻	2030 年經濟總量	說明
和緩型	像當年網路	增加 1.6%，共 34.1 兆美元	數字上有感，生活中無感
顯著型	比鐵路還大	增加 8.3%，共 36.3 兆美元	成長率變兩倍，知識薪水不漲，其他行業漲
極端型	歷史沒見過	增加 32.4%，共 44.4 兆美元	年增 15%，4.5 年翻一倍，需自我進化型人工智慧加快速普及

第一，總量都漲，幅度差二十倍。和緩最少，極端最多。

第二，工作大搬家。只有極端型會爆。顯著和極端型下，寫程式、客服這類人要轉去做水電、護理。轉行很慢，卡在中間沒工作的人就變多。顯著型總失業率約 5%，還在歷史範圍。極端型會衝破衰退等級。知識失業升，非知識失業反而降。

第三，薪水兩極。平均都漲，但漲的都是非知識工作。顯著型裡知識薪水原地踏步，極端型裡倒退一成以上。原因是人力需求少了壓低薪水，而效率提高後，實體工程變多，反而推高營建這類薪水。

第四，分餅比例變了。現在 1 美元有 0.6 美元給勞工。越極端，分給資本越多：

極端型下，勞工總收入幾乎沒增加。問題不是不夠有錢，是怎麼分。

8 月調查 10,980 名美國人，問五題：能做什麼事、用得多廣、多自主、效率變幾倍、失業轉行要多久。中位數剛好落在顯著型。約 10% 人看法等同極端型。

不用，但方向是對的。報告說的是非知識工作相對漲，不是要白領丟掉一切轉藍領。最賺的位置，是懂現場又懂工具的人，不是從零學配線。

轉行的代價很實在：前兩年到三年低薪打雜，傷腰傷膝，而且過去累積的現場經驗和人脈直接歸零。水電現在好賺，是因為年輕人不做，不是因為報告突然讓它偉大。

對一般人更實在的三條路：留在產業和工具的交界，把工具當槓桿讓一個人做出三個人的產出，真要學手藝也學跟本業相鄰的，例如配電、儀表、空調冰水。別人逃去做工，你留在原地讓工具放大你，漲的是薪水，不是工時。

第一版模型很簡化，沒算政府政策、景氣循環、蓋資料中心帶動的需求、金融動盪、機器人突破、人工智慧加速發明本身。也沒追蹤個人，只看總數。當成思考工具可以，當成預言不行。