Anthropic公司最新研究显示,尽管人工智能正在快速改变工作方式,但还没有显著消除就业岗位。至少目前还没有。但是在Anthropic首席经济学家彼得·麦克罗里所说的"仍然健康"的劳动力市场背后,早期迹象表明影响并不均衡,特别是对刚进入职场的年轻工作者。
在华盛顿特区Axios人工智能峰会间隙的采访中,麦克罗里表示,公司最新的经济影响报告显示,目前几乎没有证据表明存在大规模的就业替代。
"失业率没有实质性差异",无论是在"工作的最核心任务中以自动化方式"使用Claude的工作者——如技术写作人员、数据录入员和软件工程师——还是那些不太接触人工智能、需要"与现实世界进行物理互动和灵活操作"的工作者。
但随着人工智能在各行业的采用不断扩散,这种情况可能会迅速改变。如果Anthropic首席执行官达里奥·阿莫代伊的预测成真,人工智能可能在未来五年内消除一半的入门级白领工作岗位,并将失业率推高至20%。
"替代效应可能会很快显现,所以你需要建立一个监测框架来在它显现之前理解这一点,这样我们就能在它发生时捕捉到它,并理想地识别出适当的政策响应,"麦克罗里告诉TechCrunch。
他说,保持领先于这些趋势是跟踪人工智能增长、采用和扩散如此重要的原因。
麦克罗里表示,理论上,像Claude这样的人工智能模型几乎可以做计算机能做的任何事情。但在实践中,大多数用户只是在触及这些能力的表面。
他说,Anthropic研究了哪些角色涉及人工智能特别擅长的任务,那些已经被自动化的任务,以及与实际工作场景相关的任务——这些领域最有可能预示替代可能出现的地方。
Anthropic周二发布的第五份经济影响报告还发现,即使在还没有太多替代的地方,早期Claude采用者和新用户之间也存在不断扩大的技能差距。
早期采用者更有可能从模型中获得显著更多的价值,将其用于与工作相关的任务而不是随意或一次性目的,并以更复杂的方式使用,比如作为迭代和反馈的"思维伙伴"。
麦克罗里表示,研究结果表明人工智能正在成为一种奖励那些已经知道如何使用它的人的技术——能够有效地将其融入工作中的工作者将越来越具有优势。
这种优势在地理分布上也不均匀。报告还发现"Claude在高收入国家使用更为密集,在美国境内知识工作者较多的地方使用更多,并且用于相对较少的专业化任务和职业"。
换句话说,尽管人工智能被承诺为均衡器,但采用可能已经倾向于富裕群体,并且随着资深用户进一步领先,可能会放大这些优势。
Q&A
Q1:Claude是什么?它对就业市场有什么影响?
A:Claude是Anthropic公司开发的大语言模型。目前研究显示,Claude还没有显著消除就业岗位,使用Claude的工作者与不太接触人工智能的工作者之间失业率没有实质性差异。
Q2:人工智能会造成大规模失业吗?
A:根据Anthropic CEO预测,人工智能可能在未来五年内消除一半的入门级白领工作岗位,失业率可能达到20%。不过目前还没有出现大规模就业替代的证据。
Q3:为什么说人工智能技能差距正在扩大?
A:早期Claude采用者更能从模型中获得价值,将其用于工作相关任务并以更复杂方式使用。同时,Claude主要在高收入国家和知识工作者较多的地方使用更密集,这可能放大现有优势。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。