當地時間9月23日（周三），哈佛大學肯尼迪學院政治學院舉辦焦點對話。奧巴馬政府前首席經濟學家、哈佛大學教授傑森·費爾曼與Anthropic首席經濟學家彼得·麥克羅伊，就AI對勞動力市場、宏觀經濟與政策走向的影響展開深度對談。

麥克羅伊是業内少有的專門發布《人類經濟指數》的研究團隊負責人，手握Anthropic海量的底層使用數據。這場對話的價值正在于此：當市場對AI的體感與宏觀數據持續錯位，一位深度參與模型經濟研究的學者，開始用真實數據回答AI紅利究竟卡在哪裡。

宏觀謎題與J曲線底部

當前最大的謎團是，AI能力呈指數級爆發，美國失業率卻穩定在4.1%的曆史低位，全要素生産率也未見顯著提升。費爾曼在對話中直接提出了這個謎題。

麥克羅伊的解釋是技術擴散的時滞與J曲線效應。模型能夠自主完成的任務範圍大約每四到七個月翻一番，但企業在真正獲得生産力紅利前，必須先消化高昂的重組成本。大型企業受制于數據防火牆和組織架構，要真正釋放這項技術可能帶來的生産力提升，還需要進行配套投資，能力加上背景信息，兩者缺一不可。各公司目前正在經曆代價高昂的實驗期，這正是AI投資回報J曲線的底部。

就業端的數據同樣出乎市場意料。麥克羅伊表示，這看起來更像是一種技能偏向型的勞動增值模式，而非徹底自動化并大規模取代工作崗位的技術。根據美國勞工部數據，目前沒有任何一個職業的全部任務被Claude系統性地自動化。但基于對十萬條真實對話的分析，Anthropic估計當前模型可将單項任務提速約80%，外推至未來十年，美國勞動生産率增速有望每年提高1.8個百分點，大緻回到上世紀90年代末至本世紀初的水平。宏觀政策或許已經低估了潛在經濟增速。

不平等将加劇而非縮小

在不平等問題上，麥克羅伊的表态相當直接。随機對照試驗表明AI可以幫助新手快速接近專家水平，但當你查看實際采用者的數據時，會發現其主要采用群體是高薪高技能的人才。從這個角度來看，不平等會加劇，而非縮小。專業知識正在成為一種乘數，把頂尖人才放大為十倍乃至百倍工程師。

不過他也指出了另一股均衡力量。在Anthropic對全球約81000人的調查中，人們談到AI帶來的生産力提升時，更常提及的是拓展了我的能力範圍，讓我能夠做以前做不到的事情。能力邊界的拓寬，可能通過強制勞動者獲取互補性專業知識來壓縮收入差距。

資本與勞動之間的分化則更為确定。随着AI驅動的資本深化，在極端情況下，勞動收入份額相對于此前每1美元收入中60%的占比将下降約15個百分點。費爾曼提醒，失業率不會反映這一點，生産率增長也不會反映這一點，但股票市場已經反映出來了，而股票更多掌握在富人手中。

三大奇點與Token稅

面向2030年，麥克羅伊将AI經濟的終局演化總結為三大奇點。其中最引人警惕的是科斯奇點。Anthropic的實測發現，更強大的模型在與較弱的模型談判時，系統性地榨取了更多租金。人們沒有意識到這種談判力量的不對稱，掌握前沿模型的企業或個體将在未來交易中占據絕對的定價權。

面對财富分配規則的重塑，麥克羅伊提出了政策方向。目前美國和許多國家的稅收結構都側重于對勞動征稅，但如果勞動收入份額下降，就需要考慮其他稅收制度，比如對消費征稅。更重要的是，為了對沖過度自動化的負面外部性，他在經濟政策框架中将Token稅視為一種抑制過度采用的激勵機制，類比碳稅或煙草稅，以此緩解失業沖擊并平衡公平與效率。

引導技術變革與社會選擇

鮮為人知的是，Anthropic内部正在嘗試回答一個更根本的問題。麥克羅伊透露，其團隊正在探索能否将引導性技術變革這一經濟學概念操作化，即主動引導模型能力走向增強勞動者而非替代勞動者。我不确定這是否可行，但團隊有機會驗證它是否可行。

他以費爾曼本人舉例：一個能替研究助手完成工作的模型，對教授是增強，對助手卻是替代，這就是AI影響的非均勻分布。他強調，希望用經濟學工具幫助Anthropic理解自身決策的公共收益與商業權衡，讓社會能夠做