这件事的关键，不在于AI能不能帮人干活，而在于它干完之后——新的活，还轮不轮得到人来干。

Anthropic经济团队9月9日发布的《变革性AI的经济情景》推演中，有一个被很多人忽略的细节。报告给出了三种情景，其中温和、实质、极端三种设定下，知识工作者分到的蛋糕天差地别。差在哪？

不是AI技术强不强——三种情景里AI都很强——差的只是“每自动化几个任务，才诞生一个新的知识型岗位”这个初始设定。

这才是整个分配矛盾的总开关。

决定“谁拿走大部分红利”的第一个岔路口：自动化的速度多久能超过新任务的创造速度？

Anthropic的推演架构，是把美国经济里所有职业拆成具体任务，再判断AI对每个任务干什么。四种可能：不碰、辅助人类（增强）、代替人类（自动化）、创造新的人类任务。然后三组设定跑三轮，结果完全不一样。

温和情景：自动化带来等量新任务的幻觉。到2030年，AI只渗透进约4%的全经济任务，效率提升不过35%。更重要的是，设定里每自动化2个任务，就衍生1个新的知识型工作。结果呢？劳动收入占GDP比例从60%微降到59.4%，知识工作者的就业只比基准低0.5%，失业率几乎没变。

这是“技术一样在进步，但自动化没跨过新岗位创造阈值”时的样子——蛋糕还分得动。

极端情景：阈值一破，分配格局立刻翻转。同样的AI，不同的设定：这次90%的AI介入任务是直接自动化，且不再为人类创造新的知识型任务。结果瞬间变脸——劳动份额从60%暴降到45.2%，资本份额从40%跃升至54.8%。

这意味着大约15%的GDP直接完成了从劳动者口袋到资本所有者口袋的转移。

这不是AI技术本身造成的，是“自动化堆起来的新任务数量没跟上”这个初始条件造成的。Anthropic的负责人Anton Korinek在报告中也明确指出：“如果AI能做出惊人的事情，但没人使用它，那么它就不会产生经济影响。”

上游研发能力不直接触发分配矛盾——只有企业开始大量采用AI替代人工、且替代之后没有足够多新活让被替的人接着干时，分配矛盾才会真正启动。

两条完全不同的走向，取决于接下来4年你看到的信号

报告讨论的是2030年，但路从现在就分了岔。这件事真正的价值，不是“2030年一定怎样”，而是从现在开始，你可以自己追踪哪些信号出现时，哪条路正在变成现实。

走向一：自动化被新任务创造拖住，红利仍可分食

触发条件很清楚：现实世界的AI采用进度，更接近报告中的温和或实质情景的上限。具体看两个可观测信号——

信号1：全球AI企业大规模部署中，增强型应用（辅助人做决策、加速流程）的占比能稳在50%以上，而不是90%都走自动化路线。这一点你可以直接跟踪企业层面发布的AI部署白皮书、CIO调查报告。

信号2：知识密集型行业里，新设的混合人机岗增长速度，没有明显明显慢于被AI裁掉的传统岗。麦肯锡、Gartner这类机构每年都会发布岗位变化的数据。

AI技术领域各岗位人才紧缺指数统计

如果这两件事成立，劳动收入占比的降幅就会被压到5%以内，普通知识工作者还有讨价还价的空间。现实中已经有人做到这一点——蚂蚁集团CEO韩歆毅在外滩大会提出，只要AI产品足够低成本、低门槛，配套职业培训能跟上，劳动端是可以拿到相当比例新增红利的，收益不会全部向资本集中。

更有具体案例：一个做了15年IT运维的英国人Tom，被裁员后用AI写书做视频，第12个月月收入达8400美元，几乎全部新增收益都在他自己手里。

走向二：自动化跨过阈值，红利向资本急剧归集

这条路的触发条件同样具体——

信号1：大范围出现“AI替换后不再招新人”的企业集中减编公告，而不是转岗、重新分配。不是偶发个案，是从程序员到合同律师到财务分析，多个知识岗同步出现。

2026年已经能看到苗头：某金融企业部署AI后，数据开发部门直接计划裁掉50%员工；翻译岗因AI上线被整体取消；原画师岗位被AI绘图替代后，企业试图以“客观情况重大变化”为由单方面解约。

信号2：上游算力产业链的利润持续高速增长，而知识密集型行业的平均薪资增速连通胀都跑不赢。

巴克莱的拆解报告已经很直白：模型公司每赚100美元，就有35-40美元以算力采购费形式流向云厂商，叠加芯片、存储利润后，AI新增价值的大约4成被技术供给方分走——还没算进资本方拿走的那部分。

瑞银预测，仅全球超大规模厂商未来三年累计AI资本开支就将达4.1万亿美元。这笔巨额投入最终要从产业链下游——也就是普通公司、普通员工身上赚回来。

一旦两个信号同时出现，Anthropic极端情景里“劳动收入几乎无增长”的图景就有了现实走向。微软2026财年对OpenAI的119亿美元投资获得约10倍回报，但同期AI行业普通技术岗需求增速只有35%，远低于核心研发岗的60%，美国计算机专业应届生失业率已到7.5%。资本侧和劳动侧之间的墙正在越砌越高。

目前更靠近哪个方向？我的判断——是中间偏温和，但这个偏幅相当窄

坦率讲，现在离极端情景还很远。报告说的是2030年，我们从2026年出发才刚刚走过单任务效率提升的阶段，还没到企业大规模全流程替换的环节。

但不少早期信号已经在朝实质情景的方向移动——微软的回报数据、金融和翻译行业的裁撤案例、上游算力利润的加速膨胀，都表明资本侧的归集速度确实比劳动侧的游戏规则改写要快。

不过，有两条对冲力量让走向一仍有空间。其一，国盛证券提出的“杰文斯悖论”在发挥作用：AI把单位任务成本打下去，业务规模反而扩大，新增用工需求可能会部分抵消自动化的挤出效应。

其二，大量个体知识工作者在用AI做自己的事，虽然没有纳入大企业统计，但这条路如果规模化，能显著改变分配格局。Tom、退休教师Kevin的例子还只是个案，但个数在变多。

以下是我的判断——不是预测，是条件判断： 接下来两年如果出现大规模的知识岗集中裁撤公告，尤其是程序员、数据分析、合同审核这几类岗位出现跨公司、跨行业联动的减员信号，那么实质情景就会在2028年前后兑现，劳动份额开始明显走弱，普通知识工作者的薪资增长就此封顶。

这笔账是结构性的，不是周期性的——等到那一步再想对策，就晚了。

接下来你真正需要盯的，不是AI能做什么，而是它替完人之后，活从哪里长出来。这笔账本在企业和资本手里，但信号都挂在外面——看新闻就能数。