当地时间9月23日（周三），哈佛大学肯尼迪学院政治学院举办焦点对话。奥巴马政府前首席经济学家、哈佛大学教授杰森·费尔曼与Anthropic首席经济学家彼得·麦克罗伊，就AI对劳动力市场、宏观经济与政策走向的影响展开深度对谈。
麦克罗伊是业内少有的专门发布《人类经济指数》的研究团队负责人，手握Anthropic海量的底层使用数据。这场对话的价值正在于此：当市场对AI的体感与宏观数据持续错位，一位深度参与模型经济研究的学者，开始用真实数据回答AI红利究竟卡在哪里。
宏观谜题与J曲线底部
当前最大的谜团是，AI能力呈指数级爆发，美国失业率却稳定在4.1%的历史低位，全要素生产率也未见显著提升。费尔曼在对话中直接提出了这个谜题。
麦克罗伊的解释是技术扩散的时滞与J曲线效应。模型能够自主完成的任务范围大约每四到七个月翻一番，但企业在真正获得生产力红利前，必须先消化高昂的重组成本。大型企业受制于数据防火墙和组织架构，要真正释放这项技术可能带来的生产力提升，还需要进行配套投资，能力加上背景信息，两者缺一不可。各公司目前正在经历代价高昂的实验期，这正是AI投资回报J曲线的底部。
就业端的数据同样出乎市场意料。麦克罗伊表示，这看起来更像是一种技能偏向型的劳动增值模式，而非彻底自动化并大规模取代工作岗位的技术。根据美国劳工部数据，目前没有任何一个职业的全部任务被Claude系统性地自动化。但基于对十万条真实对话的分析，Anthropic估计当前模型可将单项任务提速约80%，外推至未来十年，美国劳动生产率增速有望每年提高1.8个百分点，大致回到上世纪90年代末至本世纪初的水平。宏观政策或许已经低估了潜在经济增速。
不平等将加剧而非缩小
在不平等问题上，麦克罗伊的表态相当直接。随机对照试验表明AI可以帮助新手快速接近专家水平，但当你查看实际采用者的数据时，会发现其主要采用群体是高薪高技能的人才。从这个角度来看，不平等会加剧，而非缩小。专业知识正在成为一种乘数，把顶尖人才放大为十倍乃至百倍工程师。
不过他也指出了另一股均衡力量。在Anthropic对全球约81000人的调查中，人们谈到AI带来的生产力提升时，更常提及的是拓展了我的能力范围，让我能够做以前做不到的事情。能力边界的拓宽，可能通过强制劳动者获取互补性专业知识来压缩收入差距。
资本与劳动之间的分化则更为确定。随着AI驱动的资本深化，在极端情况下，劳动收入份额相对于此前每1美元收入中60%的占比将下降约15个百分点。费尔曼提醒，失业率不会反映这一点，生产率增长也不会反映这一点，但股票市场已经反映出来了，而股票更多掌握在富人手中。
三大奇点与Token税
面向2030年，麦克罗伊将AI经济的终局演化总结为三大奇点。其中最引人警惕的是科斯奇点。Anthropic的实测发现，更强大的模型在与较弱的模型谈判时，系统性地榨取了更多租金。人们没有意识到这种谈判力量的不对称，掌握前沿模型的企业或个体将在未来交易中占据绝对的定价权。
面对财富分配规则的重塑，麦克罗伊提出了政策方向。目前美国和许多国家的税收结构都侧重于对劳动征税，但如果劳动收入份额下降，就需要考虑其他税收制度，比如对消费征税。更重要的是，为了对冲过度自动化的负面外部性，他在经济政策框架中将Token税视为一种抑制过度采用的激励机制，类比碳税或烟草税，以此缓解失业冲击并平衡公平与效率。
引导技术变革与社会选择
鲜为人知的是，Anthropic内部正在尝试回答一个更根本的问题。麦克罗伊透露，其团队正在探索能否将引导性技术变革这一经济学概念操作化，即主动引导模型能力走向增强劳动者而非替代劳动者。我不确定这是否可行，但团队有机会验证它是否可行。
他以费尔曼本人举例：一个能替研究助手完成工作的模型，对教授是增强，对助手却是替代，这就是AI影响的非均匀分布。他强调，希望用经济学工具帮助Anthropic理解自身决策的公共收益与商业权衡，让社会能够做
