AI经济转型研究：200万美元基金聚焦五大优先方向

2026-08-10 13:04 0 阅读

引言

随着人工智能（AI）能力的持续提升，其经济影响已成为全球关注的焦点。然而，AI在经济中的扩散速度、深度以及最终效应仍充满不确定性。为了应对这一挑战，Anthropic宣布设立2亿美元的经济未来研究基金（Economic Futures Research Fund），旨在支持外部研究，探索如何让经济更具灵活性和韧性，确保AI收益的广泛共享，并最小化AI驱动的颠覆性变革可能带来的损害。

该基金是Anthropic经济未来项目（Economic Futures program）的重大演进，从一年前启动时的多笔小额资助转向聚焦于大规模、高影响力的研究项目。基金将优先资助五个研究领域，每个领域都针对AI经济转型中的关键问题。

基金的核心目标与理念

Anthropic在2026年6月发布的《经济政策框架》（Economic Policy Framework, EPF）中，提出了一系列针对不同AI发展情景的政策建议。然而，这些建议缺乏实证支持。经济未来研究基金的目标正是填补这一空白，通过资助大规模随机对照试验（RCT）、创新试点和项目评估，为政策制定者、企业和工人提供基于证据的指导。

基金特别强调“及时性”——AI可能以快于传统研究周期的方式改变社会，因此，Anthropic希望合作伙伴在关键节点公开分享阶段性发现，以便早期信号能够及时转化为行动。此外，基金鼓励具有大规模扩展潜力的试点项目，如果初步结果积极，可以迅速推广。

五大研究优先方向详解

1. 塑造AI对工人的影响：企业与工作场所层面

AI对劳动力市场的影响并非单一技术决定，而是取决于围绕AI构建的系统、工作场所设计、培训协议和制度选择。现有证据多为观察性、短期性的，缺乏严格的因果推断。

可资助方向包括：

企业或团队层面的AI整合随机实验：比较由工人和工人组织共同参与设计的AI系统与自上而下推行方案的效果差异。
组织选择对AI生产力收益分配的影响评估：研究不同的工作场所整合方式如何影响AI带来的生产率提升在资本和劳动之间的分配。
保留税收抵免和雇主共同投资要求的评估：这些政策工具旨在激励企业保留工人或投资于工人培训，但其实际效果需要实证检验。

2. 帮助人们应对AI驱动的转型

现有关于再培训和就业安置的证据结果不一，且可能无法推广到AI引发的经济颠覆和快速结构性变革情境中。

可资助方向包括：

创新技能再培训、就业安置、执照改革和部门转型方案评估：包括利用AI的匹配、认证和学习模型，以及将收入支持与强化再就业服务、再培训和搬迁援助捆绑的综合方案。
早期职业和专业发展路径的现场实验：例如，当初级任务被AI吸收时，学徒制、导师制或轮岗模式如何帮助构建专业知识。
K-12和高等教育课程与教学模式的评估：旨在为转型后的劳动力市场做好准备，包括将教育干预与后续劳动力市场结果联系起来的纵向试点。
雄心勃勃的流动性工具测试：例如与再培训计划挂钩的带薪休假，以及可跨雇主携带的便携式福利。

现有证据表明，某些部门培训项目效果显著，但基金希望探索这些项目能否在更大范围内快速推广。例如，在某个州大规模快速推广选定的项目，以评估其在重大颠覆中的表现。

3. 现代化收入支持：应对AI驱动的失业

美国的失业支持系统（如失业保险）建立在“失业是暂时的”这一假设之上。然而，AI可能导致更广泛、更持久的失业，需要适应新均衡的机制。

可资助方向包括：

失业保险（UI）改革：包括替代资格门槛、与行业或职业挂钩的自动延长触发机制，以及将UI与工资保险、再培训或其他过渡支持整合。
基本需求救济：针对耗尽UI、从未符合资格或长期就业不足的工人。
更长期的无条件收入试点：以可维持生活的水平提供，旨在探讨收入与工作长期脱钩的情景，分析结果涵盖劳动力供给、消费、幸福感、家庭稳定、儿童发展、公民参与以及时间利用。

4. 在颠覆到来前建立工人对AI增长的利益分享

在AI带来巨大总体收益的前所未有情景中，这些收益可能默认不会广泛共享。EPF中讨论了普遍预分配资本账户、股权分享、AI部门股息和公共所有权股份等机制，但这些机制缺乏大规模实证先例，且需要资金来源。

可资助方向包括：

预分配资本账户设计的随机对照试验：测试不同设计在规模上的效果。
股权分享或股息式机制的试点：包括社区级试点，其中AI基础设施或使用AI的企业为当地居民带来直接、持续的回报。
不同筹资和分配机制的比较评估：研究哪种税基（公司利润、资本利得、计算、自动化税等）和哪种机制（预分配账户、股权、股息或直接转移）能带来最佳的劳动力市场和家庭结果。

5. 生成公共投资的新证据

EPF呼吁现代化收入安全网，并大幅增加对人力和社区服务工作的公共投资。政策制定者需要一致的方法来比较这些工具与直接转移支付的效果。

可资助方向包括：

大规模试点直接资助人力和社区服务岗位：如教学、课后项目、图书馆、社区卫生、公园、基础设施和艺术领域，衡量就业水平、教育成就、犯罪率和幸福感等结果。
扩大AI赋能的公共服务获取：为服务不足人群提供法律帮助、医疗指导、财务建议，测试此类投资能否缩小获取差距。
保障就业试点：为失业或长期失业工人提供公共服务岗位，类似于民间资源保护队，但角色范围更广。
地方干预：在受AI失业影响最大或托管大型AI基础设施建设的社区，进行捆绑投资（劳动力、公共服务、基础设施和便利设施），并试点区域发展机构统一协调这些投资。