- 日期:2026-10-17
- 作者:新智元(编辑:摩西)|经「ASI启示录」转载
- 来源:阅读原文
- 一手出处:Anthropic 两份官方研究——《How employment is changing at Anthropic》与《The AI expectations gap》(阅读原文 | 阅读原文)
- 信源层级:二手编译(新智元),基于 Anthropic 一手报告 x2
- 标签:AI原生组织 / 认知鸿沟 / 研发自动化 / 初级人才台阶
- 渠道:微信公众号
- 体裁:报告
- 一句话:同一栋楼里,Agent 工时已是人类的 6 倍;墙外,近一半美国人还不信 AI 能写好一封邮件——而这 1334 人大约领先整个经济一年半。
〇、两份报告并读:楼里 vs 楼外,两个「2030」
- 1334 名 Anthropic 员工平均认为,再过四年 AI 就能做完自己眼下 75% 的工作;同一问题问外部美国打工人,只有 28%。
- 超过一半员工笃定 AI 能包揽自己八成以上的活;美国劳动者里只有寥寥 5%。
- 91% 员工相信 2030 年前 AI 就能做出诺奖级发现(58% 觉得 2027 年就能见分晓);美国成年人里只有 39% 信。
一、在 Anthropic,一周干完外面三个月
- 2026 年 3 月:算上后台自主任务,全公司 Agent 干活总时长第一次超过全体人类员工。仅 5 个月后,只算员工亲手派的 Agent,工时从 2 月不足人类的 1/5 → 人类的 6 倍。研究部门更是 19 倍(每研究员身后跟着 19 个不知疲倦的 Claude)。
- Slack 公开频道网络:起初 155 名员工 + 150 个 Agent 会话 → 后来 237 名员工 + 7922 个 Agent 会话。(对应上篇:Agent 进入近一半活跃公开频道。)
- 空气是「永恒的压力」;一位员工直言:在这里一周要交的活,放到外面公司要干三个月。
- 以 2025-12 为基准,工程师人均代码提交量 5.1 倍;数据科学、法务、销售人均产出也都在涨。
- 2026 年 4 月:Claude 清了一批陈年积压,一口气提交 800 多个修复,把一类 API 错误压到原来千分之一——负责工程师估算换人要熬 4 年。
- 非技术员工的每月编码 Agent 会话:2025-08 的 2 次 → 2026-05 的 90 次。销售代表三四小时做出贴合自己工作流的看板;原本写 Claude.ai 问候语的文案团队,搭上下文图谱教 Agent 写品牌文案,随后整组转做模型评测集和提示词。
- 一位工程师:全面「Claude 化」一年,已差不多 5 个月没亲手写过一行代码。
二、你还在催 AI,他们已经被 AI 催着跑
- 人被反超成瓶颈:把每人每周收到的 Claude 输出按 250 词/分钟折算阅读时间——工程和研究岗每人每周要读 424 小时,而一周不眠不休也只有 168 小时。
- 交互会话里约 80% 时间耗在排队等人回话。 —— “工业革命以来两百多年,从来都是人在催机器转;在这栋楼里,历史第一次倒转过来,轮到机器排队等人。”
- 于是人被逼着给 Agent 当经理:有人搭 Agent「幕僚长」分拣请求;写给 Agent 的常驻指令一年里从几百条暴涨到 8500 条(对应上篇:Meta-work 10%→22%)。
- 哭笑不得的一幕:有位员工几个月前在一份公司周边文档上留了名字,早就不管这摊事了,Agent 还是隔三差五找上门来讨要 T 恤和马克杯。
- Git 被挤爆:2026-05 主代码库每天合入约 2500 次变更 → 9 月冲破 3 万次,把用了二十年的 Git 彻底挤爆 → 7 名工程师花 5 个月从头造出新版本控制系统 Scion。迁移用的代码导入工具年初手写一版,后来用内测的 Claude Mythos Preview 随手重写(不加额外指令):内存降到 1/20、速度快 4 倍。
三、造 AI 的人,开始给「最后一项发明」倒计时
- 问卷只问 Anthropic 员工:造一个 2026 年初水平的前沿大模型(定方向→设计实验→做评测),眼下有多少工作已是 AI 自己在做?中位数 51%,离造模型最近的研究团队估 60%。 预计 2027 年底升至 80%,2030 年底高达 95%(→ 留给人类的只剩最后 5%)。
- 实证:① Claude 给小模型代码提速——熟练人类研究员 4-8 小时做到 4 倍,2026-04 的 Claude Mythos Preview 直接做到 52 倍;② AI 安全开放研究题:两位人类研究员埋头一周缩小性能差距约 23%,Claude Agent 团队自己提假设、跑实验,用 800 小时、约 1.8 万美元算力,一举缩小 97%;③ 在人类研究员走过弯路的 129 个真实研究节点上,Claude Mythos Preview 有 64% 的时候给出了更好的下一步。
- “AI 自己造 AI”:Anthropic 研究院设想——AI 研发大体自动化后,一家仅 100 人的公司就能干完过去 1 万甚至 10 万人组织的活。
- 1965 年数学家 I.J. 古德的预言:“第一台超智能机器,将是人类需要做出的最后一项发明。”——61 年后,亲手锻造这台机器的人开始给它拨响倒计时。
四、阶梯正在抽走:18 个月后潮水漫过人间
- 过去一年 Anthropic 人数扩到 3 倍,95% 员工预计还会大举扩招——但就在这轮扩张里,通往这家公司的第一级阶梯正在被抽走:新招技术岗里初级比例从 27% 断崖跌到 9%。
- “几百年来,新人都是跟在老手身后打下手,一点点把判断力磨出来的。可如今入门的活越来越多交给了不知疲倦的 Agent,新人连攒下第一份经验的机会都在变少。”
- 外溢到整个经济:把员工答案代入经济模型 → 对应 17.1% 年增速,相当于美国经济每四年半翻一番(“人类历史上从未有过的经济巨变”)。
- Anthropic 首席经济学家 Peter McCrory 在 X 上说:在采用 AI 这件事上,Anthropic 大约领先整个经济一年半。
- 收尾:“这 1334 个人已经提前 18 个月活进了全世界的未来。今天在旧金山那栋楼里发生的一切,18 个月之后,终将化作时代的潮水,漫过人间的每一个人。”
五、认知鸿沟(第二份报告):同样的问卷,两个 2030
- 问“今天的 AI 能干什么”,两拨人看法其实差不多(如“自己设计并发表一项科研”,两边都只有约 1/4 觉得现在做得到)。
- 一说到接下来几年,差距瞬间拉开:到 2027 年,90% 员工觉得 AI 能独立搞科研,美国成年人只有 38%;到 2030 年(写邮件、报税到诺奖级发现共 8 件事),员工信心清一色 >9 成,而美国成年人每件事都有 19%–40% 斩钉截铁认为“AI 永远做不到”。
- 不只是内行外行差别:美国计算机/工程/科学从业者预计到 2030 年 AI 能做自己 33% 的工作;其中天天用 AI 的也只有 40%——离 Anthropic 员工的 75% 还横着 35 个百分点。
- 真正的区别藏在“用 AI 的体感”:挑一件 AI 擅长的活(把检查返工都算上),59% 员工说用 AI 只要原来 1/4 甚至更少时间;工作中用 AI 的美国人里只有 26% 这么说,还有 29% 觉得一点没快甚至更慢。
- “两拨人嘴上都说'我每天在用 AI',过的却是完全不同的一天。”
读后判断
- 这是本周第 7 条,也是第 6 条(Anthropic 就业报告)的“另一半”。 上篇是组织内部数据(人机工时、结构变化),本篇补上认知鸿沟(员工 vs 大众、乃至 vs 天天用 AI 的从业者)+ 研发自动化(造 AI 只剩 5% 留给人)。两份一起读,才是完整图景:不是“AI 会不会取代人”,而是“离奇点最近的人已经提前 18 个月活进了未来,而其他人还在争论 AI 能不能写邮件”。
- “认知鸿沟 vs 体感鸿沟”是本篇对我们最有用的区分。 数据说:内外行对“今天能干什么”看法差不多,分歧全在“未来几年”;而更大的差距来自日常使用体感(59% vs 26%)。→ 这直接解释了为什么在校长面前“讲趋势”没用——他们对今天的能力不陌生,缺的是“长期亲手用”的体感。 也印证龙凤那份校长稿里“教育的 AI 化一定是校长先 AI 化”——不亲手用,认知鸿沟不会靠听讲座弥合。
- “阶梯被抽走”这条,本周第 3 次出现,且这次给了最强画面:“几百年来新人跟在老手身后打下手、一点点磨出判断力……如今入门的活交给了 Agent,新人连攒下第一份经验的机会都在变少。”——和吴恩达(可验证任务被自动化)、上篇(初级 27%→9%)三源共振。 对教育是致命一问:如果“打下手”这条学艺路径被抽走了,教育要不要重建一条新的“攒经验”路径?(这正是你校长分享的核心问题。)
- “机器排队等人”是工业革命以来头一遭,值得当讲台金句。 200 多年都是人催机器,如今人的注意力成了瓶颈(80% 会话在等人、工程岗每周“要读”424 小时)。→ 对小龙虾/造物云的直接管理含义:未来的瓶颈不是“能不能跑”,是“人跟不跟得上验收”——分流与验收机制就是核心竞争力。
- “Scion 重造、Claude 随手重写把性能提到 1/20 内存 + 4 倍速”是个刺眼细节:亲手造 AI 的人,最先尝到被 AI 甩在身后的滋味。→ 对重构类决策的启发:有些“手写的骄傲”(如模块 17:1、旧系统)在新条件下的合理重写成本已大幅下降,“值不值得重写”的答案在变。
- 一个必须保留的反方:本篇数字全来自 Anthropic 自评与内部数据,且是新智元二次编译——“领先一年半”“17.1% 年增速”“95% 留给人类 5%”都是高刺激性外推。上篇作者自己强调“相关≠因果、采用非随机”,本篇的乐观叙事把这种克制丢掉了。→ 讲台上引用这些数字,必须带上'这是最激进的样本 + 员工自评'的前提,否则容易被一句“你们搞 AI 的当然这么说”击穿。
- ⚠️ 可核钩子:① 两份一手报告均未直读(引用数字前回 阅读原文 与 /ai-expectations-gap);② “Scion”“Claude Mythos Preview”“52 倍/97%/64%”等强烈断言均属单方口径,需一手核对;③ Peter McCrory 的“领先一年半”是 X 帖说法,非同行评审结论;④ 与上篇(2026-10-17-anthropic-ai-native-org-employment.md)为同源,两条应合看,勿重复计数为两个独立信源。