首页 排行榜文章正文

Anthropic 提出政策工具箱：AI 正在重塑经济，我们该如何应对？

排行榜 2025年10月15日 20:18 1 aa

今天，Anthropic 发表了一篇报告，探讨 AI 对未来经济的冲击，以及政府可以采取的九种政策应对。

这些政策都是为了回答同一个问题：AI 革命之下，人类的经济政策应该如何演进？

Anthropic 提出政策工具箱：AI 正在重塑经济，我们该如何应对？

事情的起因是，他们发现了一个重要的趋势。通过自家的「经济指数」(Economic Index) 观察，用户与 AI 模型（比如 Claude）的互动模式正在改变。

过去，人们更多是与 AI 「协作」，把它当作一个助手。现在，越来越多的用户开始将整个任务「委托」给 AI，让它独立完成。

这意味着，AI 正在从一个「副驾驶」或「增强工具」，加速进化为一个能够独立完成任务的「数字劳工」。

Anthropic 预计，随着 AI 模型能力的持续增强和企业的大规模采用，这种「任务委托」的趋势会加速。这将对劳动力市场产生深远影响，但具体会如何，目前无人能准确预测。

Anthropic 提出政策工具箱：AI 正在重塑经济，我们该如何应对？

未来充满了不确定性。AI 带来的到底是大规模的失业，还是生产力的极大繁荣，抑或是两者兼有？我们不知道。但正因为如此，我们必须现在就开始思考，为未来可能出现的经济情景制定对策。

Anthropic 与世界各地的经济学家和政策专家合作，提出了一个政策工具箱。他们将这些政策根据 AI 影响的规模和速度，分成了三大类。

  • 适用于几乎所有场景的政策：无论 AI 的冲击大小，这些政策都被认为是稳健的、有益的。
  • 适用于中等变革场景的政策：当 AI 导致部分劳动力出现明显的工资下降和失业时，需要启动这些政策。
  • 适用于快速变革场景的政策：当 AI 引发剧烈的失业潮和贫富差距恶化时，需要考虑这些更激进、更大胆的方案。

下面，我们就来详细看看这九项政策建议。

一、适用于几乎所有场景的政策

这一类的政策比较通用，即使 AI 的冲击没有预想中那么大，这些政策本身就具有普适价值，应该在几乎所有未来情景中推行。

1. 投资「劳动力培训补贴」，而非仅仅大学教育

技能提升 (upskilling) 是老生常谈的话题，但关键是怎么做。美国指南针智库的 Abigail Ball 提出了一个名为「劳动力培训补贴」(Workforce Training Grant) 的具体方案。

核心思想非常直接：将公共资源从传统的高等教育补贴，转向直接补贴为雇主创造的结构化在岗培训项目。

具体来说，如果一家公司设立了带有结构化培训计划的正式学徒或实习生岗位，政府每年为这个岗位提供一笔可观的补贴（例如，他们建议在美国是每年 10,000 美元）。

这种培训可以有多种形式：单个公司内部的培训项目、行业协会组织的联合培训、企业与工会的合作项目，或者企业与技术学院的定向培养。

其背后的逻辑是，与其让年轻人在大学里学习可能很快就会过时的知识，不如激励企业直接在工作岗位上培养面向未来的新型技能。资金来源可以考虑调整现有的高等教育补贴，甚至可以探讨对 AI 消费征税，用以支持劳动力发展计划。

2. 改革税收激励，让企业「留人」比「裁人」更划算

税收政策是调节企业行为的有力杠杆。目前，许多国家的税法在无形中「偏爱」物质资本，而非人力资本。

智库 Mercatus Center 的 Revana Sharfuddin 指出，在美国，企业购买 AI 系统可以享受「奖金折旧」(bonus depreciation) 政策，立即抵扣成本。但是，企业为员工培训支付的费用在抵扣时却面临诸多限制，比如每年 5,250 美元的免税教育援助上限。

这造成了一个不平衡：解雇员工再购买自动化设备，在税务上可能比再培训现有员工更划算。

因此，她建议改革税法，取消对员工教育援助的免税上限，并允许企业将所有与工作相关的培训费用进行全额、即时抵扣。这样可以降低企业再培训的成本，激励它们优先考虑「留人」，而不是「换人」。

3. 堵住企业税漏洞，应对「无形资产」时代的利润转移

随着 AI 经济的发展，由软件、算法等无形资产创造的利润占比将越来越高，财富可能越来越集中在少数科技巨头手中。

税法专家 David Gamage 教授指出，这可能加剧税收问题：跨国公司利用税法漏洞，将利润转移到避税天堂。

他认为，首先应该堵住所谓的「合伙企业漏洞」，防止大型企业通过复杂的法律结构逃避实体层面的税收。

其次是改革税收分配规则，以应对跨国公司的「利润转移」。为此，他建议：

  • 采用基于市场的分配：根据公司客户所在的地理位置来分配其应纳税额，而不是根据其总部或服务器所在地。
  • 全推行球合并报告：将跨国公司及其所有子公司视为一个单一实体进行税务报告，防止它们将利润人为地转移到避税天堂。

David 警告说，率先采取行动的政府将解决其财政挑战，并使其居民在 AI 经济中处于更有利的地位。而那些等待的政府，将在最需要灵活性的时候面临资源短缺。

4. 为 AI 基础设施建设开启「绿色通道」

这是 Anthropic 自身一直在积极倡导的政策。他们认为，训练和部署前沿 AI 所需的大规模数据中心、输电网络和发电设施，其建设正受到繁琐的审批流程的严重拖延。

在美国，这主要涉及三个层面：

  • 环境与土地使用许可：联邦、州和地方层面的多重审批，尤其是美国的《国家环境政策法》(NEPA)，可能使项目延宕数年。
  • 输电项目审查：建设新的高压输电线路，从规划到建成可能需要十年以上。
  • 电网并网审批：一个发电厂或大型数据中心要接入电网，通常需要 4-6 年的排队和审批。

这些延迟不仅拖慢了生产力增长，还可能带来国家安全风险，因为关键的 AI 基础设施可能会被迫转移到海外。

Anthropic 呼吁进行「许可改革」，比如对数据中心这类设施进行预先的标准化环境分析，以加快未来项目的审批速度；利用联邦权力加速关键输电项目的建设等。

二、适用于中等变革场景的政策

如果 AI 的发展确实导致了可测量的工资下降和大规模失业，那么就需要更直接、更有力的干预措施。

5. 建立「AI 失业调整援助」计划

美国有一个名为「贸易调整援助」(Trade Adjustment Assistance, TAA) 的计划，旨在帮助那些因为全球贸易而失业的工人。受影响的工人可以获得资金用于技能再培训、求职，或者获得收入补贴。

多位经济学家建议，可以借鉴 TAA 模式，为被 AI 取代的工人设立一个类似的「AI 保险」或「自动化调整援助」(Automation Adjustment Assistance, AAA) 计划。

Anthropic 提出政策工具箱：AI 正在重塑经济，我们该如何应对？

宾夕法尼亚大学的 Ioana Marinescu 教授认为，这是一种「为因 AI 而失业的人提供支持」的机制。

研究人员 Suchet Mittal 和 Sam Manning 勾勒了一个初步方案：可以先以类似 TAA 的年度资金规模（约 7 亿美元）启动 AAA 计划，并建立一个动态调整机制，使其规模能随着 AI 驱动的失业速度和范围而增减。

钱从哪来？他们建议，当计划需要扩大时，可以考虑对市值超过某一高门槛的公司的「AI 驱动收入」征税。这样，AI 行业就能直接为被其技术取代的工人提供支持。

6. 对算力或 Token 征税

这是一个非常前沿且具有争议性的想法，但值得认真研究。弗吉尼亚大学的经济学家 Lee Lockwood 和 Anton Korinek 提议，应该研究一系列针对 AI 的税种，例如「Token 生成税」、「机器人税」或「数字服务税」。

这些税种在 AI 发展的不同阶段有不同的作用。

  • 在人类仍然是主要消费者的阶段：当人类仍然是经济活动的主要消费者时，可以对出售给最终用户的 AI 生成的 Token（即模型处理的文本单位）征税。这类似于一种消费税。
  • 在 AI 系统自身成为主要消费者的阶段：如果未来经济发展到 AI 系统本身成为资源的主要消耗者（例如，一个 AI 代理为了完成任务，需要调用其他 AI 服务的 API），那么对人类最终用户的 Token 征税就可能不够。此时，直接对 AI 运行所需的核心资源——计算能力（算力）或相关硬件征税，可能更为有效。

他们承认，对计算资源征税会扭曲投资，可能会减缓 AI 的发展。但他们也指出，如果劳动力市场和人类消费在经济中的作用都大幅下降，那么对 AI 的核心资源征税，可能是政府获取收入、为社会提供公共服务的唯一可行途径。

值得注意的是，Anthropic 自己也表示，尽管这类税收会直接影响其收入和利润，但它们值得严肃研究，因为它们可能为关键的财政项目提供至关重要的收入。

三、适用于剧变时代的激进政策

如果未来出现最极端的情况——AI 导致社会结构发生剧变，大量工作岗位消失，不平等急剧恶化——那么就需要一些更具颠覆性的构想。

7. 设立国家主权财富基金，全民持有 AI 股份

这个想法的目的是让全体公民都能分享 AI 带来的经济回报。政府可以设立一个主权财富基金，像挪威的石油基金一样，直接投资和收购 AI 相关的资产（例如，顶尖 AI 公司的股份、关键算力基础设施等）。

当 AI 行业占据了经济产出的超大份额时，政府通过这种方式可以实现两个目标：

  1. 作为股东，对 AI 行业的发展方向施加一定影响。
  2. 将投资回报通过社会福利、分红等形式，更公平地分配给全体公民。

一个类似的概念是英国有研究者提出的「AI 债券」(AI Bond)。政府发行这种债券来筹集资金，投资于本国的 AI 产业链，确保 AI 发展的红利能更均匀地惠及全国，而不仅仅是集中在伦敦等少数几个科研中心。

8. 采用或现代化增值税（VAT）

目前，G7 国家中有 6 个、OECD 国家中有 37 个（共 38 个成员国）都征收全国性的增值税 (Value-Added Tax, VAT)。美国是那个显著的例外。

VAT 是一种消费税，它在商品或服务生产的每个环节，对新增的价值进行征税。如果未来劳动在价值创造中的份额大幅下降，那么以劳动收入为主要税基的个人所得税，其税收收入可能会锐减。

Anthropic 提出政策工具箱：AI 正在重塑经济，我们该如何应对？

届时，将税收重心转向消费，即征收 VAT，可能是维持政府核心职能运转的必要之举。

MIT 斯隆管理学院的 John Horton 教授指出，增值税是「非扭曲性的，并且在某种程度上是自我执行的」，因为它提供了一个完整的经济生产网络信息链，这在技术和经济快速变革时期尤其有价值。

9. 实施新的税收结构，例如「商业财富税」

如果所得税不够了，增值税是其中一个选项，还有没有其他补充？税法专家 David Gamage 提出了另一个补充方案：探索征收「低税率的商业财富税」。

他的逻辑是：所得税面临会计操纵的挑战，而财富税面临资产估值的挑战。

将两者结合起来，可以形成互补，让税收体系更难被规避。他打了一个比方，这就像资产管理公司向客户收费的模式：

  • 财富税 相当于「管理费」，因为政府提供了保护累积资本的法律和社会基础设施。
  • 所得税 相当于「业绩费」，对企业在特定市场中产生的利润进行抽成。

这个想法为我们思考后劳动时代的政府财政问题，提供了一个全新的视角。

想法很美好，现实真的如此吗？

Anthropic 的设想挺好的，但真的能赢得大家的支持吗？我在社区观察了一下，整体来看感觉还是质疑的声音多一些，主要集中在以下几个方面：

1. 对动机的怀疑

最普遍的反应是怀疑。

你会多认真地对待一份由大众汽车公司撰写的关于汽车污染和交通法规的提案？

由 AI 公司提出的政策建议，难免会夹带私货。例如，第四点「加速 AI 基础设施审批」就被认为是明显的自利行为。

2. 政策应该针对结果，而非技术

有人认为，专门为 AI 立法是错误的。政策应该针对「结果」，而不是「实现方式」。比如，歧视、诈骗、制造假新闻等负面社会影响，无论是否使用 AI 都应该被禁止。

但也有人反驳这种看法，认为他忽略了 AI 带来的质变：巨大的规模化、极低的成本和责任主体的模糊化。这就像说「核弹和刀没有区别，因为它们都能杀人」一样，忽视了关键差异。

3. 「技能提升」的去向何方？

很多人对「技能提升」表示悲观。

我们到底能把人培训去做什么不会被替代的工作？

一个普遍的观点是，将来剩下的岗位要么需要大量的体力劳动，要么对认知能力的要求极高，只有极少数人能胜任。

即使是水管工这类被认为安全的体力活，其「技能」部分（如诊断问题、规划方案）也可能被 AI 取代，人类只需按照屏幕上的指示操作即可。而随着机器人技术的发展，体力操作本身也可能被自动化。

4. 税收是必然选择

关于税收的部分，大家倒是基本认同：对 AI 公司和 AI 带来的巨额利润「狠狠地征税」是不可避免的。

大型公司倾向于支持适度的监管和税收，因为这可以成为一道「护城河」，阻止那些灵活、颠覆性的初创公司挑战它们的地位。政府比市场更容易预测和应对。

结语

AI 对经济的改造已经开始，我们正处在一个关键的十字路口。

Anthropic 提出的这九项建议，无论其背后的动机如何，无论你是否同意，至少将关于未来的模糊焦虑，转化成了可以被讨论、被研究、被辩论的具体政策选项和公众议题。

这件事没有一个简单的答案。未来的路径取决于技术发展的速度，也取决于我们今天做出的选择。

在变革真正到来之前，提前思考所有可能性，是我们能为未来做出的最好准备。

相关文章

发表评论

长征号 Copyright © 2013-2024 长征号. All Rights Reserved.  sitemap