Anthropic 机器人暴露指数：74% 的美国体力任务今天就能做，成本上划算的只有 0.3%

2026 年 9 月 30 日，Anthropic 的经济研究团队发布了一份 44 页报告，另附 56 页附录和一份公开数据发布。研究用 Claude 把美国约 900 个职业、约 19,000 条工作任务逐条评了一遍，给每条任务打出机器人暴露度，再按工作时间和就业人数加权回整个就业市场。123

报告给出的两个头条数字指向相反的方向。按能力算，机器人今天已经能做美国 74% 的体力任务，折合全部工作时间的 34%；按成本算，机器人做得比人便宜的任务只占 0.3%。若机器人价格按 1990 年代以来的速度继续下降，这个 0.3% 要涨到 10% 大约需要 40 年。2

74% 和 0.3% 哪一个更接近现实，取决于报告怎么定义「能做」，也取决于它算成本时放进了什么、排除了什么。

报告把机器人限定为能感知并行动的自主物理机器。手术室里由医生全程操控的机械臂不算；洗车房里扫描车身、调整喷头的设备算。2

任务清单来自 O*NET。研究先用一套量表让 Claude 给任务描述打分，判断它偏体力、偏认知还是偏人际，由此挑出 7,594 条体力任务作为评级对象。23

暴露度按任务所需的工作环境分四档：E0 是任何机器人都做不了；E1 是只能在专为机器人建造的环境里做，比如总装线；E2 是能在结构化的人类工作场所里做，比如物流仓；E3 是能在非结构化环境里做，比如城市道路。2

一条任务的档位由多数规则决定：取机器人至少能完成该任务一半子样本（按子样本时间加权）的最不结构化环境。评级要给出真实证据，来源得是部署、商业销售或演示，且机器人在这件事上的可靠性、错误率和速度要与人不相上下。2

这套尺子量的是可得性，也就是某个机器人能不能在某种环境里做这件事。看「挖沟」会更清楚。Claude 估计其中 25% 的时间是在空地上切直槽，有加装控制系统后能自主挖掘的挖掘机可以做，记 E3；另有 20% 的时间要在埋好的管道、电缆和管线周围小心手工挖掘，机器人做不了，记 E0。因为更多子样本接近后一种情形，挖沟整条任务落回未暴露。2

认知与人际工作占全部工作时间的 54%。剩下 46% 的体力工作里，12% 是 E0，23% 是 E1，10% 是 E2，1% 是 E3。计任意暴露档位，机器人已经能覆盖 74% 的体力工作，也就是全部工作时间的 34%。2

体力任务内部的分布与总量分布不同：约四分之一任何机器人都做不了，约一半能在专门建造的环境里做，22% 能在结构化的人类工作场所里做，只有 2% 能在非结构化环境里做。2

暴露度最高的十个职业里有九个是驾驶与车辆操作类。出租车司机排第一，指数 2.2（满分 3），其后是农机操作员 2.1、轻型卡车司机 2.1、班车与专职司机 2.0。被引用的系统是 Waymo 的自动驾驶出租车、John Deere 的自动驾驶拖拉机、Gatik 的自动驾驶箱式货车这一类。2

驾驶排在最前有两个原因。驾驶占了这些职业工作时间的绝大部分，而这一部分已经能在开放道路上被演示；出租车司机余下的任务，比如清洁车内、洗车上蜡，也早有机器人在更受控的环境里完成。2

同一个指数对不同职业的含义并不对称。抹灰工的指数是 1.6，回收与再生工人是 1.7，构成却完全相反：抹灰工 41% 的工作时间落在 E3，另有 26% 机器人做不了；回收工人超过四分之三的工作时间落在 E2，做不了的只有 8%。抹灰工的瓶颈是脏乱的物料，回收工人的瓶颈是场地改造。2

成本按任务逐条估。研究让 Claude 找到每条暴露任务对应的机器人，估算其年成本，其中包含按硬件寿命与资金成本年化后的固定成本，以及维护、能耗、少量人工监督这类可变成本。这个年成本再与这条任务折算的人力成本比较——该职业的总薪酬乘以花在这条任务上的时间份额。机器人年成本更低，任务就算「成本上划算」。245

打包工是已经跨过这条线的例子。这个职业有 56 万人，中位总薪酬约 4.9 万美元，97% 的工作时间落在机器人能做的任务上。一套装箱系统的采购与安装成本超过 200 万美元，每年替代约 14 名工人的产出；按约 10 年寿命和 8% 的资金成本摊开，再加运营支出，折算到每替代一名工人每年约 4.54 万美元，比人力便宜约 2,500 美元。这个职业的就业自 2015 年以来减少了 22%，BLS 预计到 2035 年它的裁员数在所有职业里排第 11。26

多数职业离这条线还远。邮件投递员的任务有 94% 机器人能做，但用机器人完成同样的年产出要 16.6 万美元，而该职业的中位总薪酬是 8.2 万美元，需要降价 54% 才划算。洗碗工的年机器人成本 17.2 万美元，对应约 4.5 万美元的人力成本；清洁工 28 万对 4.77 万；焊工约 33.5 万对 7.34 万，接近五倍。2

汇总起来，能力上暴露的 34% 个工作时间里，成本上划算的只有 0.3%，其中包含约 30 万名 95% 的任务都能交给机器人的工人。2

降价换算是这份报告最常被引用的部分。如果今天降价 20%，划算的范围会覆盖 280 万名工人所做的工作，这些人平均 42% 的时间花在暴露任务上，合计占全部工作时间的 0.8%。要让 10% 的人类工作划算，需要降价约 70%，按每年 3% 算约 40 年。若把同样的降价速度套到一半体力工作上，要等到 2085 年；在成本降得快四倍、能力涨得也快一倍的快速情景里，这个时点提前到 2050 年，而自动化 90% 的体力工作在两种情景下都要 53 年以上。2

这些情景把同一个降幅套到每一条任务上，也把人的偏好和法规排除在外，不含工资的反馈效应。机器人价格自 1990 年代以来每年约降 3%，这是情景的起点；人形机器人的量产能不能让这条曲线更陡，报告没有给出答案。27

把机器人暴露度最高的五分之一工人与零暴露的工人对比，画像很集中。他们成为女性的概率低 20 个百分点，是西语裔的概率高 16 个百分点，持本科及以上学历的概率低 55 个百分点，时薪少约 30 美元，失业率高一倍以上。这些工作更常要求搬运重物，也更常在高温环境或有害物质附近作业。2

这与 LLM 暴露的画像正好相反。报告把两者叠在同一批任务上：LLM 单独暴露约一半工作，加上机器人后升到 81%。运输与搬运类任务从不足 15% 抬到约 90%，以电脑工作为主的办公室与行政支持抬到接近 100%，保护性服务从 31% 抬到 61%。没有任何职业大类低于 40%。289

障碍清单放在附录里。研究让 Claude 判断每条体力任务，若不解决，今天有哪些障碍会阻止机器人接手。能力排第一，挡住约 70% 的体力任务，其中一半卡在灵巧操作上，也就是抓取和摆弄物体；规划与推理只挡 8%，而这一块正是大模型最可能改善的部分。现行法规挡住 14%，集中在医疗、保护性服务和教育；人的偏好挡住约四分之一，理由包括不放心让机器人给小孩穿衣换尿布，或者顾客就是想要人来接待。27

偏好与法规合计限制约 30% 的体力任务。如果机器人的能力和成本都跟上来，这部分会变成剩下的瓶颈。2

暴露度能不能预测未来，靠的是一条回溯。研究取 1977 年以来的三个约 20 年的窗口，用起始年份的暴露度去解释随后工资与就业的变化，并按行业与时期做控制。全部任务都能被机器人完成的职业，20 年后工资比同行业内零暴露的职业低 7.1%（95% 置信区间 5.4% 到 8.9%），就业少 34.2%（16.4% 到 52.0%）。7

安慰剂检验显示，1977 年的暴露度对 1970 到 1980 年的工资变化没有预测力，就业侧的检验方向一致但不够精确。把基准换成 Webb 在 2020 年用专利文本相似度定义的暴露度，两套指标都有效，而基于已实现能力的这一版系数更大。7

这条回溯线接在一场持续的争论上。MIT FutureTech 在 2024 年批评过「AI 暴露度」这一类指标：它测的是一个领域被 AI 影响的总体潜力，没有算技术可行性和经济吸引力，因此预测不了自动化推进的速度。他们对计算机视觉任务的估算结果是，只有 23% 的工资对应的任务值得自动化。10

这份报告接受了这条批评，补上成本这一层，答案就是 0.3%。报告同时保留能力指数，理由是它决定哪些职业先被盯上：把成本写进排序之后，职业排序与只看能力时的秩相关仍有 0.95。2710

另一条平行的工作来自 Epoch AI。他们在 2026 年 2 月评测机器人在工业、家庭和导航任务上的自主表现，同样只回答能力问题，不把结果映射到职业和工资。11

最要紧的一条是：从任务评级到成本估算，全部由 Claude 产出。哪些任务算体力、每条任务占多少工作时间、档位记到 E1 还是 E2、机器人年成本是多少，都是模型给出的估计。报告自己写明这套评级需要大量判断，配套的数据发布里放了 Claude 的推理过程和引用来源，供外部复核。212

能力只认真实部署、商业销售或演示，所以这是一份某时点的快照，样本也限于美国。成本情景把同一降幅套到所有任务、排除偏好与法规、不含工资反馈；回溯是观察性证据，报告用它做验证，没有声称因果。这份报告没有经过同行评议。27

能力这一栏还在长。1977 年有 62% 的体力任务任何机器人都做不了，今天同批任务里做不了的只剩 24%，折算下来每年约 2% 的「原先做不了」变成了能做。这条线和成本线的相对速度，决定了刚才那条时间轴向左还是向右移。7

偏好与法规挡住的约 30% 体力任务，在成本情景里被排除在外；它们会不会排在成本前面成为真正的天花板，报告没有回答。报告说会定期更新这套指数，但没给更新时间表。2

再遇到「机器人已经能做 X% 的活」这类说法，先找成本那一栏，再看时间表用的是哪一档降价速度。这两个问题决定同一组能力数字会读成 5 年还是 60 年。2