Anthropic算市场规模 用的是全世界打工人的工资

2026 年 11 月 10 日，一家 AI 公司提交了更新版的上市招股书。招股书摘要里有一句很大的话：全球知识工作者所做的工作，在 2025 年代表了超过 40 万亿美元的经济价值。「经济价值」，听上去像 GDP，像某种抽象而宏大的东西。但这个数字后面挂着一个小小的脚注 2。顺着脚注翻到方法说明，第一句话写的是：本招股书中关于全球知识工作者工资的若干估计，我们称之为全球知识工作者代表的年度经济价值。

同一个数字，在脚注里叫「工资」，到了正文里改名叫「经济价值」。本文的标题没有发明任何东西，只是把名字改了回来。

别的公司算市场，数的是客户的软件预算；这家公司算市场，数的是客户的工资单。

需要说清楚的是：招股书没有用「市场规模」这个词。它把工资叫作经济价值，再把经济价值叫作「我们眼前的机会」。把它读成市场天花板，是我们的解读。但这个解读并不牵强。一家卖软件的公司，愿意拿工资总额来丈量自己的机会，本身就说明了它想卖的是什么：不是一件更好用的工具，而是一部分原本要付给人的劳动。

按 2026 年 11 月 10 日的公开报道，这家公司预计在美东 11 月 18 日定价，11 月 19 日开始交易。那一天，市场会给它标一个价格。但这篇文章不打算谈价格。我们想顺着那个脚注往下想一步：如果这 40 万亿的工资池，真的有一大块被模型吃掉，工资单上的那些人，会去哪里？

这不是一个关于某只股票的问题。它关于你，关于你的同事，关于你孩子十年后要找的第一份工作。

一、梯子最下面那几格，先松动了

你可能已经注意到一些说不清的变化。部门里的实习生名额少了。招聘启事上「应届生」三个字出现得少了。以前交给新人练手的活，比如整理表格、写初稿、做会议纪要、跑一遍测试，越来越多地被一个对话框接走了。没有人被裁。只是有些人，从来没有被招进来。

说得最响的那个人

2025 年 5 月，这家公司的 CEO 在一次公开采访里说：AI「可能」在 1 到 5 年内，消灭一半的入门级白领岗位。这句话后来被反复引用。它没有计量模型支撑，原文用的是「could」，可能。它也没有出现在招股书里。但它出自一个最有资格知道模型能干什么的人之口。这让它的分量，不来自证据，而来自说话的人。

说得最轻的那份数据

有意思的是，同一家公司的经济研究团队，在 2026 年 3 月发布过一份劳动力市场报告，后来又做了修订。他们比较了「高度暴露于 AI 的职业」和其他职业。结论很克制：高暴露职业的整体失业率，没有出现系统性上升。唯一的信号落在年轻人身上。22 到 25 岁的人进入高暴露职业的入职率，和 2022 年相比低了约 14%。更年长的人群没有这种下降。

作者自己说，这个结果只是「勉强显著」。他们也列出了别的解释：没被录用的年轻人，可能留在原来的岗位，可能换了行，也可能回了学校。另一项用大规模发薪记录做的独立研究，看到的方向一致：年轻人在高暴露岗位的就业相对走弱，资深员工基本稳定。

我们能说到哪一步

把这些放在一起，我们只能说：部分研究提示，年轻人进入白领岗位的门，正在变窄。不能说的是：AI 已经造成了大规模失业。宏观数据里还看不到这一点。国际组织的主流测算也认为，暴露于 AI 的岗位很多，但暴露不等于被替代，相当一部分会因 AI 而提效，而不是消失。所以这里的证据是「早期的、局部的、指向一致的」。它不是警报，是一盏刚刚亮起的黄灯。

裁员会上新闻，没被招进来的人不会。替代最先发生的地方，往往是统计表里的空白。

为什么偏偏是梯子最下面

一个可能的解释是：模型最擅长的，恰好是新人用来练手的那部分活。资深员工的价值，在于判断、关系和对复杂情况的经验。这些东西模型暂时接不住。新人的价值，在于把标准化的活做完，并在做的过程中慢慢长成资深员工。如果模型把这部分活接走了，企业短期内并不吃亏：老员工更高效了，新人可以少招几个。

但长期看，这里藏着一个问题：如果没有人从梯子最下面开始爬，十年后的资深员工从哪里来？招股书自己也碰到了这个问题。风险因素里写着：公司关于岗位替代的公开表态，可能在诉讼或公共争议中被用来对付它；公众如果认为模型导致失业，可能引发组织化的反对；政府可能为了延缓失业，干预、放慢 AI 的采用速度。

同一份工资单，在 CEO 的采访里是「可能消失的岗位」，在招股书正文里是「可以扩大的价值」，在风险因素里是「可能惹来的麻烦」。三种说法都出自同一家公司。它们各自都没有说错。

二、机器拿走过很多工作，后来呢

如果你觉得这一切前所未有，历史会先给你泼一点冷水。人类社会被机器拿走工作，不是第一次。每一次，都有人预言大规模失业；每一次，结局都比预言复杂。

砸机器的人

19 世纪初，英格兰中部的纺织工人开始在夜里砸毁织机。他们后来被称为卢德分子。在后来的语境里，「卢德」几乎成了「反对进步」的代名词。但这个标签不太公平。那些工人反对的，不完全是机器本身，而是机器到来的方式：熟练手艺在几年内变得一文不值，工厂主拿走了效率提升的好处，工人拿到的是更低的工钱和更长的工时。

从长期看，纺织机器让衣服便宜到普通人也穿得起，工业化最终把整个社会的生活水平抬到了从前无法想象的高度。但「长期」这两个字，对当时的织工没有意义。经济史学者普遍注意到，工业革命早期有一段相当长的时间，产出增长很快，普通工人的实际工资却几乎停滞。红利是真的。只是它先流进了工厂主的账本，要过很久才流进工人的饭碗。

机器从来不只拿走工作，它还决定了红利先流向谁。

马和马车夫

第二个故事更冷一点。汽车普及之后，城市里的马车几乎在一代人之内消失。马车夫、马厩工、马蹄铁匠，这些职业大规模萎缩。人后来大都找到了新工作：司机、修车工、加油站员工、公路建设者。汽车创造的岗位，最终远远多于它消灭的。马就没有那么幸运。马的数量在汽车普及后一路下降，再也没有回来。因为马能提供的只有一样东西——体力，而发动机在这件事上全面胜出了。

这个对照常被拿来提一个不舒服的问题：在通用智力面前，打工人更像当年的马车夫，还是更像当年的马？马车夫能转行，是因为他除了驾车，还有别的本事可以卖。马不能，是因为它只有一样本事，而那样本事被完整替代了。

反方证据：柜员没有消失

但历史并不总是站在悲观者一边。自动取款机在上世纪七十年代开始普及时，很多人以为银行柜员会就此消失。毕竟，柜员最主要的工作，存钱、取钱、点钞，机器都能做。实际发生的事情恰好相反。在美国，ATM 普及后的几十年里，银行柜员的总人数不降反升。原因是：ATM 降低了开一家网点的成本，银行于是开了更多网点。每个网点需要的柜员少了，网点总数却多了。柜员的工作内容也变了，从点钞变成了理财咨询、客户关系和处理复杂业务。

这是一个「工具增强、岗位反增」的经典案例。它提醒我们：一项技术能替代某份工作里的任务，不等于它会消灭这份工作。

ATM 没有消灭柜员，它消灭的是柜员原来的那份工作内容。

历史给的不是答案，是问题

把这几个故事放在一起，我们大致能得出两个判断。第一，技术替代的是任务，不是整份工作。一份工作被拆开之后，有些任务交给机器，剩下的任务可能变得更值钱，也可能变得不再需要专人去做。结局取决于剩下的那一部分有多大。第二，生产率提高之后，红利先流向谁，从来不是技术自己决定的。在工业革命早期，它主要流向了资本；后来工会、劳动立法、公共教育和社会保险陆续出现，工资才慢慢追上了生产率。

换句话说，过去几次技术浪潮最终变成了普遍的繁荣，不是因为技术天然善良，而是因为社会花了几十年时间，修了一整套把红利分下去的管道。

三、如果这次真的不一样

那么，这一次和过去几次，差别在哪里？

被替代的不是手，是脑子

过去的机器，替代的大多是体力和重复性操作。织机替代了织工的手，发动机替代了马的腿，ATM 替代了柜员数钞票的动作。被替代的人，往往可以转向机器做不了的事：需要判断的事，需要沟通的事，需要读懂复杂情况的事。这些事有一个共同的名字，认知劳动。过去两百年，认知劳动一直是人类的「避难所」。体力活被机器拿走了，人就往写字楼里走。

这一次，模型瞄准的恰好是写字楼。写邮件、读合同、做报表、写代码、做研究、记会议纪要，这些活过去被认为是「机器做不了、所以人可以一直做」的工作。到 2026 年，它们正在变成模型最擅长的那部分。

过去的机器替代的是手，这一次，被重新定价的是脑子。

从「工具」到「同事」

还有一个变化，藏在产品的定位里。在行业的讲法里，模型越来越不被说成「一个好用的软件」，而被说成一种虚拟的协作者：你给它一个任务，它自己拆解、执行、检查，最后交给你一份结果。2026 年 11 月 10 日启动路演的同一天，这家公司发布了会议、表格、白板等办公产品。它的故事，从帮程序员写代码，延伸到了几乎所有白领的日常工作。

工具和同事的区别，在于谁来领工资。一把好用的锤子，会让木匠更值钱。一个不领工资、不休假、可以同时开一百个分身的「同事」，会让企业重新思考：这个岗位，还需要几个人？这也是为什么它可以拿工资总额来丈量自己的机会。它卖的东西，可以理解成按「替代了多少工作量」来定价——这是本文的推演，不是招股书的结论。

一家小事务所的账

想象一家做账的小事务所。过去，它每年秋天招两个应届生。新人先做凭证录入和对账，干上两三年，学会看懂一家企业的账，再慢慢接手客户。某一年，合伙人发现，模型可以把凭证录入和对账做得又快又准，资深会计只需要抽查。那一年，事务所只招了一个人。第二年，一个也没招。没有人被开除。老会计们反而更忙、更值钱了，事务所的利润也更好看。

但三年后，当一位资深会计退休，合伙人才发现：没有人是从凭证做起、一路长上来的。能接手的人，要么去别家挖，要么只能再等。这个场景是虚构的，但它的每一步，在许多行业里都说得通。超过 11,900 家企业客户，已经在用真金白银投票。它们未必是在裁员，更多是在少招人、在让同样的人做更多的事。但每一笔这样的账，最终都会算到工资单上。

40 万亿会去哪里

这里有一个容易被忽略的细节：如果模型真的替代了一部分认知劳动，那部分工资并不会凭空消失。它会换一个地方。一部分，会以更低的价格留在客户手里。企业用模型替代人工，是因为更便宜，省下来的钱大多不会全部交给模型公司。一部分，会变成模型公司的收入，再变成它股东的回报。还有一部分，可能根本不会被任何人拿到，因为技术竞争会持续压低价格，最终以更便宜的商品和服务，分散到所有消费者身上。

所以 40 万亿不是一个「会被吃掉」的数字，而是一个「会搬家」的数字。它从工资单出发，流向客户的利润表、模型公司的报表、消费者的钱包。问题在于比例。如果这笔钱主要流向消费者，那么这就是一次和过去差不多的技术进步：东西更便宜了，大家都受益。如果它主要流向少数公司的股东，那么我们面对的，就是一次规模空前的财富再分配。

40 万亿不是会消失的钱，是会换户口的钱：从工资单上，搬到股东名单上。

也可能，这次没有不一样

公平起见，我们必须认真对待另一种可能：这一次，也许并没有那么不一样。第一个理由是历史本身。每一次技术浪潮来临，「这次不一样」的说法都会出现，而大多数时候，它都被证明是错的。人类社会创造新工作的能力，一次又一次超出了同时代人的想象。本世纪初，没有人能预料到「内容创作者」「数据标注员」「用户增长经理」会成为成千上万人的职业。十年后会出现什么新职业，我们同样想象不到。

第二个理由是任务和工作的区别。一个岗位，往往由几十项任务组成。模型能做其中一部分，不等于能接管整个岗位。律师不只是读合同，还要判断客户的处境、和对方谈判、在法庭上说服法官。医生不只是读片子，还要和病人谈话、承担责任。有一种相当保守的学术测算认为，在未来十年内，AI 真正划算地替代的任务，只占全部任务的一小部分。暴露很广，替代很窄。

第三个理由是落地速度。企业采用一项新技术，要改流程、改组织、改考核，还要应对监管和法律风险。电力从发明到真正提高工厂生产率，用了几十年。模型的普及也许快得多，但它照样要穿过这些摩擦。第四个理由，也是最有力的一个：岗位更可能转型，而不是消失。就像 ATM 时代的柜员一样，会计、程序员、分析员的工作内容可能会被重写：少做重复性的活，多做判断、沟通和监督模型的活。

按照这种看法，入职率的下滑可能只是转型期的阵痛：企业还没想清楚新人该做什么，于是先少招。等新的岗位形态成形，门会重新打开。这些理由都不是空想。它们有历史的支撑，也有相当一部分学者站在这边。我们无法证明它们是错的。我们只能说：如果它们是对的，那么最好的结果是「转型」；即使是转型，转型期里谁来承担代价，仍然是一个需要回答的问题。