新智元报道

同一个2026年，人类的现实已经悄然裂成了两半！

在旧金山的Anthropic办公楼里，Agent昼夜运转的总时长已经彻底反超人类，甚至有员工像带真人团队一样，给手下的Claude小队写起了绩效评语。

一墙之外，世界还停在另一个时代的节奏里。将近一半的美国人，至今不信AI能写好一封日常邮件。

就在刚刚，Anthropic罕见连发两份重磅内部报告，把楼里楼外这两个平行世界，并排摆在了所有人面前。

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；同一道题拿去问外面的美国打工人，答案只有28%。

超过一半的员工笃定AI能包揽自己八成以上的活，美国劳动者里敢这么想的，只有寥寥5%。

91%的员工相信2030年前AI就能做出诺奖级发现，58%的人觉得2027年就能见分晓；美国成年人里，只有39%信。

这道认知鸿沟背后，是离奇点最近的这群人，已经提前活进了另一种日常。

在Anthropic，一周干完外面三个月

他们敢下这么重的注，底气来自同一天公开的另一份内部报告。

这份《Anthropic内部就业变化》调出了公司的人事、产出和Agent运行记录，把一家顶级AI实验室的里子翻给了外人看。

今年3月，算上后台昼夜不停的自主任务，全公司Agent干活的总时长，第一次超过了全体人类员工。

仅仅5个月后，只算员工亲手派出去的Agent，工时也从2月不足人类的五分之一，一路狂飙到了人类的6倍。

研究部门更是到了19倍，相当于每个研究员身后，同时跟着19个不知疲倦的Claude在狂奔。

8月，员工派出的Agent工时是员工的6倍

报告还画了一个大部门的Slack公开频道网络。起初里面只有155名员工和150个Agent会话，后来员工增加到237人，Agent会话暴涨到了7922个。

代表AI的红点像野火一样越长越密，把代表人类的蓝点团团围住。每个人身边，都跟着一支自己的AI军团。

蓝点是员工，红点是Agent会话

有人把公司里的空气形容为「永恒的压力」，所有人都被这支军团推着往前狂奔，用Claude干一切事。

一位员工直言，在这里一周要交的活，放到外面的公司，足足要干三个月。

以去年12月为基准，工程师人均代码提交量已经暴涨到5.1倍，数据科学、法务和销售的人均产出也都在往上涨。

各岗位人均产出变化，2025年12月为基准

今年4月，Claude把一批没人顾得上的陈年积压问题清了一遍，一口气提交了800多个修复，硬生生把一类API错误压到了原来的千分之一。

据负责的工程师估算，这批活如果换人来干，要熬上整整4年。

写代码也溢出了技术部门的边界。非技术员工每月发起的编码Agent会话，从去年8月的区区2次，飙到了今年5月的90次。

一位销售代表想要一个贴合自己工作流的看板，带着Claude改了三四个小时，界面、工具和流程就全接通了。

原本写Claude.ai问候语的文案团队，搭起一套上下文图谱教会Agent写品牌文案，随后整组华丽转身，改行写模型评测集和提示词。

一位工程师说，自己一年前开始全面「Claude化」，到今天，已经差不多5个月没亲手写过一行代码了。

你还在催AI，他们已经被AI催着跑

外人总以为，AI把活都干了，人就能端起茶杯喝茶看报。

然而在Anthropic，现实恰恰相反，血肉之躯的人类，反倒成了整条流水线上最慢的一环。

研究团队把每人每周收到的Claude输出，按每分钟250词折算成阅读时间，得出的数字让人头皮发麻。

工程和研究岗位每人每周要读424个小时，可地球上的一周，不眠不休也只有168个小时。

各岗位每人每周读完Claude输出要花的时间

人读不过来，Claude就只能干等。交互会话里，它大约80%的时间都耗在排队等人回话上。

工业革命以来两百多年，从来都是人在催着机器转；而在这栋楼里，历史第一次倒转过来，轮到机器排队等人。

于是，被逼到极限的人开始给Agent当起了经理。

有人专门搭了一个Agent当「幕僚长」，分拣其他Agent递上来的请求；写给Agent的常驻指令，一年里从几百条暴涨到了8500条。

而这还闹出过让人哭笑不得的一幕。

有位员工几个月前在一份公司周边文档上留了名字，哪怕早就不管这摊事了，Agent还是隔三岔五找上门来，一本正经地向他讨要T恤和马克杯。

在如此高强度的使用之下，就连软件基础设施也扛不住了。

今年5月，Anthropic主代码库每天合入约2500次代码变更，到了9月就冲破3万次，把程序员用了二十年的Git彻底挤爆。

主代码库每天合入的代码变更

于是7名工程师花了5个月，从头造出新的版本控制系统Scion，把整个代码库从Git迁了过去。

迁移要用的代码导入工具，团队年初自己手写了一版，本来颇为满意。

后来，他们用内测的Claude Mythos Preview随手重写了一遍，没加任何额外指令。结果，新版本的内存占用降到二十分之一，速度快了整整4倍！

没想到，亲手造出AI的这群人，最先尝到了被AI甩在身后的滋味。

同一张问卷，两个2030

看过这栋楼里惊心动魄的日子，再回头看那张问卷，就不难理解楼里楼外为什么差得这么远。

如果只问今天的AI能干什么，两拨人的看法其实差不多。比如自己设计并发表一项科研，两边都只有约四分之一的人觉得AI现在做得到。

可一说到接下来几年，差距瞬间拉开。到2027年，90%的员工觉得AI能独立搞科研，美国成年人只有38%。

到2030年，从写邮件、报税到诺奖级发现的8件事，员工的信心清一色超过9成。美国成年人这边，每件事都有19%到40%的人斩钉截铁地认为，AI永远做不到。

员工（橙）与美国成年人（蓝）对8件事的判断

这也不只是外行和内行的差别。美国的计算机、工程和科学从业者预计，到2030年AI能做自己33%的工作。

就连其中天天用AI的，也只有40%，离Anthropic员工的75%还横着35个百分点的鸿沟。

预计到2030年AI能做的本职工作占比

真正的区别，藏在用AI的体感里。挑一件AI擅长的活，把检查和返工都算上，59%的员工说用AI只要原来四分之一甚至更少的时间。

在工作中用AI的美国人里，这么说的只有26%，还有29%觉得用了AI一点没快，甚至更慢。

说用AI只要原来四分之一或更少时间的人占比

两拨人嘴上都说「我每天在用AI」，过的却是完全不同的一天。

每天亲眼看着AI把三个月的活压进一周，眼里的2030，自然和别人不在同一个世界。

造AI的人，开始给「最后一项发明」倒计时

整份调查里，这群人押得最重、也最让人心惊的一注，落在了自己的老本行上。

问卷有一道题只问了他们，造一个2026年初水平的前沿大模型，从定方向、设计实验到做评测，眼下有多少工作已经是AI自己在做？

员工的中位数答案是51%，离造模型最近的研究团队估得更高，平均60%。他们预计，到2027年底这一比例将升至80%，到2030年底高达95%。

员工估计AI在造前沿模型工作中的占比

Anthropic此前公开过一项内部测试，让Claude给一段训练小模型的代码提速。

熟练的人类研究员熬上4到8小时能做到4倍，今年4月的Claude Mythos Preview一出马，直接做到了52倍。

在一个AI安全的开放研究题上，两位人类研究员埋头干了一整周，把性能差距缩小了约23%。

Claude Agent团队自己提假设、跑实验，用了800个小时、约1.8万美元算力，一举缩小了97%。

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。

就连科研里最看重的判断力，AI也在迎头追上来。

历代Claude在129个研究节点上胜过人类的比例

顺着这条陡峭的曲线往下走，Anthropic研究院设想过一种情景，AI研发大体自动化以后，一家仅有100人的公司，就能干完过去1万甚至10万人组织的活。

「AI自己造AI」这件事，人类已经设想了六十多年。

1965年，英国数学家I.J.古德写下过那句著名的预言，第一台超智能机器，将是人类需要做出的最后一项发明。

整整六十一年后，亲手锻造这台机器的人，开始给它拨响倒计时。到2030年底，造出一个前沿模型的活，留给人类的只剩最后5%。

阶梯正在抽走，18个月后潮水漫过人间

当未来的潮水提前涌进现实，最先被拍在岸上的，是刚刚步入职场的新人。

过去一年，Anthropic的人数扩大到原来的3倍，95%的员工还预计公司会继续大举扩招。

然而就在这轮扩张里，通往这家公司的第一级阶梯，正在被悄然抽走——新招的技术岗里，初级的比例从27%断崖式跌到9%。

技术部门里初级员工的各项占比

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。

而新人只是被潮水拍中的第一波。一墙之外的大众，也正一步步走进同一个未来。

把Anthropic员工的答案代进经济模型，他们眼中的这个未来，对应的是惊世骇俗的17.1%年增速，相当于美国经济每四年半就翻一番。

报告的说法是，这将是一场人类历史上从未有过的经济巨变。

三组人的答案对应的2030年美国GDP增速

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。

也就是说，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。

参考资料：

//www.anthropic.com/research/employment-at-anthropic

//www.anthropic.com/research/ai-expectations-gap

编辑：摩西