把美国经济未来五年的命运押在"AI 能否在 2027 年前学会自我进化"这一个假设上，这是 Anthropic 联合创始人 Jack Clark 在曼谷对各国财长说出的话。
2026 年 10 月 17 日，IMF 与世界银行年会现场，台下坐着各国财长和央行行长。Clark 抛出一个数字，如果 AI 继续以当前速度进步，美国经济到 2030 年可能达到 44 万亿美元，比现在高出近 50%。
这个数字来自 Anthropic 自己发布的"Econ Scenario Explorer"经济情境模型。它给出三条路径，分别是温和情境 34.1 万亿美元，显著情境 36.3 万亿美元，极端情境 44.4 万亿美元，全部按 2025 年价格水平计算。
真正值得追问的不是 44 万亿这个天花板，而是通往它的那道窄门。极端情境要求 AI 在 2027 年前实现递归式自我改进，Clark 本人把这个时间点作为"显著"与"极端"之间的枢纽。换句话说，Anthropic 的乐观上限，本质上是一份对 2027 年前出现自我进化 AI 的押注。
一家 AI 公司给财长们画了三张经济地图
当前美国经济规模略高于 30 万亿美元。以此推算，温和情境只是让经济在现有轨道上多走一点，极端情境则意味着四年内多出 14 万多亿美元。
这三条路径对应着完全不同的 AI 能力假设。温和情境里，AI 的影响"类似于互联网"，带来真实增长，但落在历史常态之内，且逐步到来。显著情境则是"知识工作的革命"，到 2030 年 AI 能完成一半的知识工作，且大部分可以自主完成，但并未被全部采用。极端情境则是"深刻的经济转型"，AI 在绝大多数知识工作任务上比人类更高效，几乎全部自主完成，并且几乎不再为人类创造新的知识型任务。
模型还给出了一个更冷的分配图景。在温和情境中，新增财富的 59.4% 流向劳动，40.6% 流向资本；到了极端情境，劳动份额降至 45.2%，资本份额升至 54.8%，资本份额上升 14.8 个百分点。
这不是纯学术推演。Anthropic 在 2026 年 9 月发布了这个情境探索器，配套技术报告由 Anton Korinek、Chad Jones 等经济学家撰写，Clark 提供方向。Clark 在曼谷的演讲，是把公司内部的模型直接端给了全球财政政策的制定者。
极端情境的真正前提，是一道 2027 年的时间线
为什么极端情境如此激进？因为它依赖一个在经济学史上几乎没有先例的机制，也就是递归式自我改进。
所谓递归式自我改进，指的是 AI 系统能够自主改进自身的算法与架构，从而引发能力的连锁加速。Anthropic 模型里，极端情境要求 AI 不仅自动化现有任务，还要创造全新的产业，不是让现有工人效率更高，而是创造出过去根本不存在的经济活动。
Clark 把这个前提的时间点定在 2027 年。他承认这个预测听起来可能"非常离谱"，但理由是 AI 技术进步的速度在加快，更强的 AI 可以加速科学发现，创造新产业，推动前所未有的经济扩张。
这里有一个必须被点明的逻辑链条。极端情境的 44.4 万亿美元，不是"AI 更好用"的自然结果，而是"AI 能自我进化"的推导产物。如果 2027 年前递归式自我改进没有出现，极端路径就失去了支点，经济图景会迅速回落到 34 万亿到 36 万亿美元的区间。
所以这场演讲最关键的变量不是 44 万亿，而是 2027。
主流经济学给出的答案，比 Anthropic 低一个数量级
把 Anthropic 的上限放到学术与投行的主流估计里看，落差更为刺眼。
2024 年诺贝尔经济学奖得主 Daron Acemoglu 在其 NBER 工作论文《The Simple Macroeconomics of AI》中给出的结论是，未来十年，AI 带来的全要素生产率提升不超过 0.71%。这是十年累计的 0.71%，折合年化约 0.07%。Acemoglu 甚至明确排除了"AI 加速科学发现"可能带来的收益，理由是这些收益不太可能落在十年窗口内。
高盛的基线预测是，美国生产率增长在 2029 年前平均约 1.7%，2030 年代初期约 1.9%；潜在 GDP 增速在 2025 至 2029 年约 2.1%，2030 年代初加速至 2.3%。高盛另有一个更乐观的测算，AI 未来十年为全球经济增加约 7%，折合 7 万亿美元。
经合组织的报告《Miracle or Myth?》给出的区间是，AI 带来的宏观生产率增益在 0.25 到 0.6 个百分点之间，劳动生产率增益在 0.4 到 0.9 个百分点之间。
把这些数字放在一起，Acemoglu 的十年累计全要素生产率增益 0.71%，经合组织的 0.25 至 0.6 个百分点，高盛的 2.3% 潜在增速，全部远低于 Anthropic 极端情境隐含的 32.4% GDP 跃升。
这不是简单的乐观与悲观之分，而是两种建模哲学的对撞。Acemoglu 的模型从"任务层面的成本节约"向上加总，用受 AI 影响的任务比例乘以平均任务级成本节约来估算宏观效应，它的方法天然偏向保守，因为它只计算 AI 替代和增强现有任务带来的节约。Anthropic 的模型则把"新任务创造"和"科学加速"作为核心变量，极端情境下甚至假设 AI 几乎不为人类留下新的知识任务。这意味着增长不再来自"人用 AI 做得更好"，而来自"AI 自己把经济蛋糕做大"。
为什么是 Anthropic 在讲这个故事
预测者的身份，本身就是信息的一部分。
Anthropic 是一家构建前沿 AI 系统的公司。一个预测 AI 将带来巨大经济收益的模型，出自一家在 AI 如何被看待、如何被监管上有着直接利益的公司，这本身就会改变数字的解读方式。
Clark 在曼谷的另一半信息，是呼吁国际监管合作，要求制定"不寻常且严肃的规则"来管理 AI 的变革性影响。把极端增长叙事和强监管呼吁放在一起，是一种精妙的策略，如果 AI 真能带来 44 万亿美元的经济扩张，那么为它建立全球规则框架就不再是"扼杀创新"，而是"管理一场经济革命"。
公众并没有买极端情境的账。Anthropic 配套的调查显示，受访者的预期最接近"显著"情境，10% 的 GDP 提升，同时伴随 5% 的失业率。人们愿意相信 AI 会带来可观增长，但不愿意相信会出现经济史上的奇点式跃迁。
模型自己都承认的空白
Anthropic 在技术报告里写得很直白，这个情境探索器是"对复杂现实的简化"，它隔离了少数几个关键力量，却省略了许多未来可能变得重要的因素。
被明确排除在外的包括政策反应、商业周期、潜在的总需求效应、金融市场扰动，以及可能的灾难性风险。模型也不追踪个体工人，因此对失业代价只能给出粗糙的图景。多位外部评审指出，极端情境更应该被读作一个思想实验，而非真正的预测。
还有一个被忽略的反馈回路，如果极端情境真的部分兑现，资本份额上升 14.8 个百分点、知识工作者大规模被替代，社会安全网、税制和劳动政策将同时承压。Clark 自己也承认，在增长远超历史任何时期的情境里，工资和知识工作者的就业前景会受到负面影响，社会的挑战会变成"如何确保收益被广泛分享"。
2027 年是那道窄门
Jack Clark 在曼谷给出的，不是一份预测，而是一份条件句，如果 AI 在 2027 年前实现递归式自我改进，美国经济可能在 2030 年达到 44 万亿美元。
这道条件句的前件，比后件更值得盯住。主流经济学用任务成本节约法算出的 0.71% 全要素生产率增益，高盛用产业渗透法算出的 2.3% 潜在增速，都在说同一件事，在现有范式内，AI 是渐进的生产率工具。Anthropic 的极端情境要成立，必须打破这个范式本身。
未来两年需要盯住两件事。第一是 2027 自我改进时间线，一旦递归式自我改进的迹象出现，关于经济上限的辩论会立刻从会议厅走向立法机构。第二是劳动数据，如果知识工作者的替代开始体现在就业数字里，政策反应的速度会远超市场预期。
44 万亿美元不是预测，是赌注。Anthropic 把美国经济的上限押在 2027 年那道窄门上，而主流经济学用 0.71% 的全要素生产率告诉你，门后更可能是渐进的增长，不是奇点的狂欢。真正的分歧不在于 AI 会不会改变经济，而在于它改变经济的方式，是让人类做得更好，还是让人类变得多余。
快报