A社9月最新报告:《机器人能做什么工作？》

机器人距离接管人类工作还有多远？Anthropic在9月30日发布的研究，给出了两个相差悬殊的数字。按美国工作时间加权，现有机器人在特定环境下能够完成的任务，占总工时的34%；算上部署与运行成本，具有成本竞争力的却只有0.3%。技术已经走到门口，采购部门还在算账。[9月研究](https://www.anthropic.com/research/what-work-can-robots-do)

机器人最擅长的工作，往往发生在比较规整的地方。工厂里的加工装配、仓库里的搬运分拣，物品和动作都有规律可循。自动驾驶则让部分机器开始应付开放道路。研究评出的十个机器人暴露度最高的职业，有九个与车辆驾驶有关。
护理和一般维修就困难得多。面对人的身体、杂乱的现场和临时出现的故障，机器需要精细操作，也需要适应变化。人类随手完成的动作，可能比一段复杂计算更难教给机器人。研究估计，机器人能覆盖约74%的体力劳动，但其中多数仍依赖受控环境。[机器人能力评估](https://www.anthropic.com/research/what-work-can-robots-do)

这与Anthropic在3月发布的研究，恰好形成互补。当时关注的是大语言模型，最容易受影响的包括编程、金融和行政等职业。配图中的蓝色表示理论能力，红色表示根据Claude使用数据估算的实际覆盖。计算机与数学类别的理论覆盖达到94%，实际覆盖约33%。模型能提速的任务很多，进入真实工作流程的只是一部分。[3月研究](https://www.anthropic.com/research/labor-market-impacts)

9月的图把机器人也算了进来，运输、制造和餐饮等领域的任务暴露随之扩大。两张图不能直接理解成半年内替代率上涨，它们回答了不同的问题。前者比较能力与使用，后者比较语言模型与加入机器人后的覆盖范围。
成本解释了另一重差距。软件可以低成本复制，机器人还得购买、安装、维修，有时连工作场所都要重建。按历史降价速度推算，让机器人在占总工时10%的任务上具有成本竞争力，需要约40年。新技术可能加速这个过程，但这仍是一项条件推算。[成本分析](https://www.anthropic.com/research/what-work-can-robots-do)

因此，机器人能做什么，已经可以列出越来越长的清单；企业愿意让它做什么，还得逐项算账。对劳动者而言，这份清单值得关注，却不能直接当成裁员名单。机器接下一部分任务以后，剩下的工作怎样安排、收益归谁、转岗成本由谁承担，才是接下来更难回答的问题。