Anthropic 设 2 亿美元基金，研究 AI 经济影响对策

Anthropic 发布了其经济未来研究基金（Anthropic Economic Futures Research Fund）的研究议程。该基金承诺投入 2 亿美元，支持外部开展雄心勃勃的研究，寻找帮助社会应对人工智能经济影响的干预措施。

基金资助的研究将聚焦于：哪些项目能让经济更具灵活性和韧性，确保 AI 的收益得到共享，并最大程度减少 AI 驱动变革可能带来的伤害。基金优先关注以下五个研究领域：

1. 在企业和工作场所层面塑造 AI 对工人的影响
2. 帮助人们应对 AI 驱动的转型
3. 为 AI 导致的失业问题实现收入支持现代化
4. 在变革到来之前让工人分享 AI 增长红利
5. 为公共投资提供新的实证证据

基金是什么？

AI 能力持续提升，但人们尚不清楚 AI 将以多快速度渗透经济并变得更强大，也不清楚其经济影响。Anthropic 在今年 6 月发布的 经济政策框架 中提出了一系列针对不同场景的计划和政策。但需要更多实证证据，来判断哪些干预措施在 AI 转型的经济中真正有效——哪些措施能让经济更灵活、更有韧性，并广泛传播收益。面对这种不确定性，Anthropic 的目标是建立证据基础，让工人、企业和政府有适应空间。这笔 2 亿美元基金将支持对经济政策框架中提出的干预措施以及其他未解决问题的外部研究。当前可能是一个前所未有的时刻，最有希望的解决方案可能是从未有人尝试过的方案。Anthropic 愿意资助那些能够指导决策的创意性和有雄心的试点项目，尤其是在随机对照试验（RCT）只能提供有限增量证据的问题上。

这是对一年前启动的经济未来计划的重大升级。Anthropic 将重点转向有雄心的项目和大额资助，因为认为这能产生最大的影响力。该公司一直认为资助大型外部研究非常重要，此次转变正是为了实现这一目标。同时，从经济未来计划中 Anthropic 也认识到，同时管理众多小额资助难以扩展能力。除了大规模 RCT 和试点项目，Anthropic 还对能够扩大有效小规模试点计划的合作伙伴感兴趣。

资助的研究类型

Anthropic 希望资助尽可能有雄心的提案。目标是资助大规模 RCT 或有创意、有雄心的试点项目或项目评估，以扩展对哪些措施在什么情境下有效、填补证据空白、并激发新方案的共同认识。以下列出的可资助方向是已知的一些可能性，但 Anthropic 知道并未穷尽所有好主意。欢迎提交未涵盖在内的提案。

AI 可能以超越传统研究资助和出版周期的速度改变社会。Anthropic 希望与研究组织合作，这些组织愿意在关键节点公开分享其发现，因为一个足够早的信号可能比一个太晚的答案更有价值。Anthropic 尤其关注那些在显示潜力后能够大规模扩大的试点项目。

这是一只全球性基金。Anthropic 概述的资助方向在一定程度上侧重于美国，部分原因在于其总部位于旧金山，且 Claude 在美国的使用量超过任何其他国家。但为变革做准备的需求是全球性的，Anthropic 希望以反映这一现实的方式资助项目。

Anthropic 主要资助金额在 500 万至 3000 万美元之间的项目，但对于范围明确、潜力大的项目，可以灵活提高。根据从经济未来计划中学到的经验以及寻求的提案雄心和规模，该基金不会直接资助任何低于 100 万美元的项目。

Anthropic 将接受来自经认可的大学、其他学位授予机构、独立研究机构、政策研究组织以及有大规模实地实验经验的非营利组织的提案。个人研究者可以作为其机构的提案负责人，但不会考虑以个人身份申请的提案。

符合研究优先方向的项目更有可能获得资助，但 Anthropic 也欢迎其他有雄心的提案，只要它们与问题的规模和机会相匹配。

查看征集提案并申请

五大研究优先方向

1. 在企业和工作场所层面塑造 AI 对工人的影响

AI 对劳动力市场的影响取决于围绕它建立的系统、工作场所、培训协议和制度选择。现有的关于 AI 在工作场所整合的证据是观察性的且短期。实地实验可以帮助了解哪些协作模式能在 AI 旁边培养人类专业知识、组织设计选择如何影响生产力和谁获得收益、以及工人在这些设计选择中的话语权有何影响。缺乏这些证据，企业决策和诸如促进工人增强的激励措施、留任税收抵免、雇主共同投资要求或学徒计划等政策杠杆将缺乏依据。

可资助方向包括：

• 在公司或团队层面随机分配 AI 系统和 AI 整合设计的实地实验，包括比较与工人和工人组织共同开发的设计与自上而下方法的优劣。
• 评估围绕 AI 工作场所整合和使用的组织选择对 AI 生产力收益发生率的影响。
• 评估留任税收抵免和雇主共同投资要求。

2. 帮助人们应对 AI 驱动的转型

关于再培训和再就业的证据好坏参半，并且可能不适用于 AI 引发的经济混乱和快速结构转型。

可资助方向包括：

• 评估创新的技能再培训、再就业、许可改革和行业转型方案，包括较新的 AI 驱动的匹配、认证和学习模型，以及将收入支持与强化再就业服务、再培训和搬迁援助捆绑在一起的方式。
• 关于早期职业和专业渠道的实地实验，例如，如果初级任务被 AI 吸收，什么样的学徒制、导师制或轮岗模式可以培养专业技能。
• 评估旨在为转型劳动力市场培养学生的基础教育和高等教育课程及教育交付模式，包括将教育干预与后期劳动力市场结果联系起来的纵向试点。
• 测试雄心勃勃的流动性工具，例如与再培训计划捆绑的带薪休假以及跨雇主随附的可携带福利。

关于许多此类努力已有一些证据，包括一些特别有效的 部门培训项目。Anthropic 希望了解有前景的项目能否快速扩展至更广泛人群。例如，在一个州内快速扩展选定的项目，为求职者进行大规模“消防演习”，可以提供这些项目在重大变革面前表现如何的证据。

3. 为 AI 导致的失业问题实现收入支持现代化

与世界各地类似的保险计划一样，美国支持失业工人的系统几乎完全建立在“失业是暂时的”这一假设之上。AI 可能导致更广泛且更持久的失业。在这种情况下，需要调整到一种没有现代先例的新均衡状态的工具。

可资助方向包括：

• 适合 AI 导致失业的失业保险改革，包括替代资格门槛、与行业或职业关联的自动延长触发条件，以及将失业保险与工资保险、再培训或其他过渡支持相结合。
• 为耗尽失业保险、从未符合资格或长期就业不足的工人提供基本需求救助。
• 以宜居水平进行的长期无条件收入试点，旨在探讨收入与工作长期脱钩的情景，分析结果涵盖劳动力供应和消费，还包括福祉、家庭稳定、儿童发展、公民参与以及受助人如何安排时间。

4. 在变革到来之前让工人分享 AI 增长红利

在 AI 带来巨大整体收益的前所未有情景中，这些收益可能默认不会广泛分享。在经济政策框架中，Anthropic 讨论了普遍性预分配资本账户及相邻机制，如股权分享、AI 行业股息和公共持股。但这些机制缺乏大规模的直接实证先例，并且也需要资金来源。许多创收提案已存在，包括通过公司税、资本利得税或代币税对 AI 驱动的回报征税。但缺乏证据表明谁将承担此类税收的经济负担，以及不同设计会如何影响税收收入和采用率。

可资助方向包括：

• 大规模测试预分配资本账户设计的随机对照试验。
• 测试股权分享或股息式机制的试点，包括社区级试点，其中 AI 基础设施或使用 AI 的公司直接向当地居民产生持续回报。
• 评估不同筹集和分配收入机制的比较——哪种税基（公司利润、资本利得、计算能力税、自动化税等）和哪种机制（预分配账户、股权、股息或等效直接转移）能带来最佳的劳动力市场和家庭结果。

5. 为公共投资提供新的实证证据

经济政策框架呼吁使收入安全网现代化，并大幅扩大对人力和社区相关工作的公共投资。政策制定者需要一种一致的方法来比较这些工具以及它们与直接转移支付的效果。这项研究将提供关于哪种形式的支出产生最大公共利益的证据，尤其是在私人市场可能低估的领域。

可资助方向包括：

• 大规模试点，直接资助人力和社区服务岗位（如教学、课后项目、图书馆、社区卫生、公园、基础设施、艺术），测量结果包括就业水平、教育程度、犯罪率和福祉。
• 扩大 AI 驱动的公共服务（法律援助、医疗指导、财务建议）在服务不足人群中的使用，测试此类投资能否缩小获取差距。
• 为失业或长期失业工人提供保障就业的试点，参与者将获得公益性岗位的就业机会，类似民间资源保护队（Civilian Conservation Corps）的精神，但涵盖更广泛的角色。
• 在受 AI 影响最大或容纳主要 AI 基础设施建设的社区进行基于地点的干预，包括劳动力、公共服务、基础设施和便利设施的综合投资，以及由统一治理机构协调这些投资的区域发展当局试点。

了解征集提案的更多信息并申请