Anthropic 的预期鸿沟调查在 2026 年 10 月 16 日由 Anthropic 研究所发布：同一批问题问了 10980 名美国成年人和 Anthropic 自己的员工，两边对 AI 今天能做什么判断接近，对它 2030 年能走多远却差出一大截。最扎眼的一题是诺贝尔级发现：91% 的员工认为 AI 在 2030 年前能做出诺贝尔级科学发现，公众里只有 39% 这么想，还有相当一部分成年人直接回答永远做不到。
差得最多的，是对自己饭碗的判断
问到 AI 到 2030 年能做掉自己多少工作，员工平均给出 75%，美国在职者平均只有 28%。员工里超过一半人认为 AI 能承担自己至少八成的工作，在职公众里达到这个判断的只有 5%。省时感受也对不上：员工中 59% 的人说，适合 AI 的任务用上 AI 后只需四分之一或更短时间；在工作中用 AI 的公众里，这个比例是 26%，还有 29% 的人觉得耗时没有变短，甚至更长。
把这些答案喂进 Anthropic 同期发布的经济情景模型，两边推出的 2030 年美国 GDP 增速中位数分别是 17.1% 和 5.4%。也就是说，公众眼里的 AI 已经足以让经济增速翻倍，员工眼里则是一场历史上少见的加速，而分歧主要不来自对失业机制的不同理解：两组人只要预期自己被 AI 替代得越多，对 2030 年失业率的预测就越高，预期 AI 能做掉自己八成以上工作的人，平均预测失业率达到 12.2%。
员工也不是单纯乐观
有意思的是，预期自己工作大半能被 AI 接手的同时，95% 的员工预计公司未来一年还会继续扩招，中位数预期是人数增长 66%。在他们看来，任务被自动化和岗位消失不是一回事。但员工对被替代者再就业更悲观：他们估计，2030 年因 AI 丢掉工作、又必须换行的人，平均要花 12 个月才能找到新工作。
公众给 AI 落地排的障碍也很说明问题：排在最前的是客户更愿意和真人打交道，其次才是数据隐私与安全、AI 不够可靠、法规与责任。这意味着接下来几年真正卡住 AI 扩散的，未必是模型能力，而是信任和责任安排。站内此前关于 Anthropic 内部智能体数量已达员工 6 倍 的报道里，那种人均产出被智能体推着走的日常，正是员工预期比公众激进的现实来源：离前沿越近的人，越按自己已经用顺手的工具来推演未来。对普通读者更实用的读法是把这份调查当成一张扩散地图：先在离前沿最近的岗位上发生的事，往往会晚几年、以打折的强度落到更远的行业。
