2026 年 9 月 30 日，Anthropic 在官网发布了一项题为《Can we predict the jobs robots will do?》（我们能预测机器人会做什么工作吗）的研究：用 Claude 评估了美国近 900 个职业、7594 项体力任务，得出两个反差极大的结论——机器人今天已经能完成 74% 的体力任务（占美国全部工作时长的 34%），但在成本上能打赢人类的任务只有 0.3%。能做和划算，是两回事。
测了什么：给每个职业算一个"机器人暴露指数"
这项研究的方法分三步。先用 Claude 对 O*NET 数据库（约 900 个职业、约 1.9 万项任务描述）里的任务做分类，筛出"没有机器人就做不了"的体力任务，共 7594 项。再让 Claude 结合联网搜索，给每项任务按机器人能在什么环境下完成打分，分四档：E0 完全做不了，E1 只能在专用机器人环境（如工厂流水线）做，E2 能在结构化的人类工作场所（如物流仓库）做，E3 能在非结构化环境（如城市道路）做。评分只认有真实部署、商用销售或公开演示证据的能力，纸面参数不算数。
最后按每项任务在职业里占用的工时（Claude 估算）和该职业的就业人数（美国劳工统计局 2025 年数据）加权，算出每个职业的机器人暴露指数。配套的数据集公开了全部任务的评分理由和引用来源。
谁先被影响：司机和仓库打包员，护士和修理工暂时安全
按这套指数，暴露度最高的是出租车司机和仓库打包工——自动驾驶和仓储机器人已经在这些场景站稳脚跟；暴露度最低的是护士和通用维修工，因为今天的机器人在非受控环境里几乎做不了他们的工作。整体上，机器人加 LLM 一起，能覆盖除五分之一之外的全部就业岗位；剩下完全没被覆盖的，是高度依赖人际互动或机器人尚不具备的精细身体技能的工作。
暴露的人群画像也不平均：男性、低学历、低薪劳动者被机器人波及的比例更高。研究还做了一个 50 年回溯验证：从 1977 年起，暴露度越高的职业，此后几十年的工资和就业下降得越明显。这给了"用今天的能力预测明天的冲击"这个核心假设一些底气。另外一个数字值得记住：机器人每年能新覆盖的物理工作大约增加 2%。
最大的门槛不是能力，是成本
这是整篇研究最扎眼的发现：机器人能做 74% 的体力任务，但在成本上能打赢人类的只有 0.3%。研究里举了一个邮递员的例子：用机器人完成一个邮递员一年的工作量，年化成本约 16.6 万美元，而人类邮递员的薪酬中位数是 8.2 万美元——机器人要降价 54% 才划算。按历史降价趋势外推，这个比例 40 年后也只能涨到 10%。
成本之外还有三道坎：能力（比如解开缠绕电线需要的灵巧度）、人类偏好（有些工作人们就是不想交给机器）、监管。企业侧的数据也印证了谨慎：2025 年 11 月的一份高管调查显示，美国 13% 的企业已经在用机器人，另有 22% 预计三年内会用——"用"和"大规模替代"之间还隔着很远。
对普通人意味着什么
这项研究给出的不是"机器人明天抢走工作"的惊吓，而是一张冲击顺序图：变化会先从机器人已经有立足点的地方开始——仓库、工厂、道路。个人判断职业风险时可以套用它的逻辑：任务越依赖非结构化环境的适应能力、精细操作和人际信任，被波及得越晚。
对政策制定者和企业来说，真正的时间表藏在成本曲线里。接下来值得关注两件事：一是企业机器人采用率会不会按调查预期的速度兑现，二是人形机器人在汽车工厂和仓库的试点进展——那是 E1 向 E2 跨越的现场。
