经济未来研究基金的研究议程¶
原文发布于 2026 年 7 月 22 日
概要¶
Anthropic 宣布为"经济未来研究基金"投入 2 亿美元，资助外部研究机构探索应对 AI 经济冲击的有效干预措施。 该基金旨在研究能够"让经济更灵活、更具韧性，确保 AI 收益得到共享，并最大限度减少 AI 驱动的结构性冲击带来的伤害"的项目。
基金优先资助五大研究方向：
- 塑造 AI 对企业和工作场所层面的劳动者影响
- 帮助人们应对 AI 驱动的职业转型
- 针对 AI 导致的失业，推动收入保障体系现代化
- 在 AI 颠覆到来之前，为劳动者建立在 AI 增长中的权益份额
- 为公共投资生成新的实证证据
基金的定位¶
该基金建立在 Anthropic 6 月发布的《经济政策框架》(EPF)基础之上，旨在通过实证研究验证哪些干预措施在 AI 转型经济中真正有效。 这是 Anthropic 经济未来项目自一年前启动以来的"重大演进"——从大量小型资助转向少量大型、高影响力项目。此前的实践表明，同时管理大量小额资助在执行力度上存在瓶颈。
资助标准¶
基金寻求"尽可能有雄心的提案"，包括大规模随机对照试验、创新试点和政策评估。 关键要求是合作伙伴愿意在关键节点公开分享研究发现——"一个及时到来的信号，其价值远超一个姗姗来迟的答案。"
该基金面向全球开放，但考虑到 Anthropic 总部在旧金山以及 Claude 用户主要分布在美国，会有一定程度的美国侧重。
| 维度 | 说明 |
|---|---|
| 资助金额 | 以 500-3000 万美元为主（高影响力项目可上浮），不低于 100 万美元 |
| 合格申请方 | 认证大学、授予学位的机构、独立研究所、政策研究组织、有田野实验记录的非营利组织 |
| 个人研究者 | 可作为机构提案的 PI，但不能以个人身份申请 |
五大研究优先方向¶
1. 塑造 AI 对企业和工作场所层面的劳动者影响¶
现有关于 AI 在工作场所整合的证据大多是观察性的、短期的。田野实验可以揭示协作模式、组织设计对生产力和收益分配的影响，以及劳动者话语权的作用。
可资助方向：
- 在企业或团队层面随机分配 AI 系统/集成设计的田野实验，对比"劳动者共同开发"与"自上而下推行"的方案
- 评估组织决策如何影响 AI 生产力收益的分配
- 评估留任税收抵免和雇主共投要求的效果
2. 帮助人们应对 AI 驱动的职业转型¶
现有再培训和就业安置的证据效果参差不齐，且可能无法推广到 AI 引发的结构性变革场景。
可资助方向：
- 评估创新的再培训、就业安置、执照改革和行业转型配套方案（包括 AI 驱动的匹配、认证、学习模式）
- 针对早期职业路径的田野实验（学徒制、导师制、轮岗制）
- 评估 K-12 和高等教育的课程/教学模式，并追踪长期劳动力市场结果
- 测试流动性工具（与再培训挂钩的带薪假、可携带福利）
已有证据表明某些行业培训项目效果显著。基金希望测试这些项目是否能在更广泛人群中快速扩展——比如一次"消防演练"式的规模化测试。
3. 针对 AI 导致的失业，推动收入保障体系现代化¶
美国现行的失业保障体系假设失业是暂时性的。AI 可能导致更广泛、更持久的就业错位，需要"为一个没有现代先例的新均衡状态量身定制的工具"。
可资助方向：
- 针对 AI 驱动失业的失业保险（UI）改革（替代性资格门槛、自动延长触发器、与工资保险/再培训的整合）
- 为耗尽 UI、从未符合资格或持续就业不足的劳动者提供基本需求保障
- 较长期限、达到可生活水平的无条件收入试点，测量劳动供给、消费、福祉、家庭稳定性、儿童发展、公民参与和时间使用
4. 在 AI 颠覆到来之前，为劳动者建立在 AI 增长中的权益份额¶
AI 带来的巨大总体收益可能不会自动实现广泛分享。 诸如全民预分配资本账户、股权共享、AI 行业分红和公共持股等机制，在大规模层面缺乏实证先例。
可资助方向：
- 大规模测试预分配资本账户设计的随机对照试验
- 在社区层面测试股权共享或分红式机制的试点
- 对比不同筹资和分配机制的评估（企业利润、资本利得、算力税、自动化税搭配账户、股权、分红或转移支付）
5. 为公共投资生成新的实证证据¶
决策者需要统一的方法来比较不同公共投资工具之间、以及公共投资与直接转移支付之间的效果。
可资助方向：
- 资助面向人和社区的服务岗位的大规模试点（教学、课后辅导、图书馆、社区健康、公园、基础设施、艺术）
- 为弱势群体拓展 AI 赋能公共服务（法律援助、医疗指导、财务咨询）的试点
- 面向失业者或长期失业者的公共服务岗位保障就业试点
- 面向 AI 敞口社区或承载大型 AI 基础设施的地区的地方性干预，包括捆绑投资和区域发展机构