Anthropic研究：机器人技术上可完成美国74%的体力任务，但具成本优势的仅占0.3%

美国人工智能公司Anthropic于2026年9月30日发布研究报告称，机器人在技术上已能完成美国经济中74%的体力任务，但成本低于人工的任务只占全部工作任务的0.3%。报告由经济学家Russell Legate-Yang和Maxim Massenkoff撰写，提出了一套机器人暴露指数，并认为决定物理自动化节奏的主要是硬件成本，而非AI模型的能力边界。

报告显示，机器人可承担的体力任务占美国总工时的34%。若把机器人和大语言模型合并计算，按工时计约80%的工作任务暴露于二者之一。作者指出，自上世纪90年代以来机器人价格每年下降约3%，若这一趋势持续，机器人具成本竞争力的任务占比升至10%需要40年。

研究团队以美国职业信息数据库O*NET为基础，该库涵盖约900个职业和约1.9万条任务描述。团队使用Anthropic的Claude模型逐项判断机器人能否完成某项任务以及在何种环境下完成。任务被分为四级：E0为机器人无法完成；E1为在专门设计的机器人环境中可完成，例如工厂装配线；E2为在结构化的人类工作场所中可完成，例如物流仓库；E3为在非结构化环境中可完成，例如城市道路。评分按工时和就业人数加权，Anthropic同时公开了每项评分的推理过程、引用来源和论文全文。

暴露度最高的职业是出租车司机，在满分3分的指数中得分2.2，其次是班车司机和专职司机，得分2.0，反映出自动驾驶的进展。最接近成本平衡的是包装工。报告统计美国约有56万名包装工，其97%的工作时间用于机器人可完成的任务；每名工人年成本约4.9万美元，而替代一人所需机器人年成本约4.5万美元。该职业就业人数自2015年以来已下降22%。焊接则是反例，机器人虽能焊接，但要实现整个岗位自动化，所需设备成本约为人工焊工的五倍。

报告指出，能力不足仍是最大障碍，约70%的体力任务因机器人能力限制而无法落地；监管不允许机器人承担14%的体力任务；约四分之一的任务因人们偏好人工服务而受阻。研究对1977年以来50年的数据进行回测，发现受现有机器人影响更大的职业在之后几十年中出现了工资和就业下降。作者估算，机器人每年新增约2%原本无法完成的体力工作能力。

高暴露职业的人群特征与其他职业差异明显。报告称，高暴露职业从业者中女性比例低20个百分点，西班牙裔比例高16个百分点，拥有学士及以上学位的比例低55个百分点，时薪低约30美元，失业率是其他人群的两倍以上。机器人与大语言模型影响的领域也不同：运输与搬运类任务中仅暴露于大语言模型的不到15%，计入机器人后升至约90%。

这一结论与资本市场对通用机器人的定价形成反差。据公司公告，Figure AI在C轮融资10亿美元，投后估值390亿美元；Skild AI于2026年1月以140亿美元估值融资14亿美元；从丰田研究体系分拆的Walden Robotics于7月以11亿美元估值完成3亿美元种子轮。这些估值建立在机器人数年内规模化承担付费工作的预期上，而Anthropic的基准情景显示，相当比例任务达到成本平衡需要数十年。

对中国产业而言，这份报告的含义十分直接。若成本而非能力是主要瓶颈，竞争焦点就落在整机和零部件降本上，而这正是中国供应链的强项。宇树科技在科创板上市、优必选扩大人形机器人交付，国内减速器、关节模组、电机和电池企业的规模效应，都可能让机器人价格降幅明显快于报告采用的每年3%。一旦降本速度加快，40年的时间表将被大幅压缩，率先受益的是仓储、包装和搬运等场景。

报告也存在局限。作者承认O*NET任务描述较为简略，可能遗漏对机器人至关重要的细节，成本估算亦为近似值。用语言模型评估机器人能力可能引发一致性质疑，但公开的推理过程让外部研究者可以逐项核验。每年3%的降价幅度只是历史平均，并不必然代表人形机器人量产阶段的成本曲线。

下一步的检验来自市场数据。2027年人形机器人和移动操作机器人的合同价格、美国包装工、搬运工和司机的就业统计，以及利用公开评分进行的独立复核，将显示0.3%这一数字是否会比历史趋势更快上升。