Anthropic 设立 2 亿美元经济未来研究基金，支持 AI 经济影响研究

经济未来研究基金的研究议程我们正在分享 Anthropic 经济未来研究基金的研究议程。我们承诺向该基金提供 2 亿美元，以支持雄心勃勃的外部干预研究，帮助社会为 AI 的经济影响做好准备。

通过基金支持的研究，我们希望研究哪些项目能使经济更加灵活和富有韧性，确保 AI 的益处得到共享，并尽量减少 AI 驱动的颠覆可能造成的伤害。

在基金中，我们将优先考虑五个研究领域：- 在企业和工作场所层面塑造 AI 对工人的影响- 帮助人们应对 AI 驱动的转型- 为 AI 驱动的失业提供现代化的收入支持- 在颠覆到来之前让工人分享 AI 驱动的增长成果- 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，但我们尚不清楚 AI 将以多快的速度在经济中扩散并变得更加强大，以及其经济影响将是什么。在 6 月发布的经济政策框架（EPF）中，我们针对一系列情景提出了项目和政策。

但我们需要更多实证证据来证明哪些干预措施在 AI 转型的经济中真正有效——哪些措施能使经济更灵活、更有韧性，并广泛分享收益。面对这种不确定性，我们的目标是建立这一证据基础，以便工人、企业和政府有适应的空间。

这笔 2 亿美元的基金将支持对 EPF 中提出的干预措施及其他未决问题的外部研究。我们可能正进入一个没有历史先例的时刻，最有希望的解决方案是尚未有人尝试过的。我们愿意资助富有创意和雄心的试点项目，这些项目能为那些仅靠随机对照试验可能只能提供增量证据的问题提供指导。

这是我们一年前启动的经济未来项目的重大演变。我们将重心转向雄心勃勃的项目和大额资助，因为我们认为这是能产生最大影响力的领域。我们一直认为资助大型外部研究赌注很重要；这一转变将让我们能够做到这一点。

我们还通过经济未来项目了解到，我们很难扩大同时管理许多小额资助的能力。除了大规模随机对照试验和试点项目外，我们也有兴趣与能够扩大有效小规模试点项目的合作伙伴合作。我们资助的研究类型从根本上说，我们希望资助最雄心勃勃的提案。

我们的目标是资助大规模随机对照试验，或雄心勃勃、富有创意的试点项目或项目评估，以扩大我们对哪些内容在哪些情境下显示出前景的共同理解，填补证据薄弱的空白，并激发新的解决方案。以下可资助的方向列出了一些可能性，但我们知道我们并未穷尽该领域的所有好想法。

我们欢迎可能未在下方列出的提案。AI 可能以比传统研究资助和出版周期更快的速度改变社会。我们正在寻找愿意在关键里程碑公开分享所学知识的研究组织，因为一个足够早到来并可供采取行动的信号，可能比一个来得太晚的答案更有价值。

我们对那些显示出前景并能大幅扩展的试点项目特别感兴趣。这是一个全球性基金。我们下面概述的资助方向有些以美国为中心，部分原因是我们总部位于旧金山，且 Claude 在美国的使用率高于任何其他国家。

但全球都需要为颠覆做好准备，我们希望以反映这一点的方式资助项目。我们计划主要资助 500 万至 3000 万美元范围内的项目，但对于范围明确、潜在影响力高的项目，我们可灵活提高上限。

根据我们从经济未来项目中获得的经验，以及我们在提案中寻求的雄心和规模，我们不会直接从该基金中资助任何低于 100 万美元的项目。我们将接受来自认可大学及其他学位授予机构、独立研究机构和政策研究组织，以及有大规模实地实验经验记录的非营利组织的提案。

个人研究人员可作为其机构提案的首席研究员，但我们不会考虑以个人身份申请的提案。我们更有可能资助符合我们研究优先事项之一的项目，但也欢迎这些优先事项之外的雄心勃勃的提案，只要它们与问题和机遇的规模相匹配。

请参阅我们的提案征集并在此处申请。我们的五个研究优先事项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其构建的系统、工作场所、培训协议和制度选择。关于 AI 在工作场所整合的现有证据是观察性的和短期的。

实地实验可以帮助我们了解哪些协作模式能与 AI 共同发展人类专业知识，组织设计选择如何影响生产力和谁获得收益，以及工人的声音在这些设计选择中能产生什么差异。缺乏这一证据，企业层面的决策以及诸如工人增强激励、保留税收抵免、雇主共同投资要求或学徒计划等政策杠杆将缺乏信息。

可资助的方向包括：- 在企业或团队层面随机分配 AI 系统和 AI 集成设计的实地实验，

包括比较与工人和工人组织共同开发的设计与自上而下的方法- 估计围绕 AI 工作场所集成和使用的组织选择对 AI 生产力提升发生率的影响- 评估保留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就业安置的证据好坏参半，

且可能无法推广到 AI 引发的经济颠覆和快速结构转型。

可资助的方向包括：- 评估创新技能再培训、就业安置、许可改革和行业转型方案，包括新的 AI 驱动的匹配、认证和学习模型，以及将收入支持与密集再就业服务、再培训和搬迁援助捆绑- 关于早期职业和专业发展路径的实地实验，例如，

如果初级任务被 AI 吸收，哪些学徒制、导师制或轮岗模式可以建立专业知识- 评估 K-12 和高等教育中旨在为学生应对转型劳动力市场做准备的课程和教育交付模式，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，

例如与再培训计划挂钩的带薪休假以及跟随工人跨雇主的可携带福利关于许多此类努力已有现有证据，包括一些特别有效的行业培训项目。我们想知道有前景的项目能否在更广泛的人群中快速扩展。

例如，在某个州为求职者快速扩大选定项目规模的大规模“消防演习”，可以提供这些项目在重大颠覆面前表现如何的证据。3. 为 AI 驱动的失业提供现代化的收入支持与世界各地的类似保险计划一样，美国支持失业工人的制度几乎完全建立在失业是暂时性的假设之上。

AI 可能导致更广泛、更持久的失业。在这种情况下，我们需要校准到新均衡的工具，一个没有现代先例的均衡。