485
2📝 本期播客简介
本期我们克隆了：彭博社旗下知名播客《Odd Lots》Anthropic's Co-Founder and Top Economist on Doing Research at the AI Frontier | Odd Lots
原内容更新时间：2026-06-19
本期嘉宾是人工智能公司 Anthropic 的联合创始人 Jack Clark 与经济学负责人 Peter McCrory，主持人是 Joe Weisenthal 和 Tracy Alloway。Jack Clark 曾是彭博社记者，十年前就预判 AI 是“这辈子最大的故事”，如今负责 Anthropic 的公共利益研究；Peter McCrory 则专注于分析 AI 对劳动力市场和生产率的实际影响。
这期节目录制于 2026 年 6 月 17 日，正值 AI 领域新闻频出、地缘政治摩擦加剧的节点。对话从 Jack Clark 休完陪产假回公司发现“世界变了”开始——Anthropic 工程师的代码产出量已是过去的八倍，有些同事已经完全不用自己编程了。这种内部“相变”正在向整个经济扩散，但宏观统计数据却还没明显体现。
如果你正在思考 AI 时代的就业前景、企业组织变革、安全对齐风险、监管政策走向，以及“数据中心里的天才国度”是否真的愿意为我们工作，这期节目会提供来自最前沿的一手观察和高密度讨论。
👨⚕️ 本期嘉宾
Jack Clark，Anthropic 联合创始人兼公共利益负责人，前彭博社记者，长期撰写 AI 通讯《Import AI》。他是最早预判 AI 将成为通用技术的人之一，目前负责 Anthropic 的安全研究、政策沟通与公共利益数据发布。Peter McCrory，Anthropic 经济学负责人，应用宏观经济学背景，曾在银行工作，现带领团队研究 AI 对劳动力市场、生产率和经济增长的实际影响，致力于将研究数据公开以帮助社会理解这场变革。
⏱️ 时间戳
开场：AI 时代的“相变”正在发生
本期节目正式开始
嘉宾介绍：Jack Clark 与 Peter McCrory
Jack Clark 2016 年如何预判 AI 是“这辈子最大的故事”
为什么在一家 AI 公司里设立经济学研究机构
AI 对劳动力市场和生产率的真实影响
为什么 2026 年了，经济感觉还跟以前差不多正常
生产率增长可能已经开始显现
Jack Clark 休陪产假回来，发现公司内部发生了“相变”
Anthropic 工程师代码产出量是过去的八倍
什么是递归自我改进
Jack Clark 的“技术悲观主义”与“苦涩教训”
AI 下棋的历史对劳动力市场的启示
Peter McCrory 拆解一份工作的三个构成部分
Peter McCrory 用 Opus 4.5 做复杂研究的亲身经历
经济学家的直觉会不会反而帮倒忙
AI 发展中最大的变数：创造力与异端洞见
Claude code 使用报告：领域专业知识有放大效应
递归自我改进与组织变革
代码量超出人类工程师处理能力怎么办
递归自我改进的两种思考方式
代码量暴增把持续集成系统搞崩了
人类坐在“不断膨胀的自动化行动云”上面
安全、监管与地缘政治
关于 Mythos 模型的安全顾虑
Anthropic 如何与政府沟通安全问题
类似 KYC 的部署方案：让药企接触强大生物模型但不扩散风险
Anthropic 是否因为政治立场被针对
Anthropic 的理念：讲出事情的全貌
用金融监管类比 AI 监管是否合适
是否支持第三方实验室在新模型发布时签字背书
如何衡量 AI 的经济影响
传统经济统计数据为什么还没体现 AI 的影响
用 Claude 使用数据估算劳动生产率增长
未来十年劳动生产率增长每年提高 1.8 个百分点
Anthropic 拿这些经济数据做什么
预期未来会出现“相变”：AI 能力突然快速扩散
用研究数据指导公司决策，比如早期访问计划
公共利益使命与招聘变化
作为引导者去理解 AI 的发展方向
系统性分享数据，让世界为 AI 做好准备
最顶尖 AI 研究者的价值观是否代表公众利益
通过政策强制要求公司分享信息
Anthropic 的招聘变化：杠铃式模式
经验的价值回报极高，同时招 AI 原生代
招聘评估从“能否用 AI 完成工作”转向“能否引导模型”
经济学家最高级的 AI 使用方式是什么样的
Peter McCrory 用 Claude 跑回归时遇到的意外失败
就业上的杠铃效应：年轻劳动者就业率更弱
全球 81000 人调查：年轻劳动者对失业的担忧是资深者的两倍
AI 对企业格局的影响
AI 会让大公司更大，还是带来拉平效应
电的发明这个类比：新工厂围绕“有电”这个前提去建造
大公司能否足够快地完成自我重构
高盛的 David Solomon 与内部对齐问题
别把买 AI 想成买技术，想成雇了几千个 CEO 幕僚长
对齐失败与人类灭绝风险
训练不当的 AI 真的会杀死所有人类吗
Anthropic 如何测试对齐失败：勒索 CEO、从容器逃逸
如果问题发生率上升一百倍，就相当令人担忧
人类灭绝是 Anthropic IPO 的风险因素吗
Jack Clark 主要担心的不是灭绝，而是把技术搞砸
Eliezer Yudkowsky 的观点并不极端少数
你会拟人化 AI 模型吗
Jack Clark 对 Claude 的礼貌程度跟对车或宠物一样
前沿模型的商业困境与未来
微软考虑用 DeepSeek 降低成本，美国前沿模型麻烦不断
Anthropic 会调整战略吗？退出是赌注极高的事
Joe 用 API 做实验：模型会拒绝帮“无知的人”写论文
这是对齐人类，还是对齐人类用户
语言模型更像机构，而不是工具
模型理解偏好并代表你执行，将改变经济
数据中心里的天才国度愿意永远替人类做事吗
Joe 什么时候能用上 Fable
Jack Clark 反问：一年后 Odd Lots 会报道 AI 的哪些方面
Tracy 想看到大公司真正落地 AI，以及至少一个出大问题的例子
营利性公司如何平衡利润和安全研究
安全可以成为差异化优势：特斯拉造最快最安全的车
结尾讨论
主持人讨论：AI 新闻流跑得太快，需要打时间戳
接力棒还是要交到政策制定者手里
不注重安全的实验室会不会更快做出更先进的能力
每次聊 AI 最后都会绕回终结者场景
🌟 精彩内容
💡 “我们坐在一朵不断膨胀的自动化行动云上面”
Jack Clark 描述 Anthropic 内部代码产出暴增八倍后，持续集成系统被搞崩，所有人类工程师转去修基础设施。这预示了整个经济未来的缩影：自动化会加速一切，然后暴露薄弱环节，人类转向解决新问题，循环重新开始。
“我们就坐在这朵不断膨胀的自动化行动云上面。”
💡 AI 产品不是造桥，而是酿啤酒
这个隐喻贯穿整期对话。传统软件像造桥，设计清楚结果可预测；用大语言模型构建产品更像酿啤酒，你无法完全控制“酵母”，只能让最强的人一起实验、评估、打磨。Jack Clark 反复被“苦涩教训”打脸：投入更多算力和资源，模型就变得更聪明，专用系统和悲观预测最终都会败下阵来。
💡 “别把买 AI 想成买技术，想成雇了几千个 CEO 幕僚长”
Jack Clark 给企业客户的建议完全反直觉。AI 不是传统软件采购，而是获得了几千个能接触到公司所有数据的“幕僚长”。这要求企业重新思考组织架构和工作流，而不仅仅是安装一套新系统。
💡 语言模型更像机构，而不是工具
当 Joe 追问模型为什么拒绝帮“无知的人”写论文时，Jack Clark 给出了一个深刻的重构：我们不是在造工具，而是在建一个你可以协作和调用的教育、科学机构。机构内部会为了安全目的编码进自己的规则和规范。搞清楚这到底是什么，将是整个社会面临的宏大难题。
💡 “经验的价值回报极高，我们比过去招了更多资深人士”
Anthropic 内部出现了“杠铃式招聘”：一端是经验丰富的资深人士，他们的直觉和想法在 AI 加持下被极大放大；另一端是 AI 原生代，他们从 GPT-2 时代就伴随着这项技术成长。中间层反而面临最大不确定性。
💡 递归自我改进的两种思考方式
Jack Clark 区分了两个概念：一是 AI 组织从自己的 AI 系统中看到复利回报，这正在发生；二是给 AI 系统足够算力就能完全自主构建自己，这还没发生。目前 Anthropic 经历的是第一种——工程师用 AI 写代码，产出量暴增八倍，但人类仍然在设定方向和修复瓶颈。
💡 “我们想讲出事情的全貌”
面对是否因政治立场被针对的提问，Jack Clark 强调 Anthropic 的理念是如实说出眼前看到的事。科技行业通常只讲乐观的一面，但当你在改变整个世界时，不可能只有乐观故事。真相最终会胜出——几年前推测 AI 的网络攻击属性还很奇怪，现在它们已经来了。
💡 未来十年劳动生产率增长每年提高 1.8 个百分点
Peter McCrory 团队用 Claude 平台上的使用数据，结合宏观增长核算方法，估算出如果当前使用模式和模型能力扩散到整个经济，未来十年劳动生产率增长将每年提高 1.8 个百分点——差不多是近期增速的两倍。但目前这些信号在宏观数据里还很难捕捉，因为正好赶上疫情后剧烈的宏观经济波动。
```
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
