Episode Details

📝 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

03:37 本期节目正式开始

06:57 嘉宾介绍：Jack Clark 与 Peter McCrory

07:19 Jack Clark 2016 年如何预判 AI 是“这辈子最大的故事”

08:34 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

09:42 为什么 2026 年了，经济感觉还跟以前差不多正常

10:37 生产率增长可能已经开始显现

11:30 Jack Clark 休陪产假回来，发现公司内部发生了“相变”

11:51 Anthropic 工程师代码产出量是过去的八倍

12:25 什么是递归自我改进

12:50 Jack Clark 的“技术悲观主义”与“苦涩教训”

13:39 AI 下棋的历史对劳动力市场的启示

14:17 Peter McCrory 拆解一份工作的三个构成部分

14:45 Peter McCrory 用 Opus 4.5 做复杂研究的亲身经历

16:10 经济学家的直觉会不会反而帮倒忙

16:33 AI 发展中最大的变数：创造力与异端洞见

17:43 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

18:31 代码量超出人类工程师处理能力怎么办

18:58 递归自我改进的两种思考方式

19:40 代码量暴增把持续集成系统搞崩了

20:20 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

20:31 关于 Mythos 模型的安全顾虑

20:51 Anthropic 如何与政府沟通安全问题

21:41 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

22:25 Anthropic 是否因为政治立场被针对

22:37 Anthropic 的理念：讲出事情的全貌

24:09 用金融监管类比 AI 监管是否合适

25:24 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

25:50 传统经济统计数据为什么还没体现 AI 的影响

27:03 用 Claude 使用数据估算劳动生产率增长

27:38 未来十年劳动生产率增长每年提高 1.8 个百分点

29:00 Anthropic 拿这些经济数据做什么

29:54 预期未来会出现“相变”：AI 能力突然快速扩散

30:26 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

31:42 作为引导者去理解 AI 的发展方向

32:36 系统性分享数据，让世界为 AI 做好准备

33:16 最顶尖 AI 研究者的价值观是否代表公众利益

34:47 通过政策强制要求公司分享信息

36:13 Anthropic 的招聘变化：杠铃式模式

37:14 经验的价值回报极高，同时招 AI 原生代

38:34 招聘评估从“能否用 AI 完成工作”转向“能否引导模型”

39:26 经济学家最高级的 AI 使用方式是什么样的

39:52 Peter McCrory 用 Claude 跑回归时遇到的意外失败

41:14 就业上的杠铃效应：年轻劳动者就业率更弱

42:06 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

42:41 AI 会让大公司更大，还是带来拉平效应

43:11 电的发明这个类比：新工厂围绕“有电”这个前提去建造

44:03 大公司能否足够快地完成自我重构

45:09 高