Anthropic 研究：机器人已能完成美国 74% 体力任务

主要发现

• 我们提出了一个机器人暴露指数，基于机器人目前能多好地完成工作任务。
• 我们将机器人定义为能够感知和行动的自主物理机器，它们可以完成美国四分之三的体力任务，占工作时间的 34%，但大多是在受限环境中。暴露于机器人的工人更有可能是男性、受教育程度较低、薪酬较低。例如，驾驶和仓库工作高度暴露于当前可用的机器人；护理和一般维修工作则不然，因为当今的机器人即使在高度受控的环境中，也只能完成其工作中的很少一部分。
• 总体而言，按工作时间计算，约 80% 的工作任务暴露于机器人或 LLM。机器人做 LLM 无法完成的工作。剩余未暴露的工作高度依赖人际互动，或需要当今机器人尚不具备的体力技能。
• 虽然机器人今天可以完成大多数体力工作任务，但它们比人类劳动力昂贵得多。机器人仅在 0.3% 的工作任务上具有成本竞争力。如果机器人价格按照过去的趋势下降，这一比例需要 40 年才能达到 10%。除价格之外，能力、偏好和监管等因素也对机器人自动化构成进一步障碍。
• 在过去 50 年里，更暴露于机器人的工作，其工资和就业下降幅度大于其他工作。与此同时，工作暴露程度也在增长：每年，机器人能够完成约 2% 它们此前无法完成的体力工作。

引言

大语言模型的进步提高了大规模工作自动化的可能性。但许多工作是体力性的。AI 对经济的影响将部分取决于机器人技术。¹

预测机器人进步的速度很困难，但我们认为，列举当今的能力可以洞察未来几年。我们开发了一种衡量工作对机器人暴露程度的方法，使用 Claude 评估当今机器人能多好地完成工作任务。当机器人能在控制较少的环境中完成更多任务时，一项工作的暴露程度就更高。当机器人能以比人类工人更低的成本完成同一任务时，它就具有成本竞争力。

我们发现，机器人已经能够完成美国 74% 的体力任务，占工作时间的 34%。机器人和 LLM 加在一起，暴露了除五分之一以外的所有就业。

但我们也发现，采用存在显著障碍：大多数机器人需要高度结构化的环境，且仅在 0.3% 的工作上与人具有成本竞争力。如果机器人价格下降遵循过去的趋势，这一比例要达到仅仅 10% 就需要 40 年。除成本外，主要障碍是能力，例如解开电线所需的灵巧度。人类偏好和监管进一步限制了机器人在相当一部分任务上的采用。

我们的核心前提是，当机器人今天已经能完成某项工作时，该工作更可能受到影响。一项跨越 50 年的回测验证了这一方法：从 1977 年至今，更容易被现有机器人替代的工作在随后几十年里经历了工资和就业下降。

如果过去能提供指引，出租车司机和仓库打包工将比护士和机械师更早看到变化。我们预计，体力工作将首先在机器人今天已有立足之地的领域实现自动化。

今天和明天的机器人

今天的大多数机器人在工厂等受控环境中运行。机器人通常需要被编程才能与物理世界互动，而人类能够适应自己的工作环境。这一直是商用机器人可行性的主要障碍。² 但 AI 帮助机器人解读并回应周围环境，使仓库机器人和自动驾驶车辆能够与人类并肩工作。³

许多观察者预计 AI 将迅速提升机器人能力。⁴ 尽管机器人支出仍仅占美国设备总投资的约 1%，但商业调查表明，美国机器人采用率可能在三年内几乎翻倍。⁵ 而且企业正投入数十亿美元开发能力可与人类体力匹敌的 AI 驱动机器人。⁶

很难准确预测这些努力将如何影响就业和生产率。A排名按当前机器人任务覆盖率划分的职业，可以提示影响会最先出现在哪里。机器人应当先影响它们已经能做的岗位，然后才是只有借助新技术、在某些情况下还要配合监管才能做的岗位。当前能力也是具体且可衡量的，而对未来能力的预测则必须押注哪些技术会成功。⁷ 仍在开发中的机器人支持我们聚焦当前暴露度：企业正在汽车工厂和仓库中测试人形机器人，而这些是机器人已经常见的结构化环境。⁸

衡量暴露度

我们的分析使用 O*NET 的数据，这是一个包含约 900 种职业的数据库，并关联了约 19,000 项工作任务的描述。我们识别出一组我们认为没有机器人就无法自动化的体力型工作任务。为此，我们让 Claude 根据一套衡量体力、认知和人际工作要求的评分标准，对任务描述进行评分。⁹ “挖沟渠”这项任务是体力型的；“教舞蹈学生”也是，尽管它还需要认知和人际技能。虽然打字员用双手“使用加法机或计算器，在报告表、申请单或账单上计算并核对总数”，但这项任务不算。附录 A 给出了细节，附录 F 列出了我们的提示词。

我们在任务层面对机器人暴露度的衡量提出的是：今天机器人能否执行这项任务；如果可以，又是在什么情况下？我们把机器人理解为能够感知并行动的自主物理机器，这包括会扫描车辆以调整喷水器的洗车机，但不包括完全由外科医生控制的远程操作手术机器。¹⁰ 我们根据机器人执行任务所需的工作环境类型来衡量暴露度程度。¹¹

具体来说，我们按照机器人可以在哪里执行每项任务，将任务分为四个暴露度递增的层级：

• E0：机器人无法执行任务。
• E1：机器人可以在专门建造的机器人工作环境中执行任务，例如工厂装配线。
• E2：机器人可以在结构化的人类工作设施中执行任务，例如物流仓库。
• E3：机器人可以在非结构化环境中执行任务，例如城市道路。

图 1 也展示了这套评分标准。

我们认为环境控制是衡量近期自动化风险的一个好指标。由于机器人难以适应不可预测的环境，大多数已部署的机器人在工程化环境中工作，比如在装配线上给汽车喷漆的那种环境。虽然这些困难被认为在过去减缓了体力劳动的自动化，但 AI 驱动的机器人可能更好地适应其环境。¹²

为了确定暴露度，我们指示 Claude 搜索与每项任务相关的特定机器人，并评估其能力和运行环境，直接引用来源。我们询问机器人是否能在该任务典型工作环境中结构化程度更高或更低的版本里执行任务。让机器人完成看似简单的任务（如装洗碗机）需要许多复杂的物理技能，因此只有已展示出来的机器人能力才算数。¹³ 机器人还必须以与人类相近的水平完成任务，并考虑可靠性、错误率和速度。

例如，自动驾驶汽车在 2010 年代初无法在真实道路上“驾驶出租车或私人车辆运送乘客”。但它们确实在为测试而建造的模拟城镇中行驶，这是迈向当今自动驾驶汽车的一步。¹⁴ 我们的评分标准当时会将驾驶乘客评为暴露度等级 E1（机器人能在专门建造的机器人工作环境中执行任务），而今天是 E3（在非结构化环境中）。¹⁵

这个评分标准需要许多主观判断。O*NET 的任务陈述往往很简短，并且省略了一些对人类来说可能很容易、但对机器人来说很难的细节。¹⁶ 为了更具体地描述工作，我们让 Claude 给出详细示例，说明如今这些任务是如何执行的，以及这些情况发生的频率。Claude 随后使用网络搜索来评估机器人的能力，从而为这些示例的暴露度打分。引用的来源必须展示机器人部署、商业销售或演示，而如果我们去掉依赖演示的评分，结果也类似。任务暴露度按多数规则确定：机器人能够完成至少一半任务示例（按时间加权）的最不结构化环境。¹⁷

考虑“挖沟”这项任务。我们首先让 Claude 提供示例，描述如今工人如何执行这项任务以及频率如何。例如，Claude 估计有 25% 的时间，这项任务需要“在开阔地面上切割一条线性沟槽”。另外 20% 的时间，它需要“在现有埋地管道、流线、电缆和导管周围小心地手工挖掘”。这些活动需要不同类型的身体能力，比如导航和力量（线性沟槽），相比精细运动灵巧性和感知能力（在管道周围手工挖掘）。

Claude 将第一个示例评为暴露度 E3，并引用了一个可改装液压挖掘机以自主挖沟的控制系统。¹⁸ 如今的机器人无法在埋地管道周围小心挖掘，因此后一个示例在 E0 下属于未暴露。对于“挖沟”而言，更多示例更接近小心挖掘，而不是线性挖沟，因此总体而言，这项任务在我们的评分中属于未暴露。

图 2 给出了任务评分示例，以及来自我们暴露度提示词中每个暴露度层级的更完整描述，以及为支持每个评分而引用的一个机器人。我们还计算了每个层级中体力任务的占比：在这里以及全文中，每项任务都按执行它的工人数量，以及他们花在该任务上的工作时间比例进行加权，而这些由 Claude 估算。¹⁹

机器人无法完成的任务（E0）按估算工作时间计算约占体力任务的四分之一。这些任务需要机器人难以具备的身体技能，例如“使用涂抹器或刷子为头发漂白、染色或上色”所需的精细手部灵活性，以及“为在地面以上组装结构而搭建脚手架或梯子”所需的力量、平衡能力和移动能力。

机器人可以在专门建造的环境中完成一半的体力任务，但在更广泛的环境中无法完成（E1）。食品准备机器人在传送带上打包即食餐食，而具备 AI 的新型号可以适应不同的食材、份量和托盘，因此任务“按照患者饮食将食物装入餐盘”被评为 E1。

另有 22% 的体力任务可由机器人在结构化的人类工作场所中完成（E2）。例如，医院配送机器人“向患者、护士站或手术室配送药物或药品物资”。如今，机器人在非结构化环境中仅能完成 2% 的体力任务（E3）。这些任务通常涉及驾驶，由自动驾驶汽车、拖拉机和其他车辆完成。²⁰

我们随附发布的数据包含 Claude 对所有已评定任务的推理和引用来源。例如，Claude 将任务“在平焊、立焊或仰焊位置焊接部件”评为 E1，并引用了一篇关于 AI 驱动机器人焊工的文章：“Path Robotics 表示，其两个焊接单元都能自主焊接钢制部件，并已部署在美国和加拿大的制造车间中。”²¹

我们为工作定义了一个机器人暴露指数，该指数对工作的任务暴露评分在 0–3 分范围内取平均值。该指数随着暴露任务的比例以及机器人在这些任务上的能力而上升，并按估计的工作时间对任务进行加权。

理想的暴露指数能够完美预测未来几年的机器人自动化。由于我们无法前瞻未来，我们转而尝试利用关于工作和任务描述的历史数据来验证我们的度量。我们对 1977 年以来若干年份的机器人暴露进行评分，并将暴露与工资和就业的变化联系起来。当一项工作对机器人的暴露程度更高时，其工资和就业在随后的几十年中下降，即使在考虑了行业趋势和其他潜在混杂因素之后也是如此。这些结果详见附录 B，让我们对度量能够预测未来工作颠覆有了一些信心。

图 3 总结了美国经济中所有工作任务的机器人暴露情况，按某一职业每项任务的估计时间占比以及该职业的就业人数对任务进行加权。认知和人际工作按工作时间计占任务的 54%。其余 46% 的任务是体力工作。在所有任务中，约 12% 今天无法由任何机器人完成（E0），23% 可由在专门建造环境中工作的机器人完成（E1），10% 可在结构化的人类工作场所中完成（E2），1% 可在非结构化环境中完成（E3）。计入任何暴露水平，74% 的体力工作，即所有工作的 34%，在某些情况下可由机器人完成。

机器人可以在经济中的许多领域完成体力任务。自主移动仓库机器人会驶向装卸码头以及拖车内部。它们使用吸盘抓取包裹并将其装载到移动传送带上。²² 由于这些机器人在结构化的人类工作场所中导航，许多仓储任务被评级为 E2，例如“用手或使用卡车、拖拉机或其他设备，将货物、库存或其他材料移入或移出存储区或生产区、装卸码头、送货车辆、船舶或集装箱。”导航与搬运方面的进步已使这类机器人在物流和运输领域变得常见。²³

图 4 显示了按我们的机器人暴露指数排名最暴露的 10 个职业。在这 10 个职业中，有 9 个是车辆操作员。与驾驶工作相关的机器人包括自动驾驶汽车、拖拉机、卡车和铺路机。出租车司机以 2.2 的指数位居暴露度首位。²⁴ 由于驾驶是该工作的主要部分，其按工作时间计算的中位任务暴露度为 E3，而诸如“吸尘和清洁汽车内饰，以及清洗和抛光汽车外部”之类的辅助任务虽然可由机器人完成，但所处环境比开放道路更加结构化。自动驾驶汽车尚未大规模颠覆驾驶工作，但其能力表明，这些工作比其他工作面临更高的自动化风险。²⁵

一个职业可以涵盖许多工作场景。在美国，机器人可能只在这些场景中的一部分中运行，而在国外，机器人有时能覆盖全部场景。例如，理货员和订单拣货员在零售商店和仓库中执行“用新的或调拨的商品摆放货架、货柜、箱子和桌子”这一任务。在美国的仓库中，配备触觉传感器的 AI 驱动机器人负责拣选和存放商品。²⁶ 在美国零售业，移动机器人会扫描空货架，但必须提醒人类来补货。²⁷ 日本便利店中的机器人则自己补货冰箱。²⁸ 由于理货机器人需要物品被送到它们附近，因此这项任务被评为 E1。我们估计理货员将 70% 的时间花在像这样被评为 E1 的任务上，另有 16% 的时间花在被评为 E2 的任务上。总体而言，他们在机器人暴露指数上得分为 1.0。

如果一份工作有许多任务属于中等暴露，或者其一些最耗时的任务属于高度暴露，那么这份工作就可能暴露于机器人。比较一下负责完成干墙的抹灰工，其暴露指数为 1.6，以及负责分拣回收物的回收与再生工人，其暴露指数为 1.7。

对于抹灰工来说，任务分为未暴露和高度暴露两类。建造内墙的工人使用纸带和一种叫做泥浆的糊状物来抹平石膏板上的接缝、接头和螺丝。泥浆和纸带是脏乱的材料，因此机器人无法执行“将纸带压在接缝上，使纸带嵌入密封胶并密封接缝”这一任务。在第一层纸带涂层干燥后，工人会“再涂几层以填补孔洞并使表面光滑”。这项任务被评为 E3：一台自主石膏板机器人利用 AI 扫描墙壁、喷涂额外的密封剂涂层，并在干燥后打磨墙面。²⁹ 总体而言，按工作时间计算，抹灰工有 41% 的任务在 E3 级别暴露，而机器人无法完成另外 26% 的任务。

相比之下，对于回收和再生工人，按工作时间计算，机器人可以在 E2 级别完成超过四分之三的任务。他们只有 8% 的工作时间属于未暴露。例如，配备计算机视觉和吸盘夹爪的机器人可以完成“将金属、玻璃、木材、纸张或塑料等材料分拣到相应的回收容器中”这一任务。³⁰ 这些机器人替代了从传送带上分拣回收物的工人，因此这项及其他任务被评为 E2。

机器人在抹灰工的特定任务上能力很强，而对于回收工人，暴露范围更广，但机器人的适应性较差。抹灰工那些脏乱的任务可能会成为自动化的瓶颈。也有可能最大的回收设施会率先使用机器人，而较小的设施则较晚采用。无论哪种情况，如果广泛部署，机器人似乎都可能改变这两类工作。

暴露岗位的特征

在建立了我们的暴露度量之后，我们现在考虑暴露对劳动力市场可能意味着什么。

图 5 将机器人暴露指数最高五分位的工作者与未暴露的工作者进行了比较，后者约占另外 20% 的岗位。来自 2020–2024 年美国社区调查的数据显示，高度暴露的工作者为女性的可能性低 20 个百分点，为西班牙裔的可能性高 16 个百分点。这些工作者拥有学士或更高学位的可能性也低 55 个百分点，每小时收入约少 30 美元，并且面临的失业率高出两倍以上。³¹

美国劳工统计局编制的职业要求统计数据也显示，受机器人影响的岗位更有可能要求搬运重物，以及在极端高温或危险污染物附近工作。这种暴露模式在许多方面与 LLM 的典型情况恰恰相反。³²

机器人与 LLM 暴露

我们接下来分析机器人是否会在 LLM 之外进一步扩大岗位受冲击的风险。借鉴 Eloundou 等人（2024）以及 Massenkoff 和 McCrory（2026）的研究，我们比较两种职业暴露度量：

• LLM 暴露：LLM 能够将所需时间减半的工作任务占比（在我们此前的工作中称为理论能力）。).
• LLM 与机器人暴露：暴露于 LLM 或机器人的工作任务占比，对每项任务取 LLM 暴露与 E1+ 机器人暴露中的较高者。

机器人与 LLM 暴露评级衡量的是略有不同的概念，但两者都表明技术可以完成某项任务的很大一部分。尽管在实际工作中整合 LLM 和机器人可能带来新挑战或催生新能力，但这两项度量基于当今的能力，为岗位暴露提供了初步洞见。

图 6 绘制了仅对 LLM 的岗位暴露度（蓝色）以及对 LLM 和机器人的暴露度（橙色），按广义职业类别分组。机器人所暴露的岗位比仅 LLM 更多，且类型不同。虽然运输与搬运类任务中只有不到 15% 仅暴露于 LLM，但约 90% 的此类任务暴露于机器人。同样，机器人在办公室与行政支持岗位中也将暴露度提升至接近 100%，这些岗位主要涉及计算机工作和轻度体力任务。总体而言，约一半的工作仅暴露于 LLM，但考虑机器人后这一比例上升至 81%。

如今 LLM 和机器人无法完成哪些工作？以个人护理与服务岗位为例，其中约 40% 的任务被暴露。面对面的社交互动以及与人类的身体接触——这两者都是 LLM 和机器人难以应对的——对这些工作至关重要。这一例子表明，高度依赖人际互动的工作，或需要精细操作的工作，可能不太容易在近期被自动化。³³ 安装与维修、医疗支持以及社区与社会服务等职业组也符合这一模式，其暴露度相对较低。虽然 LLM 和机器人今天无法执行这些任务，但没有任何职业组整体暴露度低于 40%。而且随着技术进步，未来可能出现新型自动化。

未暴露的任务也有助于描述哪些因素会让工作难以自动化。我们将文本相似的未暴露任务陈述分组，并让 Claude 描述这些任务（附录 C.1）。如今未暴露给 LLM 或机器人的任务往往是动手操作和面对面进行的，有时还受到监管。医疗保健任务常常结合了这些特征，例如“为患者给药并监测患者是否出现反应或副作用”。

在附录 C.2 中，我们研究了哪些障碍最可能阻碍体力任务的自动化。我们让 Claude 判断，如果这些障碍得不到解决，如今哪些障碍会阻止机器人完成每项体力任务中的很大一部分（无论该任务是否已暴露）。我们将这些障碍归为四类：能力、人类偏好、监管和成本。对于受能力限制的任务，我们让 Claude 从操作、规划与推理、移动与力量、感知中选出最重要的缺失技能。

我们发现，能力和成本是机器人应用的最大障碍。能力因素阻碍了约 70% 的体力任务被采用。操作能力尤为突出：除非机器人变得更擅长触摸和处理物体，否则一半的体力任务无法大规模自动化。规划与推理技能方面的不足——这似乎是 AI 最有可能改进的方面——限制了 8% 的体力任务的机器人自动化。对于几乎所有任务，成本也都需要下降。

我们的估计表明，如今的监管规定不会允许机器人执行 14% 的体力任务。监管对医疗保健、保护性服务和教育领域的任务很重要，但对食品准备、清洁、生产、建筑、维修和物料搬运领域的任务则不那么重要，而这些领域约占体力工作的一半。人类偏好阻碍了机器人完成四分之一的任务。这可能是因为人们不信任机器人（去“给孩子穿衣和换尿布”），或者是因为他们看重社交互动（去“迎接客人，护送他们入座，并向他们递上菜单和酒单”）。

如果机器人能力迅速发展，这些结果意味着什么？大约 30% 的体力任务受到偏好或监管的限制。如果机器人变得有能力且具有成本效益，那么大多数体力工作都将暴露在风险之下，尽管其余部分可能成为拖累总体生产力提速的薄弱环节。能力进展的不均衡也可能减缓采用速度，如果机器人变得更聪明但仍无法像人类一样处理物体的话。话虽如此，更好的机器人也可能减少对自动化的抵触，例如通过缓解安全方面的担忧。我们接下来转向机器人成本，这是这些估算中最常见的障碍。

机器人成本与采用

尽管机器人今天可以完成大多数体力工作，但让它们这样做可能并不经济。用昂贵硬件制造的机器人不像软件或 LLM 那样容易被复制和分发。与评估能力但不评估成本的 LLM 暴露度指标相比，区分暴露于具有成本竞争力的机器人的工作尤为重要。³⁴

对于每一项暴露的任务，我们根据任务暴露度指标中引用的具体机器人，估算机器人执行该任务的年度成本。我们提示 Claude 使用网络搜索以及每项任务所引用的机器人列表来估算成本。自动化一项 E1 暴露的任务可能需要重新设计工作场所以适应机器人，而执行 E3 任务的机器人可能使用昂贵的传感器来在非结构化环境中导航。

估算涵盖了部署机器人执行每项任务的全部成本。³⁵ 为使机器人与人力成本可比，我们首先让 Claude 估算一名人类工人在某项任务上一年通常能产出多少。例如，负责“揉、捏、切或塑形面团”的面包师，估计每年能产出 180,000 个塑形好的面团。然后 Claude 估算机器人产出相同产量需要多少成本。由于面包师在不同环境中执行这项任务，Claude 对零售、中型和工业面包房的机器人部署成本取平均值。固定成本按年折算，以反映硬件寿命和资金的时间价值。

按此方式计算，机器人完成一项任务的成本可以与工人薪酬进行比较。如果一项任务的机器人成本低于其劳动力成本，我们就说该任务面临具有成本竞争力的机器人，劳动力成本按 BLS 中该职业的总薪酬乘以花在该任务上的时间比例计算。³⁶ 标准经济模型预测这些任务会被自动化，但考虑到采用摩擦和成本不确定性，这一衡量更具提示性。³⁷ 详见附录 D.1，其中有机器人任务成本的详细说明和一个计算示例。

机器人通常执行多项工作任务，但我们估算的是一个职业中各项单独任务的成本。简单地把任务成本相加，可能会重复计算机器人，或在真实部署中低估协调成本。我们按职业进行汇总，向 Claude 提供任务成本估算，并要求给出扣除冗余和新增项后的总成本。如果这一机器人总成本低于该职业总薪酬乘以机器人可完成任务所占时间比例，我们就说该职业面临具有成本竞争力的机器人。³⁸

图 7 展示了五个高度体力化的职业，以及机器人执行其面临暴露的任务的成本估算。包装工和打包工是面临具有成本竞争力机器人的最大职业。完成包装工和打包工的任务需要多台机器人，包括装填容器、在仓库中搬运物料、目视检查货物、竖立纸板箱、打印并粘贴标签以及封缄包裹的机器人。³⁹ 这些机器人购买和安装的估算成本超过 200 万美元，但可替代约 14 名工人的全年工作。固定成本按约 10 年使用寿命、8% 资本成本分摊。维护、兼职人工监督和能源等运营费用，使每年替代一名人类工人的成本约为 45,000 美元。由于包装工和打包工 97% 的时间花在机器人能做的任务上，且成本约为 49,000 美元，机器人做这项工作每年约便宜 2,500 美元。

美国目前雇用了约 560,000 名包装工和打包工。企业面临采用摩擦，如监管或借贷限制，而这些成本估算只是近似值。例如，Robotaxi 的估算成本仅比出租车司机高约 7,000 美元，但面临监管障碍。⁴⁰ 尽管如此，对于成本有竞争力的机器人能胜任的体力工作，自动化风险可能更高。自 2015 年以来，包装工和打包工的就业人数下降了 22%。BLS 预计到 2035 年，该职业将减少的岗位数量在所有职业中排第 11 位，仅次于惩教人员和 9 个销售与办公室职业。⁴¹

对于图 7 中显示的其他工作，尽管机器人能完成大部分工作，但其成本远高于人类。在金属加工中，配备摄像头和 AI 的机器人可以自主焊接。⁴² 但人类焊工要执行许多使焊接得以进行的任务，例如定位大型金属部件、爬梯子焊接难以触及的接头、检查质量，以及打磨和精加工材料。要实现这项工作自动化，所需的机器人总成本约为人类焊工的五倍。

洗碗工以及清洁工和保洁员的薪酬比焊工低 25,000 至 30,000 美元。但他们的机器人替代品仍然要贵好几倍。清洁工作难以标准化和流程化，而且机器人清洁工往往比人类慢，并且只能完成特定任务。⁴³

图 8 通过绘制在假设的、统一的机器人成本下降情况下对具有成本竞争力的机器人的暴露程度，总结了机器人成本。例如，如果今天机器人成本降低 20%，它们就能对 280 万工人所做的体力工作具有成本竞争力。这些工人平均将 42% 的时间花在可被机器人替代的工作上，占经济中全部工作时间的 0.8%。作为参考，行业和政府数据表明，自 1990 年代以来，机器人价格大约每年下降 3%。按此速度，大约需要七年才能达到 20% 的成本下降。附录 E 更详细地讨论了历史机器人价格数据。

尽管理论上机器人可以完成总计占全部工作时间 34% 的任务，但如今它们仅对 0.3% 的工作具有成本竞争力。不过，这仍包括大约 30 万名工人，机器人可以完成其 95% 的任务。⁴⁴ 如图 7 所示，如今机器人对包装工和打包工以及出租车司机具有成本竞争力或接近具有成本竞争力，但对大多数其他工作则远非如此。

要让机器人对今天 10% 的人类工作具有成本竞争力，成本需要下降约 70%。按每年下降 3% 计算，这大约需要 40 年。话虽如此，像人形机器人这样的新型、更强大的机器人，或新的制造工艺，可能会降低自动化人类工作的成本。有报告表明，如果对人形机器人和其他机器人有强烈需求，全球生产可能会迅速扩大。⁴⁵

人类与机器人之间的成本平价也不一定意味着高失业率或快速经济增长。工人仍然执行的任务可能成为瓶颈，而这些机器人成本估算通常包括人工监督、异常处理或维修工作。正如 Acemoglu 和 Restrepo（2019）以及 Jones 和 Tonetti（2026）所强调的，自动化只有在机器比人类便宜得多之后才会提升生产率，而不是在成本平价时。

我们在两个扩展中应用这些成本估算。附录 D.2 计算了一种替代的职业暴露度量，它同时考虑了机器人能做什么以及它们能以多低的成本完成。与我们的主要、以能力为中心的度量相比，考虑成本后得出的工作排名非常相似（排名相关性为 0.95）。

附录 E 还展示了如果机器人变得更便宜、更高效，机器人采用的风格化情景。这些情景借鉴了自 1990 年代以来工业机器人的创新和采用历程，以及对类人机器人的分析师预测。我们固定任务和工资，并探讨历史成本下降和能力提升的速度需要多久才能使机器人具有成本竞争力。

为了模拟机器人随时间如何承担新工作，我们用当今的机器人对 1977 年的 1977 项工作任务进行暴露度评级，并与 1977 年时的机器人暴露度进行比较。1977 年，机器人无法完成 62% 的体力任务。如今，机器人可以完成这些相同任务中除 24% 以外的全部任务。随着时间推移，这意味着机器人每年能够完成此前无法完成的 2% 的任务（见附录 B.4）。

再加上每年 3% 的成本下降，直到 2085 年，机器人在一半的体力工作上才具备成本竞争力。但机器人技术的快速进步可能会加快这些时间线。在快速采用情景中，质量调整后的成本下降速度最高可达四倍，机器人完成新任务的能力提升速度也翻倍，到 2050 年机器人将在一半的体力工作上具备成本竞争力。要自动化当今 90% 的体力工作仍需 53 年。

一个需要注意的问题是，我们的情景对每项任务都应用相同的成本下降或能力提升，因此任务会按照当今相对于工人工资的成本排名变得具有成本竞争力。这一排名捕捉了广泛的经济激励，但机器人公司也可能出于其他原因优先瞄准某些能力。例如，人形机器人演示有时会展示家务劳动，而机器人制造商可能会优先考虑对自身运营有用的工厂工作，就像 AI 公司优先考虑编程智能体一样。⁴⁶

总体而言，机器人需要在未来几十年保持创纪录的价格下降和质量提升速度，才能实现快速的物理自动化。即便如此，在这些成本预测下，对就业的影响仍不那么确定，因为这些预测排除了偏好和监管等力量，以及工资下降等反馈效应。

讨论

我们引入了一种新的机器人对就业暴露度的衡量方法。当机器人能够执行某项工作的任务时，该工作就被视为暴露。像人类一样工作的机器人对暴露度的贡献大于那些需要重建工作场所的机器人，例如工厂机器人。

我们发现，由于自动驾驶汽车，驾驶类工作受影响最大。如今的大多数机器人并不像无人驾驶汽车，它们只在受控环境中运行。但机器人可以在某种程度上完成大多数体力工作，尽管在同样的工作上，它们的成本是人类的数倍。受机器人影响的工作与受 LLM 影响的工作截然不同。它们薪酬更低，对体力的要求更高。

我们希望这些衡量指标有助于在 AI 拓展机器人能力的过程中分析物理自动化。如今的受影响模式或许能预示，能力更强的机器人未来会颠覆哪些工作。而对这项研究进行定期更新，可以追踪机器人的能力。

我们的受影响程度量表基于这样一个理念：当如今的机器人已经在某些场景中从事某项工作时，该工作面临的风险更大。我们发现，这种评估机器人的方式能够预测历史上的劳动力市场影响。但由 AI 驱动的机器人可能会跨越我们的量表，完成它们今天无法完成的工作，例如学会爬梯子，或更灵巧地使用手臂和夹爪。

关于机器人和 AI 将如何重塑经济，仍有很多不确定之处。对 AI 的增长预测往往假设，机器人可以缓解的物理瓶颈会拖累认知工作自动化带来的收益。我们也没有考虑 AI 在不借助机器人的情况下如何影响体力工作，例如通过更好地预测工厂机器何时需要维护。在更近的时间范围内，追踪 AI 影响的努力可以关注受影响的职业，如司机和仓库打包工，以寻找早期受冲击的迹象。更长远来看，一个关键问题是工作本身将如何变化——随着机器人和 AI 的进步，工作或许会变得更具社交性和人际互动性。

附录

可在此处获取。

作者

Russell Legate-Yang 和 Maxim Massenkoff。

致谢

James Akl、Tess Cotter、Sholto Douglas、Adam Farina、Megan Giacobetti、Ryan Heller、Johannes Hermle、Zoë Hitzig、Ben Jones、Chad Jones、Anton Korinek、Jan Leike、Eva Lyubich、Peter McCrory、Kerry Persen、Sarah Pollack、Santi Ruiz、Szymon Sacher、Monika Tuchowska、Zhengdong Wang、Heather Whitney、Nathan Wilmers、Kim Withee。

引用

请按以下方式引用：

@online{legateyang2026robots,
 author = {Legate-Yang, Russell and Massenkoff, Maxim},
 title = {What work can robots do?},
 date = {2026-09-30},
 year = {2026},
 url = {https://www.anthropic.com/research/what-work-can-robots-do}
}

参考文献

Abraham, Katharine G. 和 James R. Spletzer，“Are the New Jobs Good Jobs?”，载于 Katharine G. Abraham、James R. Spletzer 和 Michael J. Harper 编，Labor in the New Economy，University of Chicago Press，2010，101-143。

Acemoglu, Daron 和 David Autor，“Skills, Tasks and Technologies: Implications for Employment and Earnings”，载于Handbook of Labor Economics，第 4B 卷，Elsevier，2011，1043-1171。

Acemoglu, Daron、David Autor、David Dorn、Gordon H. Hanson 和 Brendan Price，“Import Competition and the Great US Employment Sag of the 2000s，”Journal of Labor Economics，2016，34 (S1)，S141-S198。

Acemoglu, Daron、Andrea Manera 和 Pascual Restrepo，“Does the US Tax Code Favor Automation?，”Brookings Papers on Economic Activity，2020 年春季，231-300。

Acemoglu, Daron 和 Pascual Restrepo，“The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment，”American Economic Review，2018，108 (6)，1488-1542。

Acemoglu, Daron 和 Pascual Restrepo，“Automation and New Tasks: How Technology Displaces and Reinstates Labor，”Journal of Economic Perspectives，2019，33 (2)，3-30。

Acemoglu, Daron 和 Pascual Restrepo，“Robots and Jobs: Evidence from US Labor Markets，”Journal of Political Economy，2020，128 (6)，2188-2244。

Acemoglu, Daron 和 Pascual Restrepo，“Tasks, Automation, and the Rise in U.S. Wage Inequality，”Econometrica，2022，90 (5)，1973-2016。

Agaskar, Ameya、Sriram Siva、William Pickering、Kyle O'Brien、Charles Kekeh、Alexandre Ormiga Galvao Barbosa、Ang Li、Brianna Gallo Sarker、Alicia Chua、Mayur Nemade、Charun Thattai、Jiaming Di、Isaac Iyengar、Ramya Dharoor、Dino Kirouani、Jimmy Erskine、Tamir Hegazy、Scott Niekum、Usman A. Khan、Federico Pecora 和 Joseph W. Durham，“DeepFleet: Multi-Agent Foundation Models for Mobile Robots，”arXiv:2508.08574，2025。

Aghion, Philippe、Benjamin F. Jones 和 Charles I. Jones，“Artificial Intelligence and Economic Growth”，载于 Ajay Agrawal、Joshua Gans 和 Avi Goldfarb 编，The Economics of Artificial Intelligence: An Agenda，University of Chicago Press，2019，237-282。

Airbus，“Airbus Concludes ATTOL with Fully Autonomous Flight Tests”，新闻稿，2020 年 6 月 29 日。https://www.airbus.com/en/newsroom/press-releases/2020-06-airbus-concludes-attol-with-fully-autonomous-flight-tests

Airbus，“Airbus 测试增强飞行员辅助的新技术”，新闻稿，2023 年 1 月 12 日。https://www.airbus.com/en/newsroom/press-releases/2023-01-airbus-tests-new-technologies-to-enhance-pilot-assistance

Amazon，“推出 Vulcan：Amazon 首款具有触觉的机器人”，About Amazon，2025 年 5 月 7 日。https://www.aboutamazon.com/news/operations/amazon-vulcan-robot-pick-stow-touch

Andreassen, Dag，“来自 Jæren 的机器人成功故事”，挪威科学技术博物馆，2024 年 9 月 3 日。https://www.tekniskmuseum.no/en/stories/a-robotic-success-from-the-fighter

Andrychowicz, Marcin, Bowen Baker, Maciek Chociej, Rafal Józefowicz, Bob McGrew, Jakub Pachocki, Arthur Petron, Matthias Plappert, Glenn Powell, Alex Ray, Jonas Schneider, Szymon Sidor, Josh Tobin, Peter Welinder, Lilian Weng, and Wojciech Zaremba，“学习灵巧的手内操作，”International Journal of Robotics Research，2020，39 (1)，3-20。

Arantes, Ana P., Nadja Bressan, Ludymila R. Borges, and Chris A. McGibbon，“评估一种用于卒中后机器人辅助上肢康复的新型实时自适应按需辅助控制器，”PLOS ONE，2023，18 (10)，e0292627。

Atalay, Enghin, Phai Phongthiengtham, Sebastian Sotelo, and Daniel Tannenbaum，“美国工作的演变，”American Economic Journal: Applied Economics，2020，12 (2)，1-34。

Autor, David H.，“为什么仍然有这么多工作？工作场所自动化的历史与未来，”Journal of Economic Perspectives，2015，29 (3)，3-30。

Autor, David, Caroline Chin, Anna Salomons, and Bryan Seegmiller，“新前沿：新工作的起源与内容，1940-2018，”Quarterly Journal of Economics，2024，139 (3)，1399-1465。

Autor, David H. and David Dorn，“低技能服务工作的增长与美国劳动力市场的极化，”American Economic Review，2013，103 (5)，1553-1597。

Autor, David H., David Dorn, and Gordon H. Hanson，“中国综合征：进口竞争对美国当地劳动力市场的影响，”American Economic Review，2013，103 (6)，2121-2168。

Autor, David H.、Lawrence F. Katz 和 Alan B. Krueger，“Computing Inequality: Have Computers Changed the Labor Market?，”Quarterly Journal of Economics，1998，113 (4)，1169-1213。

Autor, David H.、Frank Levy 和 Richard J. Murnane，“The Skill Content of Recent Technological Change: An Empirical Exploration，”，Quarterly Journal of Economics，2003，118 (4)，1279-1333。

Autor, David、David Mindell 和 Elisabeth Reynolds，“The Work of the Future: Building Better Jobs in an Age of Intelligent Machines，”MIT Task Force on the Work of the Future，2020。

Autor, David H. 和 Neil Thompson，“Expertise，”，Journal of the European Economic Association，2025，23 (4)，1203-1271。

Badger Technologies，“Badger Technologies and Stop & Shop Stores Upgrade Marty the Robot at 300+ Locations to Improve Customer Shopping Experiences，”新闻稿，2023 年 9 月 18 日。https://www.badger-technologies.com/news/press-releases/stop-and-shop-upgrade-marty-the-robot.html

Bank of America，“Humanoid Robots 101，”BofA Global Research，2025 年 4 月 29 日。

Bank of Japan，“Producer Price Index, 2020 Base: Robots [PRCG20_2201350029]，”Time-Series Data Search，2026。https://www.stat-search.boj.or.jp/

Baptista, Eduardo、Ju-min Park 和 Laurie Chen，“Robots Poised for 'ChatGPT Moment,' Unitree CEO Says，”Reuters，2026 年 8 月 20 日。https://www.reuters.com/world/asia-pacific/robots-poised-chatgpt-moment-unitree-ceo-says-2026-08-20/

Billard, Aude 和 Danica Kragic，“Trends and Challenges in Robot Manipulation，”，Science，2019，364 (6446)，eaat8414。

Binder, Damon，“AGI Will Set Off an Industrial Explosion，”，AI Frontiers，2026 年 8 月 11 日。https://ai-frontiers.org/articles/agi-will-set-off-an-industrial-explosion

Bishop, Todd，“Amazon Tops 1 Million Robots: Here's What They Do，”，GeekWire，2025 年 7 月 1 日。https://www.geekwire.com/2025/amazons-robot-workforce-hits-1-million-heres-what-they-all-do/

BMW Group，“BMW Group Advances the Use of Physical AI in Production with Figure 03 Project in Spartanburg，”新闻稿，2026 年 6 月 25 日。https://www.press.bmwgroup.com/global/article/detail/T0458778EN/bmw-group-advances-the-use-of-physical-ai-in-production-with-figure-03-project-in-spartanburg?language=en

Boston Consulting Group，《机器人革命：制造业的下一次大飞跃》，报告，2015 年 9 月。https://www.bcg.com/publications/2015/lean-manufacturing-innovation-robotics-revolution-next-great-leap-manufacturing

Boston Dynamics，“Stretch”，产品页面，2026 年。https://bostondynamics.com/products/stretch/

Brooks, Rodney，“Why Today's Humanoids Won't Learn Dexterity”，rodneybrooks.com，2025 年 9 月 26 日。https://rodneybrooks.com/why-todays-humanoids-wont-learn-dexterity/

Built Robotics，“The World's First Fully Autonomous Trenching Solution”，Exosystem 产品页面，2026 年。https://www.builtrobotics.com/solutions/trenching

Canvas，“Drywall Finishing Robot”，产品页面，JLG Industries，2026 年。https://www.jlg.com/en/canvas

Cazzaniga, Mauro, Florence Jaumotte, Longji Li, Giovanni Melina, Augustus J. Panton, Carlo Pizzinelli, Emma J. Rockall, and Marina Mendes Tavares，“Gen-AI: Artificial Intelligence and the Future of Work”，IMF Staff Discussion Note SDN/2024/001，2024 年。

Chaparro-Rico, Betsy D. M., Daniele Cafolla, Paolo Tortola, and Giuseppe Galardi，“Assessing Stiffness, Joint Torque and ROM for Paretic and Non-Paretic Lower Limbs during the Subacute Phase of Stroke Using Lokomat Tools,”Applied Sciences，2020，10 (18)，6168。

Chen, Jiafeng and Jonathan Roth，“Logs with Zeros? Some Problems and Solutions,”Quarterly Journal of Economics，2024，139 (2)，891-936。

Cleveland Clinic，“da Vinci Robotic Surgery”，Health Library，最后更新于 2025 年 4 月 29 日。https://my.clevelandclinic.org/health/treatments/16908-da-vinci-surgery

Cockburn, Iain M., Rebecca Henderson, and Scott Stern，“The Impact of Artificial Intelligence on Innovation: An Exploratory Analysis”，收录于 Ajay Agrawal, Joshua Gans, and Avi Goldfarb 编，The Economics of Artificial Intelligence: An Agenda，University of Chicago Press，2019，115-146。

Code of Federal Regulations，“Composition of Flight Crew”，14 CFR 121.385，检索于 2026 年 9 月 21 日。https://www.ecfr.gov/current/title-14/section-121.385

CORDIS，“用于减少浪费/赠品、处理时间、人工参与和污染的鲜肉自动化包装系统（AUTOMEATIC）”，欧盟委员会，资助协议 775913，定期报告摘要，2018 年。https://cordis.europa.eu/project/id/775913

Counterpoint Research，“2026 年上半年全球人形机器人出货量同比激增近 300%，受商业部署驱动”，2026 年 8 月 20 日。https://counterpointresearch.com/en/insights/global-humanoid-robot-shipments-soar-nearly-300-percent-yoy-in-h1-2026

Davidson, Tom 和 Rose Hadshar，“工业爆炸”，Forethought Research，2025 年 5 月。https://www.forethought.org/research/the-industrial-explosion

Davidson, Tom、Basil Halperin、Thomas Houlden 和 Anton Korinek，“自动化研究何时会产生爆炸性增长？”，EconTAI 工作论文，2026 年 1 月。https://www.econtai.org/research/AutomatingAIResearch.pdf

Deming, David J.，“社交技能在劳动力市场中日益增长的重要性，”Quarterly Journal of Economics，2017，132 (4)，1593-1640。

Denain, Jean-Stanislas 和 Yann Rivière，“机器人生产能以多快的速度扩大规模？”，Epoch AI，2026 年 4 月。https://epoch.ai/publications/how-fast-could-robot-production-scale-up

Drankhan, Holly，“机器人乳头喷雾器的发展降低了成本和劳动力，”Progressive Dairy，2016 年 9 月 30 日。https://www.agproud.com/articles/28362-developments-in-robotic-teat-sprayers-cut-costs-and-labor

Dürr Group，“用 x-light 和 x-wheel 实现完美观察与驾驶”，duerrmore 杂志，2018 年 11 月 13 日。https://www.durr-group.com/en/duerrmore/2019/autonomous-driving/x-light-and-x-wheel

Eloundou, Tyna、Sam Manning、Pamela Mishkin 和 Daniel Rock，“GPTs are GPTs：LLM 的劳动力市场影响潜力，”Science，2024，384 (6702)，1306-1308。

Epiroc，“自主物料搬运：迈向未来矿山的关键一步”，客户案例，2024 年 4 月 17 日。https://www.epiroc.com/en-me/customer-stories/2024/autonomous-material-handling-a-crucial-step-toward-the-mine-of-the-future

Ewing, Jack，“会走路、会说话的机器人即将进入汽车工厂，”The New York Times，2026 年 8 月 11 日。https://www.nytimes.com/2026/08/11/business/humanoid-robots-car-factories.html

Fabrico，“维护成本占 RAV 的百分比：穿透借口的基准”，博客，2026 年 6 月 26 日。https://www.fabrico.io/blog/maintenance-cost-as-percent-of-rav/

美国联邦航空管理局（FAA），“飞机自动化的安全框架”，2025 年 9 月。https://www.faa.gov/aircraft/air_cert/step/safety_framework_aircraft_automation

Fine, Sidney A.，“工人职能的结构，”Personnel and Guidance Journal，1955 年，34 (2)，66-73。

Fine, Sidney A. 和 Wretha W. Wiley，职能工作分析导论，Kalamazoo, MI: W.E. Upjohn Institute for Employment Research，1971 年。

Firoozi, Roya, Johnathan Tucker, Stephen Tian, Anirudha Majumdar, Jiankai Sun, Weiyu Liu, Yuke Zhu, Shuran Song, Ashish Kapoor, Karol Hausman, Brian Ichter, Danny Driess, Jiajun Wu, Cewu Lu, 和 Mac Schwager，“机器人学中的基础模型：应用、挑战与未来，”International Journal of Robotics Research，2025 年，44 (5)，701-739。

Fori Automation，“前束工具系统”，产品页面，2025 年。https://foriauto.com/our-products/end-of-line/alignment-systems/wheel-alignment-systems/toe-tool-systems

Frey, Carl Benedikt 和 Michael A. Osborne，“就业的未来：工作对计算机化的易感性如何？，”Technological Forecasting and Social Change，2017 年，114，254-280。

Friedel, William C., Jr., Thomas S. Bettencourt, 和 Daniel L. Freeman，“采用电子分选的番茄收获”，美国专利 4,033,099，1977 年 7 月 5 日颁发。https://patents.google.com/patent/US4033099A/en

Friedel, William C., Jr. 和 Charles F. Dietz，“番茄收获分选系统”，美国专利 4,118,311，1978 年 10 月 3 日颁发。https://patents.google.com/patent/US4118311A/en

Goldman, Sharon，“一年前，Nvidia 的黄仁勋说机器人技术的‘ChatGPT 时刻’即将到来。现在他说它‘近在眼前’。但真是如此吗？，”Fortune，2026 年 1 月 6 日。https://fortune.com/2026/01/06/nvidia-jensen-huang-chatgpt-moment-for-robotics/

González Huarte, Javier, Maite Ortiz de Zarate, 和 Aitor Ibarguren，“面向航空领域线束制造的基于 CAD 的机器人编程解决方案，”Robotics，2023 年，12 (5)，130。

Graetz, Georg 和 Guy Michaels，“工作中的机器人，”Review of Economics and Statistics，2018，100 (5)，753-768。

Gridwise，“How Are Robotaxis Affecting Driver Pay in AV Cities?”，博客，2025 年 8 月。https://gridwise.io/blog/how-are-robotaxis-affecting-driver-pay-in-av-cities

Hirsch, Barry T., David A. Macpherson, and William E. Even，“Union Membership, Coverage, and Earnings from the CPS” [数据集]，Unionstats.com，2026 年。https://unionstats.com/

Honerkamp, Paxton，“Within Uber-Waymo Split, a Key Labor Battle over AVs Is Being Waged in the Nation's Capital，” CNBC，2026 年 8 月 1 日。https://www.cnbc.com/2026/08/01/uber-waymo-autonomous-vehicle-regulation.html

Huffman, Wallace E.，“The Status of Labor-Saving Mechanization in U.S. Fruit and Vegetable Harvesting，”Choices，2012，27 (2)。https://www.choicesmagazine.org/choices-magazine/theme-articles/immigration-and-agriculture/the-status-of-labor-saving-mechanization-in-us-fruit-and-vegetable-harvesting

Humlum, Anders，“Robot Adoption and Labor Market Dynamics，” Rockwool Foundation Research Unit Study Paper 175，2021 年。

Hwang, Jyh-Jing, Runsheng Xu, Hubert Lin, Wei-Chih Hung, Jingwei Ji, Kristy Choi, Di Huang, Tong He, Paul Covington, Benjamin Sapp, Yin Zhou, James Guo, Dragomir Anguelov, and Mingxing Tan，“EMMA: End-to-End Multimodal Model for Autonomous Driving，”Transactions on Machine Learning Research，2025。

Ibarz, Julian, Jie Tan, Chelsea Finn, Mrinal Kalakrishnan, Peter Pastor, and Sergey Levine，“How to Train Your Robot with Deep Reinforcement Learning: Lessons We Have Learned，”International Journal of Robotics Research，2021，40 (4-5)，698-721。

Ingenia，“Fruit-Picking Robots，” 第 93 期，2022 年 12 月。https://www.ingenia.org.uk/articles/fruit-picking-robots/

International Organization for Standardization (ISO)，“Robotics — Vocabulary，” ISO 8373:2021，日内瓦，2021 年。

Jarrett, Cosette，“12 Cool Facts About the AI-Powered Robots That Help Deliver Your Amazon Packages，” About Amazon，2023 年 12 月 11 日。https://www.aboutamazon.com/news/operations/amazon-robotics-cool-facts

Jones, Charles I. and Christopher Tonetti，“Past Automation and Future A.I.: How Weak Links Tame the Growth Explosion，” 工作论文，斯坦福大学，2026 年。https://web.stanford.edu/~chadj/JonesTonetti_Automation.pdf

Jurkat, Anne, Rainer Klump, and Florian Schneider, "Tracking the Rise of Robots: A Survey of the IFR Database and its Applications," MPRA Paper 111812, Munich Personal RePEc Archive, October 2021.https://mpra.ub.uni-muenchen.de/111812/

Katz, Lawrence F. and Kevin M. Murphy, "Changes in Relative Wages, 1963-1987: Supply and Demand Factors,"Quarterly Journal of Economics，1992，107 (1)，35-78。

Kawasaki Robotics, "At the Forefront of FRP Automation: Spray-Up and Cutting Process Innovations Pioneered by KADO × IEC," 案例研究，2026。https://kawasakirobotics.com/case-studies/at-the-forefront-of-frp-automation-spray-up-and-cutting-process-innovations-pioneered-by-kado-x-iec/

Kemp, Charles C., Aaron Edsinger, and Eduardo Torres-Jara, "Challenges for Robot Manipulation in Human Environments,"IEEE Robotics & Automation Magazine，2007，14 (1)，20-29。

Kim, Moo Jin, Karl Pertsch, Siddharth Karamcheti, Ted Xiao, Ashwin Balakrishna, Suraj Nair, Rafael Rafailov, Ethan P. Foster, Pannag R. Sanketi, Quan Vuong, Thomas Kollar, Benjamin Burchfiel, Russ Tedrake, Dorsa Sadigh, Sergey Levine, Percy Liang, and Chelsea Finn, "OpenVLA: An Open-Source Vision-Language-Action Model," 载于Proceedings of the 8th Conference on Robot Learning (CoRL 2024)，Proceedings of Machine Learning Research，2025，270，2679-2713。

Kober, Jens, J. Andrew Bagnell, and Jan Peters, "Reinforcement Learning in Robotics: A Survey,"International Journal of Robotics Research，2013，32 (11)，1238-1274。

Kogan, Leonid, Dimitris Papanikolaou, Lawrence D. W. Schmidt, and Bryan Seegmiller, "Technology and Labor Displacement: Evidence from Linking Patents with Worker-Level Data," NBER Working Paper 31846，2023。

Kroemer, Oliver, Scott Niekum, and George Konidaris, "A Review of Robot Learning for Manipulation: Challenges, Representations, and Algorithms,"Journal of Machine Learning Research，2021，22 (30)，1-82。

Link, Albert N., Zachary T. Oliver, and Alan C. O'Connor, "Economic Analysis of Technology Infrastructure Needs for Advanced Manufacturing: Advanced Robotics and Automation," NIST GCR 16-005, National Institute of Standards and Technology，2016 年 8 月。https://doi.org/10.6028/NIST.GCR.16-005

Lise, Jeremy 和 Fabien Postel-Vinay，"Multidimensional Skills, Sorting, and Human Capital Accumulation，"American Economic Review，2020，110 (8)，2328-2376。

Ludwig, Jens, Sendhil Mullainathan, 和 Ashesh Rambachan，"Large Language Models: An Applied Econometric Framework，" NBER Working Paper 33344，2025。

Lung, Natalie，"New York's Robotaxi Plan Pulled in Setback to Waymo Expansion，" Bloomberg News，2026 年 2 月 19 日。https://www.bloomberg.com/news/articles/2026-02-19/new-york-s-robotaxi-plan-pulled-in-setback-to-waymo-expansion

Madrigal, Alexis C.，"Inside Waymo's Secret World for Training Self-Driving Cars，"The Atlantic，2017 年 8 月 23 日。https://www.theatlantic.com/technology/archive/2017/08/inside-waymos-secret-testing-and-simulation-facilities/537648/

Mason, Matthew T.，"Toward Robotic Manipulation，"Annual Review of Control, Robotics, and Autonomous Systems，2018，1，1-28。

Massenkoff, Maxim 和 Peter McCrory，"Labor Market Impacts of AI: A New Measure and Early Evidence，" Anthropic，2026 年 3 月 5 日。https://www.anthropic.com/research/labor-market-impacts

Mayekawa，"Deboning Machines，" 产品页面，2026a。https://mayekawa.com/products/deboning_machines/

Mayekawa，"Reducing Workloads with Reliable Deboning Technology and Stabilizing Production to Meet Market Demands for Pork，" With Mayekawa，2026b（未注明日期；检索于 2026 年 9 月 29 日）。https://mayekawa.com/with/stories/hamdas/

McKinsey & Company，"The Future of Robotics: Intelligent, Adaptable, and on Your Team，" The Next Normal，2026。https://www.mckinsey.com/featured-insights/the-next-normal/robotics

Metzger, Jean-Claude, Olivier Lambercy, Antonella Califfi, Daria Dinacci, Claudio Petrillo, Paolo Rossi, Fabio M. Conti, 和 Roger Gassert，"Assessment-Driven Selection and Adaptation of Exercise Difficulty in Robot-Assisted Therapy: A Pilot Study with a Hand Rehabilitation Robot，"Journal of NeuroEngineering and Rehabilitation，2014，11，154。

Moravec, Hans，Mind Children: The Future of Robot and Human Intelligence，Cambridge, MA: Harvard University Press，1988。

Morgan Stanley，"Humanoid Robot Market Expected to Reach $5 Trillion by 2050，" 2025 年 5 月 14 日。https://www.morganstanley.com/insights/articles/humanoid-robot-market-5-trillion-by-2050

Morgan Stanley Research，《人形机器人：具身 AI 的投资影响》，报告，2024 年 6 月 26 日。

Navas-Reascos, Gabriel E., David Romero, Johan Stahre, and Alberto Caballero-Ruiz，《协作机器人支持的线束装配流程：文献综述与研发呼吁》，Robotics，2022，11 (3)，65。

Nissyoku Shimbun，《前川製作所が豚もも肉脱骨ロボット「ハムダス」発売》[Mayekawa 推出 HAMDAS 猪火腿去骨机器人]，Nihon Shokuryo Shimbun，1998 年 9 月 14 日。https://news.nissyoku.co.jp/news/nss-8423-0032

Oitzman, Mike，《Pharm Robotics 推进自动化奶牛医疗保健》，The Robot Report，2025 年 7 月 13 日。https://www.therobotreport.com/pharm-robotics-advances-automated-dairy-cow-healthcare/

Oxmaint，《食品制造业维护预算：规划、基准与成本控制》，2026 年 3 月 28 日。https://oxmaint.com/industries/food-manufacturing/food-manufacturing-maintenance-budgeting-benchmarks-cost-control

Pallottino, Lucia，《仓储与物流机器人：技术、挑战与未来方向》，Annual Review of Control, Robotics, and Autonomous Systems，2026，9，377-401。

Polanyi, Michael，The Tacit Dimension，Garden City, NY: Doubleday，1966。

Pumacay, Wilbert, Ishika Singh, Jiafei Duan, Ranjay Krishna, Jesse Thomason, and Dieter Fox，《THE COLOSSEUM：评估机器人操作泛化能力的基准测试》，arXiv:2402.08191，2024。

Reuters，《认识 SwagBot，防止土壤退化的 AI 驱动机器人牧牛者》，Rappler，2024 年 12 月 12 日。https://www.rappler.com/technology/innovations/swagbot-artificial-intelligence-powered-robot-cattle-herder/

Rivière, Yann and Jean-Stanislas Denain，《自主性在哪里奏效：2026 年机器人能力评估》，Epoch AI，2026。https://epoch.ai/publications/where-autonomy-works-evaluating-robot-capabilities-in-2026

Robbins, Jacob，《Apptronik 融资 5.2 亿美元，人形机器人风险投资激增 300%》，PitchBook News，2026 年 2 月 11 日。https://pitchbook.com/news/articles/apptronik-raises-520m-as-vc-funding-for-humanoid-robotics-explodes-300

The Robot Report，《Path Robotics 融资 1 亿美元以实现焊接自动化》，2024 年 10 月 28 日。https://www.therobotreport.com/path-robotics-raises-100m-to-automate-welding/

The Robot Report，《Okibo 开设新泽西总部并在美国市场推出 EG7 机器人》，2025 年 4 月 11 日。https://www.therobotreport.com/okibo-opens-new-jersey-hq-and-launches-eg7-robot-in-u-s-market/

Rosen, C. A.，《机器视觉与机器人：工业需求》，收录于 George G. Dodd 和 Lothar Rossol 编，Computer Vision and Sensor-Based Robots，Springer，1979 年，3-22。

SAE International，《与道路机动车辆驾驶自动化系统相关术语的分类与定义》，SAE 推荐实践 J3016_202104，2021 年 4 月。

Sandvik，《Sandvik 推出 AutoMine AutoLoad 2.0 以改进自主铲斗装载》，新闻稿，2023 年 6 月 14 日。https://www.mining.sandvik/en/news-and-media/news-archive/2023/06/sandvik-introduces-automine-autoload-2.0-for-improved-autonomous-bucket-loading

Schenck RoTec，《车轮装配线：个性化与完整解决方案》，产品页面，2025 年。https://www.schenck-rotec.com/en-us/product/wheel-assembly-lines/

Scoop，《Scott Technology 与 Silver Fern Farms 的“黄金机遇”》，Scott Technology 公告，2022 年 9 月 14 日。https://www.scoop.co.nz/stories/BU2209/S00201/golden-opportunity-for-scott-technology-with-silver-fern-farms.htm

Simbe Robotics，《Tally》，产品页面，2026 年。https://www.simberobotics.com/store-intelligence/tally

Statista，《1970 年至 2025 年美国工业消费者平均零售电价》，2026 年 4 月 28 日。https://www.statista.com/statistics/190680/us-industrial-consumer-price-estimates-for-retail-electricity-since-1970/

Suresh, Sudharshan, Haozhi Qi, Tingfan Wu, Taosha Fan, Luis Pineda, Mike Lambeta, Jitendra Malik, Mrinal Kalakrishnan, Roberto Calandra, Michael Kaess, Joseph Ortiz, and Mustafa Mukadam，《NeuralFeels with Neural Fields: Visuotactile Perception for In-Hand Manipulation》，Science Robotics，2024 年，9 (96)，eadl0628。

Svanberg, Maja, Wensu Li, Martin Fleming, Brian Goehring, and Neil Thompson, "Beyond AI Exposure: Which Tasks Are Cost-Effective to Automate with Computer Vision?," MIT FutureTech 工作论文, 2024 年 1 月。https://futuretech.mit.edu/publication/beyond-ai-exposure-which-tasks-are-cost-effective-to-automate-with-computer-vision

Tamkin, Alex, Miles McCain, Kunal Handa, Esin Durmus, Liane Lovitt, Ankur Rathi, Saffron Huang, Alfred Mountfield, Jerry Hong, Stuart Ritchie, Michael Stern, Brian Clarke, Landon Goldberg, Theodore R. Sumers, Jared Mueller, William McEachen, Wes Mitchell, Shan Carter, Jack Clark, Jared Kaplan, and Deep Ganguli, "Clio: Privacy-Preserving Insights into Real-World AI Use," arXiv:2412.13678, 2024。

Tamkin, Alex and Peter McCrory, "Estimating AI Productivity Gains from Claude Conversations," Anthropic, 2025。https://www.anthropic.com/research/estimating-productivity-gains

Tedrake, Russ,Robotic Manipulation: Perception, Planning, and Control, MIT 6.421 课程讲义, 2026。http://manipulation.mit.edu

Telexistence, "Telexistence to Begin Installing AI Robot 'TX SCARA' in 300 FamilyMart Stores," 新闻稿, 2022 年 8 月 10 日。https://tx-inc.com/en/blog/2022/08/10/11737/

Thomas, Charlotte, "Rise of the Robots," METSTRADE, 2023 年 10 月 23 日。https://www.metstrade.com/news/superyacht/rise-of-the-robots

Trammell, Philip and Anton Korinek, "Economic Growth Under Transformative AI,"Annual Review of Economics, 2026, 18, 589-611。

Transformation Hub Wiring Harness, "Robotics Challenge 2026," 2026。https://www.leitungssatz-hub.de/en/robotik-challenge/robotik-challenge-2026/

UBS, "Is the World Ready for 1bn Robots?," UBS Global Research Q-Series, 2025 年 6 月 17 日。

University of Michigan, "U-M Opens Mcity Test Environment for Connected and Driverless Vehicles," Michigan Engineering News, 2015 年 7 月 20 日。https://news.engin.umich.edu/2015/07/u-m-opens-mcity-test-environment-for-connected-and-driverless-vehicles/

U.S. Bureau of Economic Analysis (BEA), "Price Indexes for Private Fixed Investment in Equipment by Type: Computers and Peripheral Equipment [B935RG3A086NBEA]," NIPA Table 5.5.4, 取自 FRED, Federal Reserve Bank of St. Louis, 2026。https://fred.stlouisfed.org/series/B935RG3A086NBEA

U.S. Bureau of Labor Statistics (BLS)，《估算美国劳动生产率测量中工作小时数的新方法》，生产率与技术办公室技术说明，2022 年 11 月 3 日。https://www.bls.gov/productivity/technical-notes/labor-productivity-hours-worked-method-using-ces-all-employee-hours-nov-2022.htm

U.S. Bureau of Labor Statistics (BLS)，《职业就业与工资统计（OEWS）：2025 年 5 月全国职业就业与工资估算》，2025 年。https://www.bls.gov/oes/tables.htm

U.S. Bureau of Labor Statistics (BLS)，《所有城市消费者的消费者价格指数：新汽车，美国城市平均，未季调 [CUUR0000SETA01]》，2026a。https://www.bls.gov/cpi/

U.S. Bureau of Labor Statistics (BLS)，《就业水平 - 农业及相关产业 [LNS12034560] 与就业水平 [CE16OV]》，当前人口调查，取自 FRED，Federal Reserve Bank of St. Louis，2026b。https://fred.stlouisfed.org/series/LNS12034560

U.S. Bureau of Labor Statistics (BLS)，《职业就业与工资统计：常见问题》，2026c，检索于 2026 年 9 月 21 日。https://www.bls.gov/oes/oes_ques.htm

U.S. Census Bureau，《年度资本支出调查：机器人设备支出，2019-2022》，2024 年。https://www.census.gov/programs-surveys/aces.html

U.S. Department of Transportation Office of Inspector General，《加强 FAA 监管可减少与驾驶舱自动化使用增加相关的危害》，审计报告 AV-2016-013，2016 年 1 月 7 日。https://www.oig.dot.gov/sites/default/files/FAA%20Flight%20Decek%20Automation_Final%20Report%5E1-7-16.pdf

Vitiello, V., K.-W. Kwok, and G.-Z. Yang，《机器人辅助微创手术（MIS）导论》，载于 Paula Gomes 编，Medical Robotics: Minimally Invasive Surgery，Woodhead Publishing，2012 年，1-40。

Wallace, Neal，《屠宰机器人按每具胴体美元计算划算》，Farmers Weekly（新西兰），2022 年 9 月 30 日。https://www.farmersweekly.co.nz/technology/butcher-bot-pays-off-in-dollars-per-carcase/

Wallace, Neal，《机器人肉类加工厂的一次巨大 LEAP》，Farmers Weekly（新西兰），2024 年 4 月 22 日。https://www.farmersweekly.co.nz/technology/one-giant-leap-for-robo-meatworks/

Wang, Hanchen, Tianfan Fu, Yuanqi Du, Wenhao Gao, Kexin Huang, Ziming Liu, Payal Chandak, Shengchao Liu, Peter Van Katwyk, Andreea Deac, Anima Anandkumar, Karianne Bergen, Carla P. Gomes, Shirley Ho, Pushmeet Kohli, Joan Lasenby, Jure Leskovec, Tie-Yan Liu, Arjun Manrai, Debora Marks, Bharath Ramsundar, Le Song, Jimeng Sun, Jian Tang, Petar Veličković, Max Welling, Linfeng Zhang, Connor W. Coley, Yoshua Bengio, and Marinka Zitnik, "Scientific Discovery in the Age of Artificial Intelligence,"Nature，2023，620，47-60。

Waste360，"Q&A：AMP 的 Matanya Horowitz 谈将 AI 引入回收世界以及该技术如何进步"，2023 年 11 月。https://www.waste360.com/waste-recycling/q-a-amp-s-matanya-horowitz-on-bringing-ai-to-the-recycling-and-how-the-tech-is-advancing

WATTAgNet，"新一代自动化去骨机"，2018 年 10 月 1 日。https://www.wattagnet.com/broilers-turkeys/processing-slaughter/article/15526256/the-new-generation-of-automated-deboning-machines-wattagnet

Webb, Michael，"人工智能对劳动力市场的影响"，工作论文，斯坦福大学，2020 年。

Wessling, Brianna，"凭借新融资，Monumental 计划将其建筑机器人引入美国，"The Robot Report，2026 年 7 月 17 日。https://www.therobotreport.com/with-new-funding-monumental-plans-bring-construction-robots-u-s/

Wishart-Smith, Heather，"Built Robotics 推出自主打桩机器人，加速太阳能部署，"Forbes，2023 年 3 月 20 日。https://www.forbes.com/sites/heatherwishartsmith/2023/03/20/built-robotics-unveils-autonomous-pile-driving-robot-expediting-solar-rollout/

Yotzov, Ivan, Jose Maria Barrero, Nicholas Bloom, Philip Bunn, Steven J. Davis, Kevin M. Foster, Aaron Jalca, Brent H. Meyer, Paul Mizen, Michael A. Navarrete, Pawel Smietanka, Gregory Thwaites, and Ben Zhe Wang，"关于 AI 的企业数据"，NBER 工作论文 34836，2026 年。https://doi.org/10.3386/w34836

Yu, Zhen, Jingyu Wang, Ting Zuo, James Alm, Xun Li, and Xue Li，"Robotaxi 降低出租车司机收入，"Humanities and Social Sciences Communications，2026，13，文章 629。

Zeira, Joseph，“Workers, Machines, and Economic Growth，”Quarterly Journal of Economics，1998，113 (4)，1091-1117。

Ziemerink, Jan，“How to Manage Automatic Calf Feeders Successfully，”Förster-Technik North America 演示文稿，Vita Plus，2018。https://www.vitaplus.com/wp-content/uploads/2018/06/Successfull-Calfraising_with-Auto-feeders2018_2.pdf

数据来源

Althobaiti, Shahad, Ahmad Alabdulkareem, Judy Hanwen Shen, Iyad Rahwan, Morgan Frank, Esteban Moro, and Alex Rutherford。“Dictionary of Titles”［数据集］。Harvard Dataverse，2022。https://doi.org/10.7910/DVN/DQW8IP

Autor, David, Caroline Chin, Anna Salomons, and Bryan Seegmiller。Replication Data for：“New Frontiers: The Origins and Content of New Work, 1940-2018。”Harvard Dataverse，V1.1，2024。https://doi.org/10.7910/DVN/7RYD2E，检索于 2026 年 7 月 30-31 日。

Autor, David H. and David Dorn。2013。“The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market。”American Economic Review 103 (5)：1553-1597。职业对照表（occ1990dd）与离岸外包可能性指标：https://www.ddorn.net/data.htm。

Bank of Japan。Producer Price Index，2020 Base：Robots [PRCG20_2201350029]。Time-Series Data Search，检索于 2026 年 9 月 16 日。https://www.stat-search.boj.or.jp/

Eloundou, Tyna, Sam Manning, Pamela Mishkin, and Daniel Rock。2024。“GPTs are GPTs: Labor Market Impact Potential of LLMs。”Science 384 (6702)：1306-1308。任务级暴露标签：https://github.com/openai/GPTs-are-GPTs。

Hirsch, Barry T., David A. Macpherson, and William E. Even。Union Membership, Coverage, and Earnings from the CPS ［数据集］。Unionstats.com，2026。https://unionstats.com/。详见 Hirsch, Barry T. and David A. Macpherson。2003。“Union Membership and Coverage Database from the Current Population Survey: Note。”Industrial and Labor Relations Review 56 (2)：349-354。

National Academy of Sciences, Committee on Occupational Classification and Analysis. Dictionary of Occupational Titles (DOT): Part I - Current Population Survey, April 1971, Augmented With DOT Characteristics, and Part II - Fourth Edition Dictionary of DOT Scores for 1970 Census Categories. Ann Arbor, MI: Inter-university Consortium for Political and Social Research [distributor], 2006-09-06.https://doi.org/10.3886/ICPSR07845.v2

National Center for O*NET Development. O*NET Database, versions 29.3 (2025), 13.0 (2008), and 4.0 (2002); the O*NET-SOC taxonomy crosswalks; and the DOT to O*NET-SOC 2019 Crosswalk. Washington, DC: U.S. Department of Labor, Employment and Training Administration.https://www.onetcenter.org/database.html；https://www.onetcenter.org/taxonomy.html；https://www.onetcenter.org/crosswalks/dot/

Ruggles, Steven, Sarah Flood, Matthew Sobek, Daniel Backman, Grace Cooper, Julia A. Rivera Drew, Stephanie Richards, Renae Rodgers, Jonathan Schroeder, and Kari C.W. Williams. IPUMS USA: Version 16.0 [dataset]. Minneapolis, MN: IPUMS, 2025.https://doi.org/10.18128/D010.V16.0

U.S. Bureau of Economic Analysis (BEA). Personal Consumption Expenditures: Chain-type Price Index [PCEPI], retrieved from FRED, Federal Reserve Bank of St. Louis.https://fred.stlouisfed.org/series/PCEPI，2026 年 9 月 21 日。

U.S. Bureau of Economic Analysis (BEA). Table 5.5.4. Price Indexes for Private Fixed Investment in Equipment by Type: Computers and peripheral equipment [B935RG3A086NBEA], retrieved from FRED, Federal Reserve Bank of St. Louis.https://fred.stlouisfed.org/series/B935RG3A086NBEA，2026 年 9 月 16 日。

U.S. Bureau of Labor Statistics (BLS). Consumer Price Index for All Urban Consumers, U.S. city average, not seasonally adjusted: New vehicles [CUUR0000SETA01]. Washington, DC: U.S. Department of Labor. Retrieved September 16, 2026.https://www.bls.gov/cpi/

U.S. Bureau of Labor Statistics (BLS). Employer Costs for Employee Compensation (ECEC), 2004-2023 and March 2026. Washington, DC: U.S. Department of Labor.https://www.bls.gov/ecec/

美国劳工统计局（BLS）。《就业预测，2025-35：表 1.6，就业人数下降最多的职业》。华盛顿特区：美国劳工部，2026 年 8 月 27 日。https://www.bls.gov/emp/tables/occupations-largest-job-declines.htm

美国劳工统计局（BLS）。《职业就业与工资统计（OEWS）》：2002 年、2008 年 5 月、2015 年 5 月和 2025 年 5 月全国职业就业与工资估算。华盛顿特区：美国劳工部。https://www.bls.gov/oes/tables.htm

美国劳工统计局（BLS）。《职业要求调查（ORS）》，2023 年和 2025 年。华盛顿特区：美国劳工部。https://www.bls.gov/ors/

美国人口普查局。2018 年人口普查职业代码表及对照表，以及 2018 年 ACS PUMS 和 2018 年 SIPP 公共使用职业代码表 [数据集]，2018 年。https://www2.census.gov/programs-surveys/demo/guidance/industry-occupation/2018-occupation-code-list-and-crosswalk.xlsx；https://www2.census.gov/programs-surveys/demo/guidance/industry-occupation/2018-ACS-PUMS-and-2018-SIPP-Public-Use-Occupation-Code-List.xlsx

美国人口普查局。《年度资本支出调查：建筑物和设备资本支出》，表 1a 和 1b，2019-2022 年发布。https://www.census.gov/data/tables/2022/econ/aces/2022-aces-summary.html

美国劳工部就业与培训管理局。《职业名称词典》，第四版。华盛顿特区：美国政府印刷局，1977 年。

美国劳工部、美国就业服务局和北卡罗来纳职业分析现场中心。《职业名称词典（DOT）》：修订第四版，1991 年。密歇根州安娜堡：校际政治与社会研究联盟 [发行方]，2026-02-19。https://doi.org/10.3886/ICPSR06100.v2。劳工部行政法法官办公室 DOT 页面缺失的文本，以及https://occupationalinfo.org。

Webb, Michael. 2020. "The Impact of Artificial Intelligence on the Labor Market." 工作论文，斯坦福大学。机器人暴露百分位数和 2010 年劳动力供给权重：https://web.stanford.edu/~mww/，检索于 2026 年 7 月 18 日；现位于https://www.michaelwebb.co/。

脚注

1. 例如，参见 Aghion et al. (2019)、Davidson et al. (2026) 以及 Jones and Tonetti (2026) 关于薄弱环节和互补性在爆炸性经济增长情景中作用的研究。人们通常认为 AI 对数字工作的影响大于对物理工作的影响；例如参见 Cazzaniga et al. (2024)。

2. 例如，参见 Autor (2015) 关于“环境控制”作为物理自动化障碍的论述。另见 Link et al. (2016) 第 6 节。我们在“衡量暴露程度”中更详细地讨论了这一点。

3. 参见 Firoozi et al. (2025) 关于机器人 AI 基础模型的研究。Rivière and Denain (2026) 讨论了 AI 赋予机器人的能力。参见 Agaskar et al. (2025) 和 Hwang et al. (2025) 关于仓储和驾驶中 AI 驱动机器人的研究。AI 也可能加快机器人技术的创新步伐；参见 Cockburn et al. (2019)、Wang et al. (2023) 和 Davidson et al. (2026)。

4. 参见 Baptista et al. (2026) 和 Goldman (2026) 关于机器人领域潜在“ChatGPT 时刻”的论述。另见 Morgan Stanley Research (2024) 和 McKinsey & Company (2026) 的预测。

5. 机器人投资数据来自 2022 年年度资本支出调查（U.S. Census Bureau, 2024）。Yotzov et al. (2026) 于 2025 年 11 月对美国高管的调查显示，按就业加权，13% 的企业目前使用机器人，而 22% 的企业预计在调查后三年内使用。英国、德国和澳大利亚的预期使用情况大致相似。

6. 参见 Robbins (2026) 关于人形机器人初创企业投资的论述，以及 Ewing (2026) 关于大型汽车制造商使用人形机器人的努力。

7. 例如，一些机器人仅使用摄像头，而另一些则使用触觉传感器。参见 Brooks (2025) 关于这些方法的论述，以及 Andrychowicz et al. (2020) 和 Suresh et al. (2024) 关于视觉和触觉机器人的研究。

8. 参见 Counterpoint Research (2026) 了解人形机器人市场概况；如今大多数人形机器人用于娱乐和数据收集。参见 BMW Group (2026) 了解汽车工厂中的人形机器人部署。

9. 我们的分类体系建立在劳动经济学和职业分析的悠久传统之上。O*NET 的前身《职业名称词典》按“数据/人/物”对职业进行分类。参见 Fine（1955）、Fine 和 Wiley（1971）、Autor 等（2003）、Acemoglu 和 Autor（2011）以及 Deming（2017）。

10. 机器人的精确定义各不相同。我们在暴露提示（附录 F.3）中描述了机器人，并依赖 Claude 来判断哪些机器符合这一标准。国际标准化组织将机器人定义为“具有某种自主程度的可编程驱动机构，能够执行移动、操作或定位”，并将自主性定义为“基于当前状态和感知，在无人工干预的情况下执行预期任务的能力”（ISO 2021）。

11. 我们关注当今机器人能做什么，这与 Eloundou 等（2024）类似，他们通过 LLM 截至 2023 年能加速哪些任务来衡量 AI 暴露程度。其他 AI 暴露度量方法在 Massenkoff 和 McCrory（2026）中有描述。

12. 关于“环境控制”作为自动化瓶颈，参见 Autor（2015）；关于集成如何减缓机器人采用，参见 Autor 等（2020）。美国国家标准与技术研究院的一份关于机器人经济影响的报告强调了机器人在非结构化环境中的能力；参见 Link 等（2016）第 6 节。Kober 等（2013）、Ibarz 等（2021）和 Kim 等（2025）讨论了机器人性能如何泛化到新任务和新环境。关于机器人基础模型与专用机器人控制系统，参见 Firoozi 等（2025）。关于机器人操作进展的综述，参见 Kemp 等（2007）和 Kroemer 等（2021）。关于操作基准测试，参见 Pumacay 等（2024）。关于复杂环境中机器人能力的清单，参见 Rivière 和 Denain（2026）。

13. 例如，Mason（2018）和 Tedrake（2026）讨论了机器人操作物体所需的复杂技能。

14. 例如，参见 Madrigal（2017）关于前空军基地的模拟城镇，以及 University of Michigan（2015）关于 Mcity 这一类似设施的介绍。

15. 我们的评分确实将这项任务在今天评为 E3，而在我们以 2008 年暴露情况为基准的评分版本中评为 E1（附录 B）。正如我们的评分标准所述，非结构化环境中的表现会纳入自动驾驶汽车性能标准；参见 SAE International (2021)。

16. Moravec (1988) 特别指出了这一点。另见 Polanyi (1966)，以及 Autor (2015) 将其应用于自动化。

17. 附录 A.4 给出了我们暴露度指标的变体；这些变体产生了相似的职业暴露度排名。

18. 参见 Built Robotics Exosystem (2026)。

19. 当同时按 2020–2024 年美国社区调查中的通常每周工时对职业进行加权时，结果相似。

20. 人类也在受控环境中工作：诸如“向患者、护士站或手术室递送药物或药品用品”之类的任务是在医院和诊所中完成的。在附录 A.4 中，我们通过机器人能执行任务的地点与人类执行任务的地点之间的差距来衡量机器人暴露度。这产生了几乎相同的职业暴露度排名。

21. The Robot Report (2024)。

22. 参见 Boston Dynamics Stretch。

23. 参见 Pallottino (2026)。

24. 图 4 中的就业数据来自 BLS OEWS，因此网约车服务的独立承包商被排除在出租车司机就业之外。

25. 早期证据表明，暴露于自动驾驶网约车的司机收入下降。参见 Gridwise (2025) 和 Yu et al. (2026)。

26. 参见 Amazon 的 Vulcan 机器人。

27. 参见 Badger Marty 和 Simbe Tally。

28. 参见 Telexistence TX SCARA。

29. 参见 Canvas 干墙机器人。

30. 参见 AMP Cortex (Waste360, 2023)。

31. 仅限体力工作（按工作时间计算至少一半为体力）时，暴露的工人仍然收入更低、受教育程度更低、女性比例更低、西班牙裔比例更高、失业比例更高，不过大多数差距有所缩小。

32. 例如参见 Massenkoff 和 McCrory (2026)。

33. Deming (2017) 以及 Frey 和 Osborne (2017)。

34. 过去几十年关于自动化和劳动力市场的分析通常强调计算机和软件，而非物理自动化。例如参见 Autor et al. (2003) 关于计算机化，以及 Acemoglu 和 Restrepo (2020) 关于机器人迄今对美国就业的有限总体影响。Svanberg et al. (2024) 估算了自动化计算机视觉任务的成本。

35. 我们指示 Claude 纳入机器人本身、配件、集成与安装、维护与服务、软件、能源及其他运营投入、监督与操作、保险、报废退役的成本，以及任何其他成本。Claude 用估计的资本成本将固定成本年化。

36. 我们通过将 BLS 职业工资乘以 BLS 雇主雇员薪酬成本调查中按职业组计算的总薪酬与工资加带薪休假的比率来估算总薪酬。总薪酬包括带薪休假、补充薪酬、保险、退休与储蓄，以及法律要求的雇主缴款，如 FICA 和失业保险。

37. 关于任务模型中的自动化，参见例如 Zeira (1998)、Acemoglu and Autor (2011) 和 Acemoglu and Restrepo (2018)。

38. 在这些比较中，机器人可能比工人更便宜，但只能完成他们的一小部分任务。例如，档案管理员执行两项体力任务；他们唯一暴露于机器人的任务是“保存记录、文件和物品，必要时将记录复制到胶片、录像带、录音带、磁盘或计算机格式。”我们估计机器人完成这项任务每年花费 5,500 美元。档案管理员在这项任务上花费约 8% 的时间，他们的总薪酬中位数为 85,000 美元，因此这项任务的劳动力成本为每年 6,800 美元。机器人在这项任务上具有成本竞争力，但自动化一项任务不太可能取代档案管理员。

39. 引用的机器人和系统包括 Douglas 顶部装载装箱机（装箱）、Boston Dynamics 的 Stretch 和 Agility Robotics 的 Digit（物料搬运）、机器视觉检测站（检测）、Combi 机器人随机开箱机（纸箱组装）、打印贴标机（贴标）和 3M-Matic 随机封箱机（封箱）。

40. 参见例如 Honerkamp (2026) 和 Lung (2026)。

41. 2026 年 8 月来自 BLS 就业预测项目 2025–35 的预测，表 1.6。包装工和打包工在失业人数中排名第 11，落后于惩教人员和狱警以及 9 个销售和办公室职业（SOC 对 41 和 43 组的“高层级聚合”名称）。就业数据来自 2015 年和 2025 年的 BLS OEWS。

42. 例如，参见 Path Robotics AW-3 自主焊接单元。

43. 尽管清洁机器人可能工作时间更长，但它们比人类慢多达 10 倍。参见 Rivière 和 Denain（2026）。

44. 这一数字包括轮胎制造工以及包装工和打包工。在这些职业中，按工作时间计算，至少 95% 的任务暴露于机器人，且对一部分工人而言，机器人成本低于总薪酬。

45. 参见 Davidson 和 Hadshar（2025）以及 Denain 和 Rivière（2026）。

46. 比较 Eloundou 等人（2024）中计算机程序员的 LLM 暴露度（在人类评分者中排第 25 位最暴露，在 LLM 评分者中排第 6 位）与诗人、词曲作者和创意写作者（人类评第 11 位，LLM 评第 14 位）。这两个职业的暴露程度相似，但此后 AI 开发者投入的努力更多指向编程而非创意写作。