Anthropic 研究：机器人目前能完成哪些工作

主要发现

• 我们提出了一个机器人暴露指数，该指数基于机器人目前完成工作任务的效率。
• 我们定义的机器人是指能够感知和行动的自主物理机器，它们能够完成美国四分之三的体力任务，占工作时间的34%，但主要在有限的环境中进行。接触机器人的工人更有可能是男性、受教育程度较低且工资较低。例如，驾驶和仓库工作目前高度暴露于可用的机器人；而护理和一般维修工作则不是，因为当今的机器人即使在高度受控的环境中也无法完成它们的大部分工作。
• 总的来说，大约80%的工作任务按工作时间计算，要么暴露于机器人，要么暴露于大型语言模型。机器人在大型语言模型无法工作的地方工作。其余未暴露的工作高度依赖人际交往或需要机器人目前不具备的体力技能。
• 虽然机器人目前能够完成大多数体力工作任务，但它们比人工劳动昂贵得多。机器人仅在0.3%的工作任务中具有成本竞争力。如果机器人价格下降遵循过去趋势，那么该份额要达到10%将需要40年。除了价格之外，能力、偏好和法规等因素进一步阻碍了机器人自动化。
• 在过去的50年里，接触机器人更多的职业经历了比其他职业更大的工资和就业下降。同时，职业暴露在增长：每年，机器人能够完成大约2%的它们以前无法完成的体力工作。

引言

大型语言模型的进步提高了自动化大量工作的可能性。但是，许多工作是体力劳动。人工智能对经济的影响在一定程度上取决于机器人技术。

预测机器人进步的速度是困难的，但列举当今的能力，我们认为，可以洞察未来几年。我们开发了一个机器人暴露工作的衡量标准，使用Claude来评估当今机器人完成工作任务的效率。当机器人能够在更少受控的环境中完成更多的工作任务时，该工作就更具暴露性。当机器人能够比人工工人更便宜地完成同一项任务时，机器人就具有成本竞争力。

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%。机器人和大型语言模型一起暴露了除五分之一以外的所有就业。

但我们也发现了采用的重要障碍：大多数机器人需要高度结构化的环境，并且仅在0.3%的工作中与人类具有成本竞争力。如果机器人价格下降遵循过去趋势，那么该份额要达到10%将需要40年。在成本之后，主要障碍是能力，例如解开电线所需的灵巧性。人类偏好和法规进一步限制了机器人对相当一部分任务的采用。

我们的核心前提是，当机器人已经能够完成他们的工作时，工作更有可能受到影响。跨越50年的回测验证了这种方法：从1977年到今天，那些更多地暴露于现有机器人的工作在后来的几十年里经历了工资和就业下降。

如果过去是任何指南，出租车司机和仓库打包工将比护士和机械师更快地发生变化。我们预计，体力劳动将首先在机器人目前有立足之地的领域实现自动化。

今天的机器人和未来的机器人

如今大多数机器人在工厂等受控环境中运行。机器人通常需要编程才能与物理世界互动，而人类可以适应他们的工作环境。这对商业上可行的机器人来说是一个主要障碍。² 但人工智能帮助机器人解释和应对周围环境，使仓库机器人和自动驾驶汽车能够与人类并肩工作。³

许多观察者预计人工智能将迅速提高机器人的能力。⁴ 尽管机器人支出仍占美国设备总投资的约1%，但商业调查表明，美国机器人的采用率可能在三年内翻一番。⁵ 各公司正在投资数十亿美元开发能够匹配人类身体能力的AI驱动机器人。⁶

很难准确预测这些努力将如何影响工作和生产力。根据当前机器人任务覆盖率的职业排名表明了影响最早出现的领域。机器人应该先影响他们已经能够做的工作，然后再影响他们只能借助新技术才能完成的工作，在某些情况下，还需要适应法规。当前的能力是具体且可衡量的，而未来能力的预测则必须押注于哪些技术将成功。⁷ 仍在开发中的机器人支持我们关注当前暴露：各公司在汽车工厂和仓库等结构化环境中测试人形机器人，这些环境是机器人已经常见的。

衡量暴露

我们的分析使用来自O*NET的数据，这是一个包含约900个职业和约19000个工作任务描述的数据库。我们确定了一组我们认为没有机器人就无法自动化的体力工作任务。为此，我们让Claude根据一个衡量体力、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”这项任务是体力的；“教舞蹈学生”也是，尽管这也需要认知和人际技能。虽然打字员用手“使用计算器或计算器计算和验证报告表格、采购订单或账单上的总计”，但这项任务不计入。附录A提供了详细信息，附录F列出了我们的提示。

我们机器人暴露的任务级衡量标准是：今天机器人能否执行这项任务，以及如果可以，在什么情况下执行？我们将机器人理解为能够感知和行动的自主物理机器，这包括扫描汽车以调整喷洒器的汽车清洗机，但不包括由外科医生完全控制的远程操作手术机器。¹⁰ 我们通过机器人执行任务所需的工作环境类型来衡量暴露程度。¹¹

具体来说，我们根据机器人可以在哪里执行任务，将任务分为四个暴露程度递增的等级：

• 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也显示了这种评分标准。

我们认为环境控制是衡量近期自动化风险的一个好指标。因为机器人很难适应不可预测的环境，大多数部署的机器人都在工程化环境中工作，例如在装配线上喷漆汽车。虽然这些困难被认为在过去减缓了物理自动化，但AI驱动机器人可能更好地适应其环境。¹²

为确定暴露程度，我们指示 Claude 搜索与每项任务相关的特定机器人，并引用来源直接评估其能力和操作环境。我们询问机器人是否能在该任务典型工作环境中更或不太结构化的版本中执行任务。让机器人执行加载洗碗机等看似简单的任务需要许多复杂的物理技能，因此只有已展示的机器人能力才被计入。¹³ 机器人还必须像人类一样相似地执行任务，考虑可靠性、错误率和速度。

例如，在 2010 年代初，自动驾驶汽车无法在真实道路上“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周围行驶，这是今天自动驾驶汽车发展的一步。¹⁴ 我们的评估标准会将当时（机器人在专门建造的机器人工作环境中执行任务）的乘客运输评为暴露程度 E1，而今天（在非结构化环境中）评为 E3。¹⁵

这个评估标准需要许多主观判断。O*NET 任务陈述通常很简短，省略了对于人类来说容易但对于机器人来说困难的细节。¹⁶ 为了更具体地描述工作，我们通过 Claude 获取当前任务执行的详细示例以及这些示例发生的频率。然后 Claude 使用网络搜索来评估机器人能力，为这些示例评分。引用的来源必须显示机器人的部署、商业销售或演示，并且如果我们省略依赖演示的评分，结果也会相似。任务暴露程度由多数决定：机器人能在至少一半的任务示例中执行的最低结构化环境，并按时间加权。¹⁷

考虑任务“挖沟渠”。我们首先要求 Claude 提供描述工人如何今天执行此任务以及执行频率的示例。例如，Claude 估计有 25% 的时间，此任务需要“在开阔地切割线性沟渠”。另外 20% 的时间，它需要“小心地用手在现有的埋地管道、输油管、电缆和导管周围挖掘”。这些活动需要不同类型的物理能力，如导航和力量（线性沟渠）与精细运动灵巧性和感知（用手在管道周围挖掘）。

Claude 将第一个示例评为暴露程度 E3，引用了一个控制系统，该系统改造液压挖掘机以自主挖掘沟渠。¹⁸ 如今，机器人无法小心地围绕埋地管道挖掘，因此后一个示例在 E0 下未暴露。更多“挖沟渠”的示例与小心挖掘比线性沟渠挖掘更相似，因此总体上此任务在我们的评估中未暴露。

图 2 给出了任务评估示例，以及我们暴露提示中每个暴露层级的更完整描述和每个评级所引用的机器人。我们还计算了每个层级中物理任务的比例：这里和整个过程中，每个任务按执行该任务的工人数加权，并按他们花费在工作上的时间比例加权，我们使用 Claude 来估计。¹⁹

机器人无法执行（E0）的任务约占估计工作时间的四分之一。这些任务需要机器人难以掌握的物理技能，如“使用 applicator 或刷子对头发进行漂白、染色或染色”所需的精细运动灵巧性，以及“为在地面以上水平组装结构搭建脚手架或梯子”所需的强度、平衡和移动能力。

机器人在专门设计的环境中可以完成一半的体力任务，但在更广泛的环境中不能（E1）。食品准备机器人将即食餐品装在传送带上，而配备人工智能的新型号可以适应不同的食材、份量和托盘，因此任务“根据患者的饮食组装餐盘”被评为E1。

另外22%的体力任务可以在结构化的人类工作场所由机器人完成（E2）。例如，医院配送机器人“将药物或药品供应送到患者、护士站或手术室。”如今，机器人在非结构化环境中仅完成2%的体力任务（E3）。这些通常涉及驾驶，由自动驾驶汽车、拖拉机和其他车辆完成。²⁰

我们的随附数据发布包含了Claude对所有评级任务的推理和引用来源。例如，Claude将任务“在平面、垂直或顶置位置焊接组件”评为E1，并引用了一篇关于人工智能驱动机器人焊接器的文章：“Path Robotics表示其两个焊接单元都可以自主焊接钢件，并且已部署在美国和加拿大的制造车间。”²¹

我们为工作定义了一个机器人暴露指数，该指数平均计算一个工作任务在0-3量表上的暴露评级。该指数随着暴露任务的份额和机器人这些任务的能力的增加而上升，并根据估计的工作时间对任务进行加权。

一个理想的暴露指数将完美预测未来几年机器人自动化。由于我们无法预见未来，我们转而尝试使用1977年以来的工作和任务描述的历史数据来验证我们的衡量标准。我们从1977年开始对机器人暴露进行评级，并将暴露与工资和就业的变化联系起来。当一个工作更多地暴露于机器人时，其在后来的几十年中工资和就业都会下降，即使考虑到行业趋势和其他潜在的混杂因素。这些结果详细列在附录B中，让我们对我们的衡量标准可以预测未来工作中断有一定的信心。

图3总结了美国经济中所有工作任务机器人暴露的情况，根据估计的每个职业每项任务花费的时间比例和该职业的就业人数对任务进行加权。认知和人际工作占工作时间的54%。其余46%的任务是体力劳动。就所有任务的比例而言，大约12%的任务目前任何机器人都无法完成（E0），23%的任务可以在专门建造的环境中由机器人完成（E1），10%的任务可以在结构化的人类工作场所完成（E2），而1%的任务可以在非结构化环境中完成（E3）。计算任何暴露水平，74%的体力工作，或34%的所有工作，在某些情况下可以由机器人完成。

机器人在经济的许多领域可以完成体力任务。自主移动仓库机器人开到装卸码头和拖车内部。它们使用吸盘抓取包裹并将它们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导航，许多仓储任务被评为E2，例如“用手或使用卡车、拖拉机或其他设备将货运、库存或其他材料移动到存储或生产区域、装卸码头、配送车辆、船舶或集装箱。”导航和处理的进步使这类机器人成为物流和运输中的常见设备。²³

图4显示了根据我们的机器人暴露指数，10个最容易受到机器人影响的职业。在这10个职业中，有9个是车辆驾驶员。被提及用于驾驶工作的机器人包括自动驾驶汽车、拖拉机、卡车和摊铺机。出租车驾驶员的暴露指数最高，为2.2。²⁴由于驾驶是工作的主要部分，因此他们按工作时间的中位数任务在E3暴露，而像“用真空吸尘器清洁汽车内部和清洗抛光外部”这样的辅助任务虽然机器人可以完成，但在比开放道路更结构化的环境中进行。自动驾驶汽车尚未大规模颠覆驾驶工作，但它们的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所。在美国，机器人可能只在其中一些场所运行，而国外的机器人有时会涵盖所有场所。例如，补货员和订单填充员在零售店和仓库中执行“用新商品或转移的商品补货货架、搁架、箱子、料箱和桌子”的任务。在美国仓库中，配备触觉传感器的AI机器人拾取并存放商品。²⁶在美国零售业，移动机器人扫描空货架，但必须提醒人类补货。²⁷日本便利店中的机器人自行补货冰箱。²⁸由于补货机器人需要将物品带到它们附近，因此这项任务被评为E1。我们估计补货员将70%的时间用于像这样被评为E1的任务，另外16%的时间用于被评为E2的任务。总而言之，他们的机器人暴露指数得分为1.0。

如果职业中的许多任务中度暴露，或者其一些最耗时任务高度暴露，那么该职业就可能受到机器人影响。比较一下接缝工，他们完成石膏板工作，其暴露指数为1.6，以及回收和再利用工人，他们进行回收分类，其暴露指数为1.7。

接缝工的任务分为未暴露和高度暴露。建造内墙的工人使用纸胶带和一种称为灰泥的材料来抹平石膏板板之间的接缝、接缝和螺丝。灰泥和胶带是杂乱的材料，因此机器人无法执行“将纸胶带压在接缝上，将其嵌入密封化合物中并密封接缝”的任务。在第一层胶带干燥后，工人“应用额外的涂层以填补孔洞并使表面光滑。”这项任务被评为E3：自主石膏板机器人使用AI扫描墙壁，喷涂额外的密封剂层，并在干燥后打磨墙壁。²⁹总的来说，按工作时间计算，41%的接缝工任务在E3暴露，而机器人无法完成另外26%的任务。

相比之下，对于回收和再利用工人，按工作时间计算，机器人可以在E2水平上完成超过四分之三的任务。他们只有8%的工作时间未暴露。例如，配备计算机视觉和吸力夹爪的机器人可以执行“将金属、玻璃、木材、纸张或塑料等材料分类到适当的容器中进行回收”的任务。³⁰这些机器人取代了从传送带上挑选回收品的工人，因此这项和其他任务被评为E2。

对于接缝工，机器人擅长特定任务，而对于回收工人，暴露范围更广，但机器人的适应性较低。接缝工的杂乱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较早使用机器人，而较小的设施会较晚采用它们。无论如何，如果机器人得到广泛部署，这两种职业都可能发生变化。

暴露职业的特点

在确定了我们的暴露指标后，我们现在考虑暴露可能对劳动力市场意味着什么。

图5将机器人暴露指数前五分位的工人与未暴露的工人进行比较，后者约占工作总量的另外20%。2020-2024年美国社区调查数据显示，高度暴露的工人女性比例低20个百分点，西班牙裔比例高16个百分点。这些工人获得学士学位或更高学历的可能性也低55个百分点，时薪低约30美元，失业率是未暴露工人的两倍多。³¹

劳工统计局汇编的职业要求统计数据也显示，机器人暴露的工作更有可能需要搬运重物，或在极端高温或有害污染物环境中工作。这种暴露模式在很多方面与典型的LLM暴露情况相反。³²

机器人与LLM暴露

接下来，我们分析机器人是否会扩大工作风险，而不仅仅是LLM带来的风险。基于Eloundou等人（2024）和Massenkoff与McCrory（2026）的研究，我们比较了两种职业暴露指标：

• LLM exposure: the share of job tasks for which an LLM could halve required time (called theoretical capability in our prior work).
• LLM和机器人暴露：暴露于LLM或机器人中的工作任务比例，每个任务取LLM暴露和E1+机器人暴露中的较高值。

机器人与LLM暴露评级衡量略有不同的概念，但两者都表明技术可以完成大部分给定任务。虽然在实际工作中整合LLM和机器人可能会带来新的挑战或实现新功能，但这两个指标基于当前能力提供了对职业暴露的初步见解。

图6按广义职业类别绘制了仅暴露于LLM的工作（蓝色）和同时暴露于LLM和机器人（橙色）的工作。机器人暴露的工作种类和数量比仅暴露于LLM的工作更多。虽然不到15%的运输和移动任务仅暴露于LLM，但约90%的任务在机器人暴露下。类似地，机器人将办公室及行政支持工作的暴露率提高到近100%，这些工作主要涉及计算机操作和轻微体力劳动。总体而言，约一半的工作仅暴露于LLM，但考虑到机器人后，这一比例上升到81%。

今天LLM和机器人无法完成哪些工作？以个人护理与服务工作为例，其中约40%的任务暴露于其中。面对面的社交互动和与人类的身体接触，这两者LLM和机器人都难以处理，对这类工作至关重要。这个例子表明，高度人际交往的工作或需要精细操作的工作可能对短期自动化不太敏感。³³ 安装与维修、医疗保健支持以及社区与社会服务这类职业群体也符合这一模式，暴露率相对较低。虽然LLM和机器人目前无法执行这些任务，但总体而言没有职业群体的暴露率低于40%。而且，技术的进步可能会随着时间的推移使新的自动化形式成为可能。

未暴露的任务也有助于描述哪些工作难以自动化。我们将具有相似文本的未暴露任务陈述分组，并要求Claude对这些任务进行描述（附录C.1）。目前未暴露于LLM或机器人的任务通常是动手操作和面对面接触，有时受到监管。医疗保健任务常常结合这些特征，例如“向患者给药并监测患者反应或副作用。”

在附录C.2中，我们研究哪些障碍可能最妨碍物理任务的自动化。我们询问Claude，如果未解决，哪些障碍今天会阻止机器人在每个物理任务中完成显著份额，无论是否暴露。我们将这些分为四类：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、规划和推理、移动性和力量以及感知中挑选最重要的缺失技能。

我们发现能力和成本是机器人采用的最大障碍。能力阻止了大约70%的物理任务采用。操作能力突出：如果没有机器人变得更擅长触摸和处理物体，那么一半的物理任务将不会实现规模化自动化。规划和推理技能的不足——人工智能似乎最有可能改进这些技能——限制了机器人自动化8%的物理任务。对于几乎所有任务，成本也需要下降。

我们的估计表明，今天的监管不允许机器人执行14%的物理任务。监管对医疗保健、防护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、维修和材料移动领域的任务影响较小，这些任务约占物理工作的50%。人类偏好阻碍了四分之一的任务。这可能是因为人们不信任机器人（“给孩子们穿衣服和换尿布”）或者因为他们重视社交互动（“迎接客人，护送他们到座位，并向他们展示菜单和酒单”）。

如果机器人能力迅速发展，这些结果意味着什么？大约30%的物理任务受限于偏好或监管。如果机器人变得有能力和成本效益，那么大部分物理工作将暴露出来，尽管其余部分可能成为拖累整体生产力加速的薄弱环节。能力的进展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。话说回来，更好的机器人也可以减少对自动化的抵制，例如通过缓解安全担忧。我们接下来转向机器人成本，这是这些估计中最常见的障碍。

机器人成本和采用

尽管机器人今天可以执行大多数物理工作，但这样做可能不经济。使用昂贵硬件制成的机器人不像软件或LLMs那样容易复制和分发。与评估能力但不评估成本的LLM暴露衡量标准相比，区分暴露于成本竞争力机器人工作的任务尤为重要。³⁴

对于每个暴露的任务，我们根据任务暴露衡量标准中引用的特定机器人，估计机器人执行该任务的年成本。我们提示Claude使用网络搜索和每个任务引用的机器人列表来估计成本。自动化一个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导航非结构化环境。

估算涵盖了将机器人部署到每个任务上的全部成本。³⁵ 为了使机器人和人工成本具有可比性，我们首先要求 Claude 估算一个人类工人在一年内通常在一个任务上能产出多少。例如，“滚、揉、切或塑形面团”的面包师，每年估计能产出 180,000 个塑形产品。Claude 然后估算让机器人生产相同产出的成本。由于面包师在不同的环境中执行这个任务，Claude 对零售、中规模和工业面包店的机器人部署成本进行了平均。固定成本被年化以反映硬件寿命和货币的时间价值。

按这种方式计算，机器人执行任务的成本可以与工人的工资进行比较。我们说一个任务受到成本竞争性机器人的影响，如果其机器人成本低于其人工成本，人工成本计算为该职业从 BLS 获得的总补偿按在该任务上花费的时间比例缩放。³⁶ 标准经济模型预测这些任务将被自动化，尽管考虑到采用摩擦和成本不确定性，这个指标更具提示性。³⁷ 有关详细信息和机器人任务成本的计算示例，请参阅附录 D.1。

机器人经常执行多个工作任务，但我们估算的是职业中单个任务的成本。简单地将任务成本相加可能会重复计算机器人或低估实际部署中的协调成本。我们按职业进行汇总，向 Claude 提供任务成本估算，并要求扣除冗余和新增成本的总成本。我们说一个职业受到成本竞争性机器人的影响，如果这个总机器人成本低于其总补偿按机器人可以执行的任务上花费的时间比例缩放。³⁸

图 7 展示了五个高度体力劳动的岗位以及机器人执行其受影响任务的成本估算。打包员和包装员是受成本竞争性机器人影响最大的职业。完成打包员和包装员的任务需要多个机器人，包括打包容器、在仓库周围移动材料、进行货物视觉检查、搭建纸箱、打印和应用标签以及封箱。³⁹ 这些机器人的购买和安装成本估计超过 200 万美元，但可以替代大约 14 名工人的年工作量。固定成本分摊在约 10 年的服务寿命和 8% 的资本成本上。运营费用，如维护、兼职人工监督和能源，使年成本达到约 45,000 美元，以每年替代一名人类工人。由于打包员和包装员 97% 的时间都花在机器人可以执行的任务上，且成本约为 49,000 美元，因此机器人每年执行这项工作的成本大约低 2,500 美元。

美国目前约有 560,000 名打包员和包装员。企业面临采用摩擦，如监管或借贷限制，因此这些成本估算值是近似的。例如，自动驾驶出租车（robotaxis）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 然而，自动化风险可能更高，特别是对于成本竞争性机器人可以执行的体力劳动岗位。自 2015 年以来，打包员和包装员的就业人数下降了 22%。并且 BLS 预测，到 2035 年，这个职业将失去美国第 11 大量的就业岗位，仅次于矫正官和 9 个销售和办公室职业。⁴¹

图7中显示的其他工作中，机器人的成本远高于人类，尽管它们可以完成大部分工作。在金属加工领域，配备摄像头和人工智能的机器人可以自主进行焊接。⁴² 但人类焊工执行许多使焊接成为可能的任务，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完成材料。自动化这项工作需要成本合计大约是人类焊工五倍的机器人。

洗碗机、清洁工和清洁工的收入比焊工低25,000到30,000美元。但他们的机器人替代品仍然贵好几倍。清洁工作难以标准化和流程化，机器人清洁器通常比人类慢，并且只能执行特定任务。⁴³

图8通过绘制假设的、均匀下降的机器人成本下接触成本竞争性机器人的程度，总结了机器人的成本。例如，如果机器人现在的成本降低了20%，它们将具有成本竞争力，用于280万工人完成的工作。这些工人平均有42%的时间从事接触机器人的工作，占经济中所有工作时间的0.8%。作为参考，行业和政府数据显示，自1990年代以来，机器人价格每年下降约3%。以这个速度，大约需要七年才能实现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。

虽然理论上机器人可以执行占所有工作时间总和34%的任务，但它们今天只有0.3%的成本竞争力。尽管如此，这包括大约30万工人，机器人可以完成他们95%的任务。⁴⁴ 正如图7所示，今天的机器人对于包装工和快递员以及出租车司机具有成本竞争力或接近成本竞争力，但对于大多数其他工作则远远不够。

为了让机器人对人类10%的工作具有成本竞争力，成本需要下降约70%。以每年3%的下降速度，这将需要大约40年。话说回来，新的人形机器人或新的制造工艺可能会降低成本以自动化人类工作。报告称，如果对人和其他机器人有强烈需求，全球生产可能会迅速扩大。⁴⁵

人类和机器人之间的成本相当也不一定意味着高失业率或快速经济增长。工人们仍然执行的任务可能会成为瓶颈，并且这些机器人成本估计通常包括人类监督、异常处理或维修工作。正如Acemoglu和Restrepo（2019年）以及Jones和Tonetti（2026年）强调的那样，只有当机器人的成本远低于人类时，自动化才会提高生产力，而不是在成本相当时。

我们在两个扩展中应用了这些成本估计。附录D.2计算了一种替代职业暴露指标，该指标考虑了机器人能做什么以及它们能以多低的成本做。考虑成本产生的职业排名与我们的主要、以能力为中心的指标非常相似（0.95的排名相关性）。

附录E还提出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案例，以及人形机器人的分析师预测。我们保持任务和工资不变，并询问历史成本下降和功能提升的速度何时会使机器人具有成本竞争力。

为了模拟机器人随时间承担新工作的过程，我们使用当今的机器人对1977年的工作任务进行评级，并与1977年的机器人暴露情况进行比较。1977年，机器人无法完成62%的体力任务。而当今的机器人可以完成这些相同任务中的96%。随着时间的推移，这意味着每年机器人能够完成之前无法完成的任务的2%（参见附录B.4）。

考虑到每年3%的成本下降，直到2085年，机器人才在当今一半的体力工作中具有成本竞争力。但机器人技术的快速发展可能会加速这些时间表。在快速采用情景下，如果质量调整后的成本下降速度提高高达四倍，并且机器人完成新任务的速度提高一倍，那么到2050年，机器人将在一半的体力工作中变得具有成本竞争力。目前自动化90%的体力工作仍然需要53年。

需要注意的是，我们的情景将相同成本下降或能力提升应用于每个任务，因此任务将在相对于工人工资的当今成本排名中变得具有成本竞争力。这一排名反映了广泛的经济激励，但机器人公司也可能出于其他原因首先针对某些能力。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其自身运营有用的工厂工作，就像人工智能公司优先考虑编码代理一样⁴⁶。

总的来说，为了实现快速物理自动化，机器人需要在未来几十年内持续保持创纪录的价格下降和品质提升。即便如此，由于这些成本预测排除了偏好和监管等力量以及工资下降等反馈效应，因此这些工作的影响不太确定。

讨论

我们引入了一个新的机器人暴露工作指标。当机器人能够执行其任务时，该工作就会暴露。与需要重建工作场所的机器人（如工厂机器人）相比，像人类一样工作的机器人对暴露的影响更大。

我们发现驾驶工作最容易暴露，这是由于自动驾驶汽车。如今大多数机器人都不像自动驾驶汽车，并且只在受控环境中运行。但机器人可以在某种程度上执行大多数体力工作，尽管对于相同的任务，它们的价格是人类的好几倍。暴露于机器人的工作与暴露于大型语言模型的工作有很大不同。它们支付的薪水较低，并且体力要求更高。

我们希望这些指标能够帮助分析物理自动化，随着人工智能扩展机器人能够做的事情。今天的暴露模式可能会为更强大的机器人将如何扰乱未来的工作提供信息。并且可以通过定期更新这项工作来跟踪机器人的能力。

我们的暴露量表基于这样的想法，即当当今的机器人在某些环境中已经执行这些任务时，这些工作更有风险。我们发现，以这种方式评估机器人可以预测历史上的劳动力市场影响。但人工智能驱动的机器人可能会超越我们的量表，并执行它们今天无法完成的工作，例如通过学习爬梯子或更灵活地使用它们的手臂和夹具。

关于机器人和人工智能如何重塑经济，仍有许多不确定性。人工智能的增长预测通常假设物理瓶颈——机器人可以缓解这些瓶颈——将拖累自动化认知工作的收益。我们还未考虑人工智能如何在不使用机器人的情况下影响体力劳动，例如通过更好地预测工厂机器何时需要维护。从近期来看，追踪人工智能影响的努力可能会关注暴露的职业，如司机和仓库打包员，以寻找早期中断的迹象。从长远来看，一个关键问题是工作本身将如何改变，也许随着机器人和人工智能的进步，工作将变得更加社交和人际交往。

附录

可在 此处 获取。

数据可用性

本报告的数据可在 此处 获取。

参考文献

Abraham, Katharine G. 和 James R. Spletzer, "新工作是否是好的工作？", 载于 Katharine G. Abraham, James R. Spletzer 和 Michael J. Harper 编的 新经济中的劳动力, 芝加哥大学出版社, 2010, 101-143。

Acemoglu, Daron 和 David Autor, "技能、任务和技术：对就业和收入的影响", 载于 劳动经济学手册, 第 4B 卷, Elsevier, 2011, 1043-1171。

Acemoglu, Daron, David Autor, David Dorn, Gordon H. Hanson, 和 Brendan Price, "进口竞争与 2000 年代的美国大就业衰退", 劳动经济学杂志, 2016, 34 (S1), S141-S198。

Acemoglu, Daron, Andrea Manera, 和 Pascual Restrepo, "美国税法是否有利于自动化？", 布鲁金斯经济活动论文, 2020 年春季, 231-300。

Acemoglu, Daron 和 Pascual Restrepo, "人与机器的竞争：技术对增长、要素份额和就业的影响", 美国经济评论, 2018, 108 (6), 1488-1542。

Acemoglu, Daron 和 Pascual Restrepo, "自动化和新任务：技术如何取代和重新确立劳动力", 经济学展望杂志, 2019, 33 (2), 3-30。

Acemoglu, Daron 和 Pascual Restrepo, "机器人和工作：来自美国劳动力市场的证据", 政治经济学杂志, 2020, 128 (6), 2188-2244。

Acemoglu, Daron 和 Pascual Restrepo, "任务、自动化和美国工资不平等的上升", 计量经济学杂志, 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：用于移动机器人的多智能体基础模型", arXiv:2508.08574, 2025。

Aghion, Philippe, Benjamin F. Jones, 和 Charles I. Jones, "人工智能与经济增长", 载于 Ajay Agrawal, Joshua Gans, 和 Avi Goldfarb 编的 人工智能经济学：议程, 芝加哥大学出版社, 2019, 237-282。

Airbus, "Airbus 完成ATTOL，进行完全自主飞行测试", 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 测试新技术以增强飞行员辅助", 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

亚马逊，“介绍瓦伦：亚马逊首款拥有触觉的机器人，”关于亚马逊，2025年5月7日。 https://www.aboutamazon.com/news/operations/amazon-vulcan-robot-pick-stow-touch

安德雷assen，达格，“来自耶伦的机器人成功，”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

安德里奇owicz，马林，鲍恩·贝克，马塞克·乔奇，拉法尔·约瑟夫维奇，鲍勃·麦克格鲁，雅库布·帕霍茨基，亚瑟·佩特龙，马蒂亚斯·普拉珀特，格伦·鲍威尔，亚历克斯·雷，乔纳斯·施奈德，西莫恩·西多，乔什·托宾，彼得·韦林德，莉莉安·温格，和沃伊切赫·扎雷姆巴，“学习灵巧的手内操作，”国际机器人研究杂志，2020年，39 (1)，3-20。

阿拉ntes，安娜·P.，娜迪娅·布雷萨恩，卢迪米拉·R·博格斯，和克里斯·A·麦吉本，“评估一种新型实时自适应按需辅助控制器用于中风后机器人辅助上肢康复，”PLoS ONE，2023年，18 (10)，e0292627。

阿塔lay，恩赫因，派·冯通提恩萨姆，塞巴斯蒂安·索特洛，和丹尼尔·塔纳巴姆，“美国工作的演变，”美国经济杂志：应用经济学，2020年，12 (2)，1-34。

奥托r，大卫H.，“为什么还有这么多工作？工作自动化的历史和未来，”经济学展望杂志，2015年，29 (3)，3-30。

奥托r，大卫，卡罗琳·钦，安娜·萨拉蒙斯，和布莱恩·塞格米勒，“新前沿：新工作的起源和内容，1940-2018，”季度经济学杂志，2024年，139 (3)，1399-1465。

奥托r，大卫H.和大卫·多恩，“低技能服务工作的增长和美国劳动力市场的两极分化，”美国经济评论，2013年，103 (5)，1553-1597。

奥托r，大卫H.，大卫·多恩，和戈登·H·汉森，“中国综合征：进口竞争对美国地方劳动力市场的影响，”美国经济评论，2013年，103 (6)，2121-2168。

奥托r，大卫H.，劳伦斯·F·卡茨，和艾伦·B·克鲁格，“计算不平等：计算机改变了劳动力市场吗？，”季度经济学杂志，1998年，113 (4)，1169-1213。

奥托r，大卫H.，弗兰克·利维，和理查德·J·马纳尼，“近期技术变革的技能内容：一个实证探索，”季度经济学杂志，2003年，118 (4)，1279-1333。

奥托r，大卫，大卫· Mindell，和伊丽莎白·雷诺兹，“未来的工作：在智能机器时代构建更好的工作，”麻省理工学院未来工作任务组，2020年。

奥托r，大卫H.和尼尔·汤普森，“专业知识，”欧洲经济协会杂志，2025年，23 (4)，1203-1271。

Badger Technologies，“Badger Technologies和Stop & Shop商店在300多个地点升级Marty机器人以改善顾客购物体验，”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

美国银行，“人形机器人101，”美国银行全球研究，2025年4月29日。

日本银行，“生产者价格指数，2020年基数：机器人[PRCG20_2201350029]，”时间序列数据搜索，2026年。 https://www.stat-search.boj.or.jp/

巴普蒂斯塔，爱德华多，朱敏·朴，和劳丽·陈，“机器人即将迎来“ChatGPT时刻”，Unitree首席执行官表示，”路透社，2026年8月20日。 https://www.reuters.com/world/asia-pacific/robots-poised-chatgpt-moment-unitree-ceo-says-2026-08-20/

比勒德，奥德和达尼卡·克拉吉奇，"机器人操作的趋势与挑战"，《科学》，2019，364 (6446)，eaat8414。

宾德，达蒙，"通用人工智能将引发工业爆炸"，《人工智能前沿》，2026年8月11日。https://ai-frontiers.org/articles/agi-will-set-off-an-industrial-explosion

比斯普，托德，"亚马逊机器人数量突破一百万：他们做什么"，《极客维》，2025年7月1日。https://www.geekwire.com/2025/amazons-robot-workforce-hits-1-million-heres-what-they-all-do/

宝马集团，"宝马集团通过斯巴坦堡的03项目推进物理人工智能在生产中的应用"，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

波士顿咨询集团，"机器人革命：制造业的下一个重大飞跃"，报告，2015年9月。https://www.bcg.com/publications/2015/lean-manufacturing-innovation-robotics-revolution-next-great-leap-manufacturing

波士顿动力，"Stretch"，产品页面，2026。https://bostondynamics.com/products/stretch/

布鲁克斯，罗德尼，"为什么今天的拟人机器人不会学习灵巧性"，rodneybrooks.com，2025年9月26日。https://rodneybrooks.com/why-todays-humanoids-wont-learn-dexterity/

构建机器人，"世界上第一个完全自主的挖掘解决方案"，外骨骼产品页面，2026。https://www.builtrobotics.com/solutions/trenching

画布，"石膏板打磨机器人"，产品页面，JLG工业，2026。https://www.jlg.com/en/canvas

卡扎尼加，马乌罗，弗洛伦斯·乔莫特，龙吉·李，乔瓦尼·梅利纳，奥古斯都·J·潘顿，卡洛·皮齐内利，艾玛·J·罗卡尔，和玛丽娜·门德斯·塔瓦雷斯，"Gen-AI：人工智能与工作的未来"，国际货币基金组织员工讨论笔记SDN/2024/001，2024。

查帕罗-里科，贝齐·D·M，达尼埃莱·卡福拉，保罗·托尔奥拉，和吉塞佩·加拉尔迪，"使用Lokomat工具在卒中亚急性期评估偏瘫和非偏瘫下肢的刚度、关节扭矩和活动范围"，《应用科学》，2020，10 (18)，6168。

陈，嘉峰和乔纳森·罗特，"有零的日志？一些问题和解决方案"，《经济学季刊》，2024，139 (2)，891-936。

克利夫兰诊所，"达芬奇机器人手术"，健康图书馆，最后更新于2025年4月29日。https://my.clevelandclinic.org/health/treatments/16908-da-vinci-surgery

科克本，伊恩·M，丽贝卡·亨德森，和斯科特·斯特恩，"人工智能对创新的影响：一项探索性分析"，在阿贾伊·阿格拉瓦尔，约书亚·加恩，和阿维·戈德法布编的《人工智能经济学：议程》中，芝加哥大学出版社，2019，115-146。

联邦法规汇编，"飞行机组构成"，14 CFR 121.385，检索于2026年9月21日。https://www.ecfr.gov/current/title-14/section-121.385

CORDIS，"用于包装新鲜肉类以减少浪费/赠品、处理时间、人工参与和污染的自动化系统 (AUTOMEATIC)"，欧洲委员会，资助协议775913，定期报告摘要，2018。https://cordis.europa.eu/project/id/775913

Counterpoint Research, "全球人形机器人出货量2026年上半年激增近300%，受商业部署推动", 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的日益重要性", 经济学季刊, 2017年, 132 (4), 1593-1640。

Denain, Jean-Stanislas 和 Yann Rivière, "机器人生产规模能多快扩大?," Epoch AI, 2026年4月。 https://epoch.ai/publications/how-fast-could-robot-production-scale-up

Drankhan, Holly, "机器人挤奶喷头的发展降低成本和劳动力", 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完美地看和驾驶", 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就是GPTs：大型语言模型对劳动力市场的潜在影响", 科学, 2024年, 384 (6702), 1306-1308。

Epiroc, "自主物料搬运：迈向未来矿山的关键一步", 客户故事, 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, "行走和说话的机器人即将来到汽车工厂", 纽约时报, 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：切穿借口的标准", 博客, 2026年6月26日。 https://www.fabrico.io/blog/maintenance-cost-as-percent-of-rav/

Federal Aviation Administration (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., "工人功能的结构", 人事与指导杂志, 1955年, 34 (2), 66-73。

Fine, Sidney A. 和 Wretha W. Wiley, 功能工作分析入门, Kalamazoo, MI: W.E. Upjohn 机构就业研究, 1971。

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, "机器人中的基础模型：应用、挑战和未来", 国际机器人研究杂志, 2025年, 44 (5), 701-739。

Fori Automation, "脚工具系统", 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：工作对计算机化的敏感性如何?," 技术预测与社会变革, 2017年, 114, 254-280。

弗里德尔，威廉·C·小，托马斯·S·贝坦库尔和丹尼尔·L·弗里曼，"采用电子分选的番茄收获", 美国专利4,033,099，于1977年7月5日颁发。 https://patents.google.com/patent/US4033099A/en

弗里德尔，威廉·C·小和查尔斯·F·迪茨，"番茄收获分拣系统", 美国专利4,118,311，于1978年10月3日颁发。 https://patents.google.com/patent/US4118311A/en

戈德曼，莎伦，"一年前，英伟达的黄仁勋说机器人的'ChatGPT时刻'即将到来。现在他说它'几乎到了。'但这真的吗?", 福布斯, 2026年1月6日。 https://fortune.com/2026/01/06/nvidia-jensen-huang-chatgpt-moment-for-robotics/

冈萨雷斯·哈尔特，哈维尔，玛ite·奥尔特兹·德·扎拉特和艾托尔·伊巴尔古伦，"基于CAD的线束制造航空领域机器人编程解决方案", 机器人学, 2023, 12 (5), 130。

格雷茨，乔治和盖伊·迈克尔斯，"工作中的机器人", 经济学与统计学评论, 2018, 100 (5), 753-768。

Gridwise, "机器人出租车如何影响AV城市的司机收入?," 博客, 2025年8月。 https://gridwise.io/blog/how-are-robotaxis-affecting-driver-pay-in-av-cities

赫希，巴里·T，大卫·A·麦克弗森和威廉·E·伊文，" CPS的工会会员、覆盖范围和收入" [数据集], Unionstats.com, 2026。 https://unionstats.com/

霍纳坎普，佩克森，"在优步- Waymo分裂中，关于AV的这场关键劳工战正在国家首都进行"，CNBC，2026年8月1日。 https://www.cnbc.com/2026/08/01/uber-waymo-autonomous-vehicle-regulation.html

哈夫纳，华莱士·E，"美国水果和蔬菜收获中节省劳动力的机械化现状", 选择, 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

胡卢姆，安德斯，"机器人采用与劳动力市场动态", Rockwool基金会研究单位研究论文175, 2021。

黄志庆，Runsheng徐，Hubert林，魏志洪，景伟基，Kristy蔡，黄迪，何通，Paul考文顿，Benjamin萨普，周寅，郭杰，Dragomir安格尔洛夫和谭明兴，"EMMA：自动驾驶端到端多模态模型", 机器学习研究交易, 2025。

伊巴尔兹，朱利安，Jie谭，切尔西芬恩，Mrinal卡尔克里希南，彼得帕斯特和谢尔盖列文，"如何用深度强化学习训练你的机器人：我们学到的教训", 国际机器人研究杂志, 2021, 40 (4-5), 698-721。

Ingenia, "水果采摘机器人", 第93期，2022年12月。 https://www.ingenia.org.uk/articles/fruit-picking-robots/

国际标准化组织（ISO），"机器人学——词汇", ISO 8373:2021，日内瓦，2021。

贾勒特，科西特，"关于帮助您交付亚马逊包裹的AI驱动机器人的12个有趣事实", 关于亚马逊，2023年12月11日。 https://www.aboutamazon.com/news/operations/amazon-robotics-cool-facts

琼斯，查尔斯·I和克里斯托弗·托内蒂，"过去的自动化和未来的AI：弱链接如何驯服增长爆炸"，工作论文，斯坦福大学，2026。 https://web.stanford.edu/~chadj/JonesTonetti_Automation.pdf

Jurkat, Anne, Rainer Klump, 和 Florian Schneider, "追踪机器人的崛起：IFR 数据库及其应用的调查", MPRA 论文 111812, 慕尼黑个人 RePEc 存档, 2021 年 10 月。 https://mpra.ub.uni-muenchen.de/111812/

Katz, Lawrence F. 和 Kevin M. Murphy, "相对工资的变化，1963-1987：供给和需求因素", 季度经济学杂志, 1992, 107 (1), 35-78。

Kawasaki Robotics, "处于 FRP 自动化的前沿：KADO × IEC 开创的喷涂和切割工艺创新", 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, 和 Eduardo Torres-Jara, "人类环境中机器人操作面临的挑战", IEEE 机器人与自动化杂志, 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, 和 Chelsea Finn, "OpenVLA：一个开源的视觉-语言-行动模型", 在 第 8 届机器人学习会议 (CoRL 2024) 的论文集, 机器学习研究论文集, 2025, 270, 2679-2713。

Kober, Jens, J. Andrew Bagnell, 和 Jan Peters, "机器人的强化学习：一项调查", 国际机器人研究杂志, 2013, 32 (11), 1238-1274。

Kogan, Leonid, Dimitris Papanikolaou, Lawrence D. W. Schmidt, 和 Bryan Seegmiller, "技术和劳动力替代：来自将专利与工人层面数据关联的证据", NBER 工作论文 31846, 2023。

Kroemer, Oliver, Scott Niekum, 和 George Konidaris, "机器人操作学习的回顾：挑战、表示和算法", 机器学习研究杂志, 2021, 22 (30), 1-82。

Link, Albert N., Zachary T. Oliver, 和 Alan C. O'Connor, "先进制造业技术基础设施需求的经济分析：先进机器人和自动化", NIST GCR 16-005, 美国国家标准与技术研究院, 2016 年 8 月。 https://doi.org/10.6028/NIST.GCR.16-005

Lise, Jeremy 和 Fabien Postel-Vinay, "多维技能、排序和人力资本积累", 美国经济评论, 2020, 110 (8), 2328-2376。

Ludwig, Jens, Sendhil Mullainathan, 和 Ashesh Rambachan, "大型语言模型：一个应用计量经济学框架", NBER 工作论文 33344, 2025。

Lung, Natalie, "纽约的机器人出租车计划因 Waymo 扩张受阻而搁置", 彭博新闻, 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., "Waymo 训练自动驾驶汽车的神秘世界内部", 大西洋, 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., "迈向机器人操作", 控制、机器人和自主系统年度评论, 2018, 1, 1-28。

Massenkoff, Maxim 和 Peter McCrory, "人工智能对劳动力市场的影响：一个新的衡量标准和初步证据", Anthropic, 2026 年 3 月 5 日。 https://www.anthropic.com/research/labor-market-impacts

Mayekawa, "脱骨機械," 产品页面, 2026a. https://mayekawa.com/products/deboning_machines/

Mayekawa, "通过可靠的脱骨技术减轻工作量，稳定生产以满足猪肉市场需求," 与 Mayekawa, 2026b (未注明日期; 于 2026 年 9 月 29 日检索). https://mayekawa.com/with/stories/hamdas/

McKinsey & Company, "机器人的未来：智能、适应性强，并成为您团队的一员," 下一个正常状态, 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, "基于评估的机器人辅助治疗中运动难度选择和适应: 一项使用手康复机器人的试点研究," 神经工程与康复杂志, 2014, 11, 154。

Moravec, Hans, 心智儿童：机器人和人类智能的未来, 马萨诸塞州剑桥: 哈佛大学出版社, 1988。

Morgan Stanley, "人形机器人市场预计到 2050 年将达到 5 万亿美元," 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：具身人工智能的投资影响," 报告, 2024 年 6 月 26 日。

Navas-Reascos, Gabriel E., David Romero, Johan Stahre, 和 Alberto Caballero-Ruiz, "协作机器人支持的线束装配过程：文献综述和研发呼吁," 机器人, 2022, 11 (3), 65。

Nissyoku Shimbun, "前川制作所发布猪肉后腿肉脱骨机器人「哈姆达斯」" [Mayekawa 发布 HAMDAS 猪肉后腿肉脱骨机器人], 日本食品工业新闻, 1998 年 9 月 14 日. https://news.nissyoku.co.jp/news/nss-8423-0032

Oitzman, Mike, "制药机器人推动自动化奶牛医疗保健发展," 机器人报告, 2025 年 7 月 13 日. https://www.therobotreport.com/pharm-robotics-advances-automated-dairy-cow-healthcare/

Oxmaint, "食品制造维护预算规划：规划、基准和控制成本," 2026 年 3 月 28 日. https://oxmaint.com/industries/food-manufacturing/food-manufacturing-maintenance-budgeting-benchmarks-cost-control

Pallottino, Lucia, "仓库和物流的机器人技术：技术、挑战和未来方向," 控制、机器人和自主系统年度评论, 2026, 9, 377-401。

Polanyi, Michael, 默会维度, 纽约花园城: Doubleday, 1966。

Pumacay, Wilbert, Ishika Singh, Jiafei Duan, Ranjay Krishna, Jesse Thomason, 和 Dieter Fox, "罗马斗兽场：评估机器人操作泛化能力的基准," arXiv:2402.08191, 2024。

Reuters, "Meet SwagBot, the AI-Powered Robot Cattle Herder Preventing Soil Degradation," Rappler, December 12, 2024. https://www.rappler.com/technology/innovations/swagbot-artificial-intelligence-powered-robot-cattle-herder/

Rivière, Yann and Jean-Stanislas Denain, "Where Autonomy Works: Evaluating Robot Capabilities in 2026," Epoch AI, 2026. https://epoch.ai/publications/where-autonomy-works-evaluating-robot-capabilities-in-2026

Robbins, Jacob, "Apptronik Raises $520M as VC Funding for Humanoid Robotics Explodes 300%," PitchBook News, February 11, 2026. https://pitchbook.com/news/articles/apptronik-raises-520m-as-vc-funding-for-humanoid-robotics-explodes-300

The Robot Report, "Path Robotics Raises $100M to Automate Welding," October 28, 2024. https://www.therobotreport.com/path-robotics-raises-100m-to-automate-welding/

The Robot Report, "Okibo Opens New Jersey HQ and Launches EG7 Robot in U.S. Market," April 11, 2025. https://www.therobotreport.com/okibo-opens-new-jersey-hq-and-launches-eg7-robot-in-u-s-market/

Rosen, C. A., "Machine Vision and Robotics: Industrial Requirements," in George G. Dodd and Lothar Rossol, eds., Computer Vision and Sensor-Based Robots, Springer, 1979, 3-22.

SAE International, "Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles," SAE Recommended Practice J3016_202104, April 2021.

Sandvik, "Sandvik Introduces AutoMine AutoLoad 2.0 for Improved Autonomous Bucket Loading," press release, June 14, 2023. 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, "Wheel Assembly Lines: Individual & Complete Solutions," product page, 2025. https://www.schenck-rotec.com/en-us/product/wheel-assembly-lines/

Scoop, "‘Golden Opportunity’ for Scott Technology with Silver Fern Farms," Scott Technology announcement, September 14, 2022. https://www.scoop.co.nz/stories/BU2209/S00201/golden-opportunity-for-scott-technology-with-silver-fern-farms.htm

Simbe Robotics, "Tally," product page, 2026. https://www.simberobotics.com/store-intelligence/tally

Statista, "Average Retail Electricity Price for Industrial Consumers in the United States from 1970 to 2025," April 28, 2026. 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, 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 working paper, January 2024. 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, course notes for MIT 6.421, 2026. http://manipulation.mit.edu

Telexistence, "Telexistence to Begin Installing AI Robot 'TX SCARA' in 300 FamilyMart Stores," press release, August 10, 2022. https://tx-inc.com/en/blog/2022/08/10/11737/

Thomas, Charlotte, "Rise of the Robots," METSTRADE, October 23, 2023. 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, June 17, 2025.

University of Michigan, "U-M Opens Mcity Test Environment for Connected and Driverless Vehicles," Michigan Engineering News, July 20, 2015. 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, retrieved from FRED, Federal Reserve Bank of St. Louis, 2026. https://fred.stlouisfed.org/series/B935RG3A086NBEA

U.S. Bureau of Labor Statistics (BLS), "A New Methodology for Estimating Hours Worked for U.S. Labor Productivity Measurement," Office of Productivity and Technology technical note, November 3, 2022. 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), "Occupational Employment and Wage Statistics (OEWS): May 2025 National Occupational Employment and Wage Estimates," 2025. https://www.bls.gov/oes/tables.htm

U.S. Bureau of Labor Statistics (BLS), "Consumer Price Index for All Urban Consumers: New Vehicles, U.S. City Average, Not Seasonally Adjusted [CUUR0000SETA01]," 2026a. https://www.bls.gov/cpi/

U.S. Bureau of Labor Statistics (BLS), "Employment Level - Agriculture and Related Industries [LNS12034560] and Employment Level [CE16OV]," Current Population Survey, retrieved from FRED, Federal Reserve Bank of St. Louis, 2026b. https://fred.stlouisfed.org/series/LNS12034560

U.S. Bureau of Labor Statistics (BLS), "Occupational Employment and Wage Statistics: Frequently Asked Questions," 2026c, retrieved September 21, 2026. https://www.bls.gov/oes/oes_ques.htm

U.S. Census Bureau, "Annual Capital Expenditures Survey: Robotic Equipment Expenditures, 2019-2022," 2024. https://www.census.gov/programs-surveys/aces.html

U.S. Department of Transportation Office of Inspector General, "Enhanced FAA Oversight Could Reduce Hazards Associated with Increased Use of Flight Deck Automation," Audit Report AV-2016-013, January 7, 2016. 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, "Introduction to Robot-Assisted Minimally Invasive Surgery (MIS)," in Paula Gomes, ed., Medical Robotics: Minimally Invasive Surgery, Woodhead Publishing, 2012, 1-40.

Wallace, Neal, "Butcher Bot Pays Off in Dollars per Carcase," Farmers Weekly (New Zealand), September 30, 2022. https://www.farmersweekly.co.nz/technology/butcher-bot-pays-off-in-dollars-per-carcase/

Wallace, Neal, "One Giant LEAP for Robo Meatworks," Farmers Weekly (New Zealand), April 22, 2024. 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's Matanya Horowitz on Bringing AI to the Recycling World and How the Tech Is Advancing," November 2023. 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, "The New Generation of Automated Deboning Machines," October 1, 2018. https://www.wattagnet.com/broilers-turkeys/processing-slaughter/article/15526256/the-new-generation-of-automated-deboning-machines-wattagnet

Webb, Michael, "The Impact of Artificial Intelligence on the Labor Market," working paper, Stanford University, 2020.

Wessling, Brianna, "With New Funding, Monumental Plans to Bring Its Construction Robots to the U.S.," The Robot Report, July 17, 2026. https://www.therobotreport.com/with-new-funding-monumental-plans-bring-construction-robots-u-s/

Wishart-Smith, Heather, "Built Robotics Unveils Autonomous Pile Driving Robot, Expediting Solar Rollout," Forbes, March 20, 2023. 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, "Firm Data on AI," NBER Working Paper 34836, 2026. https://doi.org/10.3386/w34836

Yu, Zhen, Jingyu Wang, Ting Zuo, James Alm, Xun Li, and Xue Li, "Robotaxis Reduce Taxi Drivers' Income," Humanities and Social Sciences Communications, 2026, 13, article 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 presentation, Vita Plus, 2018. https://www.vitaplus.com/wp-content/uploads/2018/06/Successfull-Calfraising_with-Auto-feeders2018_2.pdf

Data sources

Althobaiti, Shahad, Ahmad Alabdulkareem, Judy Hanwen Shen, Iyad Rahwan, Morgan Frank, Esteban Moro, and Alex Rutherford. "Dictionary of Titles" [dataset]. 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, retrieved July 30-31, 2026.

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. Occupation crosswalks (occ1990dd) and offshorability measure: https://www.ddorn.net/data.htm.

Bank of Japan. Producer Price Index, 2020 Base: Robots [PRCG20_2201350029]. Time-Series Data Search, retrieved September 16, 2026. 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. Task-level exposure labels: 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 [dataset]. Unionstats.com, 2026. https://unionstats.com/. Described in 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, September 21, 2026.

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, September 16, 2026.

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/

U.S. Bureau of Labor Statistics (BLS). Employment Projections, 2025-35: Table 1.6, Occupations with the Largest Job Declines. Washington, DC: U.S. Department of Labor, August 27, 2026. https://www.bls.gov/emp/tables/occupations-largest-job-declines.htm

U.S. Bureau of Labor Statistics (BLS). Occupational Employment and Wage Statistics (OEWS): 2002, May 2008, May 2015, and May 2025 National Occupational Employment and Wage Estimates. Washington, DC: U.S. Department of Labor. https://www.bls.gov/oes/tables.htm

U.S. Bureau of Labor Statistics (BLS). Occupational Requirements Survey (ORS), 2023 and 2025. Washington, DC: U.S. Department of Labor. https://www.bls.gov/ors/

U.S. Census Bureau. 2018 Census Occupation Code List with Crosswalk, and 2018 ACS PUMS and 2018 SIPP Public-Use Occupation Code List [datasets], 2018. 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

U.S. Census Bureau. Annual Capital Expenditures Survey: Capital Expenditures for Structures and Equipment, Tables 1a and 1b, 2019-2022 releases. https://www.census.gov/data/tables/2022/econ/aces/2022-aces-summary.html

U.S. Department of Labor, Employment and Training Administration. Dictionary of Occupational Titles, Fourth Edition. Washington, DC: U.S. Government Printing Office, 1977.

United States Department of Labor, United States Employment Service, and North Carolina Occupational Analysis Field Center. Dictionary of Occupational Titles (DOT): Revised Fourth Edition, 1991. Ann Arbor, MI: Inter-university Consortium for Political and Social Research [distributor], 2026-02-19. https://doi.org/10.3886/ICPSR06100.v2. Missing text from the Department of Labor Office of Administrative Law Judges DOT pages and https://occupationalinfo.org.

Webb, Michael. 2020. "The Impact of Artificial Intelligence on the Labor Market." Working paper, Stanford University. Robot exposure percentiles and 2010 labor-supply weights: https://web.stanford.edu/~mww/, retrieved July 18, 2026; now at https://www.michaelwebb.co/.