Anthropic 機器人曝險研究：能做七成四的體力工作，划算的卻只有 0.3%

假設桃園有一家做汽車零件的工廠，廠長最常掛在嘴邊的，大概會是「不是不想自動化，是算不過來」。這是很多中小型工廠的共同心聲。產線上的搬運、上下料，展覽會場上早就有機器手臂示範得很漂亮，但換線頻繁、訂單量又不夠大，一套系統攤提下來，還是比請人貴。

這種現場的直覺，這週被一份研究用數字講了出來。

事件背景

Anthropic 在 9 月 30 日發表研究〈Can we predict the jobs robots will do?〉，試圖回答一個常被喊得很大聲、卻很少被認真量化的問題：機器人到底能做哪些工作？

研究團隊用的是美國勞動部 O*NET 資料庫，涵蓋約 900 種職業、約 1.9 萬項工作任務。他們讓 Claude 依照一套四級量表判斷「現在的機器人」能不能做每一項體力任務：E0 是做不到，E1 是只能在專門設計的環境（例如工廠）做，E2 是能在有結構的場所（例如倉庫）做，E3 是能在開放環境（例如城市道路）做。關鍵是，每一個「能做」的判斷都必須附上實際部署、商業銷售或可信的示範作為證據，而不是憑想像。

Yahoo Finance、TipRanks 與韓國 Digital Today 都在 10 月 1 日前後報導了這份研究，標題幾乎都落在同一個結論：藍領工作被機器人取代，還有幾十年。

本次重點

• 技術上能做很多：現有機器人已能執行美國 74% 的體力工作任務，換算成工時約占全部工作時間的 34%。
• 划算的很少：以成本比較，機器人目前只在 0.3% 的工作任務上比人力便宜。
• 時間尺度是幾十年：若機器人價格照歷史趨勢每年下降約 3%，要約 40 年才會在 10% 的任務上具成本競爭力。
• 最受影響的是駕駛：曝險最高的前十種職業裡有九種是交通工具駕駛，計程車司機居首，接著是接駁車司機等，主因是自動駕駛。倉儲人員也名列前段。
• 最不受影響的是照護：護理、一般維修、個人照護這類需要精細動作與人際互動的工作，曝險最低。
• 加上語言模型：把機器人與大型語言模型合併計算，約 80% 的工作任務（以工時計）至少會被其中一種技術觸及。
• 歷史驗證：回看 1977 年以來的資料，曝險越高的職業，後續工資與就業的下滑也越明顯；機器人每年大約能多做 2% 原本做不到的體力工作。

市場影響分析

台灣使用者

如果你是上班族，這份研究給的訊息其實有點反直覺：體力工作的替代比想像中慢，坐辦公桌的工作反而先被語言模型碰到。研究也點出，美國高曝險勞工多半是男性、學歷與薪資較低，失業率也偏高。台灣的產業結構不同，不能直接套用，但「誰承擔轉型成本」這個問題一樣存在。如果你是職業駕駛，也不必過度恐慌，研究把計程車列為曝險最高，但同時指出它在成本上還不划算，中間還有法規與民眾接受度要過。想先盤點自己職務風險的讀者，可以參考 AI 會取代我的工作嗎。

企業應用

對台灣製造業與物流業，我覺得最實用的是 E1 到 E3 這套分級。它提醒老闆：機器人能不能用，很大程度看你的場域有多「結構化」。像 Standard Bots 這類協作手臂、Locus Robotics 的倉儲移動機器人，都是在 E1、E2 的環境裡最能發揮。與其等萬能的人形機器人，不如先把產線動線、料架規格標準化，讓既有的自動化設備算得過來。

另一個值得注意的是照護。研究把個人照護列為曝險最低，這對長照人力吃緊的台灣不算好消息，代表短期內很難靠機器人補上缺口，還是得在排班、紀錄、派案這些文書端用 AI 減輕負擔。

開發者與研究者

這份研究的方法本身就值得借鏡：用模型批次判讀上萬筆任務，但要求每個判斷附證據。台灣如果要做本地版本，可以思考怎麼把勞動部的職業分類與實際部署案例對接，而不是直接拿美國的數字來用。

未來發展趨勢

作者自己也承認一個限制：AI 驅動的機器人可能「跳級」，突然做到現在還沒有示範過的事，讓這套量表低估未來的變化。我同意這個保留。過去兩年語言模型的進展就證明，能力曲線不一定是平滑的。

但我更在意的是成本那條線。0.3% 到 10% 要走 40 年，前提是價格每年只降 3%。如果人形機器人量產讓價格下降速度翻倍，時間表就會大幅縮短。台灣身為機器人關節、馬達、感測器的重要供應鏈，這條成本曲線的斜率，其實也有一部分握在台灣廠商手上。關於 AI 對就業的整體討論，可以延伸閱讀 AI 與工作的 2026 觀察。

TheAI學院 總結與評語

回到桃園那位廠長。他那句「算不過來」，放到全美國的資料裡看，對應的是 99.7% 工作任務的共同處境。

評語：這份研究最誠實的地方，是把「機器人做得到」和「機器人划得來」分開算——前者是展覽會上的話題，後者才是工廠老闆的決策。

具體建議：製造與物流業者先盤點哪些作業已經在結構化環境中，從那裡試算自動化投資，不要被人形機器人的影片牽著走；勞工與學生則要留意，被語言模型影響的白領任務來得更快，學會跟 AI 工具分工比擔心機器人更急迫；政策端則應該開始做台灣自己的職業曝險資料，別只引用美國數字。

資料來源

• Can we predict the jobs robots will do?（Anthropic 研究，2026-09-30）
• Anthropic study suggests blue-collar workers have decades before robots take their jobs（Yahoo Finance，2026-10-01）
• Will Robots Take Your Job? Why Anthropic's Study Says It Could Take Decades（TipRanks）

本文依公開資訊整理，研究數據以美國 O*NET 職業資料為基礎，不能直接套用於台灣，各項數字以 Anthropic 官方發表為準；文中提及的企業與產品僅為說明，不構成投資建議。