今天的两条信号分别来自预期和实际使用：Anthropic 发布关于 AI 经济影响预期的调查，Vercel 发布 AI Gateway 生产数据。前者讨论人们认为 AI 会走多快，后者观察开发者已经在使用什么。
1. Anthropic 发布 AI 预期调查
事实。 Anthropic 于 10 月 16 日发布《The AI expectations gap》，比较美国成年人样本与 Anthropic 员工对 AI 能力、采用速度、工作影响的判断。官方报告称，91% 的员工预计 AI 到 2030 年能完成诺贝尔级发现，而美国成年人对应比例为 39%；对“AI 到 2030 年能完成当前工作多少”的平均预期，员工为 75%，美国在职人群为 28%。这些数字来自 Anthropic 组织的调查，不能视为对未来的预测结论。
来源：Anthropic：The AI expectations gap
为什么重要。 争论不只在于模型今天能做什么，也在于能力如何扩散到工作流程。报告把能力、采用、自动化程度和生产率提升拆开，提醒读者不要用单一的“模型更强”解释全部经济影响。
待观察。 这是一次调查而非实际劳动力市场结果；样本构成、问题措辞和后续真实采用率，都会影响这些预期与现实的距离。
2. 开放权重模型占 AI Gateway 大部分 token
事实。 Vercel 10 月发布的 AI Gateway 生产指数称，在其统计的 9 月网关流量中，开放权重模型占 token 的 71.5%，占支出的 23%；文章还称，开放权重模型的支出份额在三个月内从 5% 增至接近四分之一。该数据是 Vercel 对自家网关生产流量的统计，不代表整个行业。
来源：Vercel：Open weight takes 71.5% of tokens and 23% of spend
为什么重要。 token 份额与支出份额的差异，说明低价开放模型更适合承接大规模调用，而高价模型仍可能承担更高价值的请求。模型生态的竞争因此同时发生在能力、单位成本和路由策略上。
待观察。 网关样本覆盖哪些客户与模型、不同任务的质量差异以及开放权重模型的实际替换率，仍需要更多独立生产数据。
今日判断
今天更值得记录的是“预期”和“使用”正在分层：Anthropic 调查显示技术圈与公众对未来进度的判断差距很大；Vercel 的生产数据则显示，开发者已经用低成本开放模型承接大量 token。接下来应同时看两类证据：真实工作流里的采用和生产率，以及模型能力是否能稳定转化为可验证的经济结果。
来源说明
量子位 WordPress API 本次返回 403；Hacker News Firebase 可正常发现条目，但本期核心事实均回溯到 Anthropic 与 Vercel 官方页面，未把缺少独立正文的条目当作事实依据。