Dario Amodei 担忧只有 30%工作被自动化会导致自动化与非自动化群体间的阶级紧张，他预测几乎所有工作会同时被自动化使大家处于同一起跑线。作者基于自身在 AI 研究、机器人和制造领域的经验，认为近期会有一段时间大量白领工作被 AI 自动化，而许多物理世界工作基本不受影响。

• 评估：作者让模型制定用 3 轴 CNC 铣床和 2 轴 CNC 车床加工一个简单黄铜零件的计划，多数模型在视觉能力（常错过明显特征或出现幻觉）和物理推理技能（如忽略刚性和颤动、提出物理上不可能的工装等）方面表现不佳，Gemini 2.5 Pro 在视觉方面有进步但仍有不足，此评估仅触及表面，真正制造需管理更多细节，模型在各阶段挑战（准确视觉感知、基本物理合理性、融入物理知识、过程优化）中均表现糟糕，且缺乏数据是其在物理任务中表现差的原因。
• 为何 LLM 在物理任务中挣扎：缺乏数据，物理任务依赖隐性知识和经验细节，难以有效数字化，LLM 善于复述课本知识但不足。同时，改进物理世界理解可能困难，如定义复杂物理任务的奖励信号困难、试验错误成本高且危险，也有理由认为可能比预期容易，如自动化 AI 研究者或合成数据的应用。
• 潜在影响：若此趋势持续，远程工作会被大量自动化，而熟练物理工作受 AI 影响小，可能导致阶级冲突、民众反对 AI、地缘政治瓶颈等，存在很多不确定性和紧张局势。
• 结论：这种不平衡的自动化差距可能会持续，AI 研究中很少讨论此问题，政策、职业规划或关注社会稳定的人应考虑部分自动化的影响。附录中详细列出各模型的计划及错误描述，如视觉和物理推理方面的错误等。