Anthropic 经济指数：追踪 AI 在美国和全球经济中的角色

---
title: "Anthropic 经济指数：追踪 AI 在美国和全球经济中的角色"
title_en: "Anthropic Economic Index: Tracking AI's role in the US and global economy"
source: "Anthropic"
source_url: "https://www.anthropic.com/research/economic-index-geography"
published_at: "2026-07-08T22:06:38.000Z"
language: "zh-CN"
topics: ["claude"]
tags: ["Anthropic","Claude"]
review_status: "unreviewed"
---

# Anthropic 经济指数：追踪 AI 在美国和全球经济中的角色

> Anthropic 发布第三份经济指数报告，揭示 AI 使用在全球、美国各州和企业中的不均衡分布，以及指令式自动化任务比例从 27% 猛增至 39%。

## 内容摘要

Anthropic 发布了第三份经济指数报告，通过分析 Claude 的使用数据，追踪 AI 如何改变工作和经济。报告发现，AI 使用在全球和美国各州之间高度不均衡：高收入国家使用更频繁，且更倾向于协作而非自动化；美国各州的使用模式受当地经济结构影响，如夏威夷旅游任务突出。过去九个月，指令式自动化任务比例从 27% 增至 39%，表明用户信任度提升。企业用户比消费者更倾向于自动化，77% 的 AP

## 为什么值得关注

AI 的采用正在重塑全球劳动力市场，但受益不均可能导致经济分化。了解不同地区、行业和用户群体的使用模式，有助于政策制定者、企业和个人为 AI 带来的机遇和风险做好准备。

## 核心要点

- AI 使用在全球高度不均衡，高收入国家使用更频繁，且更倾向于协作而非自动化。
- 美国各州的使用模式受当地经济结构影响，如哥伦比亚特区知识工作突出，夏威夷旅游任务频繁。
- 过去九个月，指令式自动化任务比例从 27% 增至 39%，自动化首次超过增强。
- 企业用户比消费者更倾向于自动化，77% 的 API 对话为自动化模式。
- 软件开发仍是全球最常见的 AI 用途，但教育、科学等知识密集型领域增长迅速。

# Anthropic 经济指数：追踪 AI 在美国和全球经济中的角色

在夏威夷规划旅行、在马萨诸塞州做科学研究、在印度开发网页应用——这三件事看起来没什么共同点。但它们都是 Claude 在这些地方被用得特别多的场景。

这倒不是说这些是最流行的任务：软件开发目前仍然是全球几乎所有州和国家的头号用途。而是说，马萨诸塞州的人比别处更爱用 Claude 做科研；再比如，巴西的 Claude 用户似乎对语言特别感兴趣：他们用 Claude 做翻译和学语言的频率，是全球平均水平的六倍左右。

这些数据来自我们的第三份 [Anthropic 经济指数报告](http://anthropic.com/research/anthropic-economic-index-september-2025-report)。在这份最新报告中，我们扩大了研究范围，记录 AI 应用如何开始改变工作和经济。我们测量了 Claude 在不同场景下的使用差异：

- **在美国各州之间**：我们首次详细评估了 AI 使用如何因州而异。我们发现，各州的经济结构决定了哪些州人均使用 Claude 最多——而且令人意外的是，使用率最高的州并不是那些编程占主导的地方。
- **在不同国家之间**：我们的新分析发现，各国使用 Claude 的频率与收入水平密切相关，而使用率较低的国家，人们更倾向于用 Claude 来自动化工作。
- **随时间变化**：我们将最新数据与 [2024年12月到2025年1月](https://www.anthropic.com/news/the-anthropic-economic-index) 和 [2025年2月到3月](https://www.anthropic.com/news/anthropic-economic-index-insights-from-claude-sonnet-3-7) 的数据做了对比。我们发现，“指令式”自动化任务的比例从 27% 猛增到 39%，说明 AI 承担的责任（以及用户的信任）在快速增加。
- **按企业用户划分**：我们现在还加入了来自 Anthropic 第一方 API 客户的匿名数据（除了 [Claude.ai](http://claude.ai/redirect/website.v1.1390c2ee-731f-4b01-9aa1-fae060952e3c) 的用户），从而首次能分析企业的使用行为。我们发现，API 用户比普通消费者更倾向于用 Claude 来自动化任务，这可能意味着劳动力市场将迎来重大变化。

下面我们总结一下[这份报告](http://anthropic.com/research/anthropic-economic-index-september-2025-report)。此外，我们还设计了一个[互动网站](http://anthropic.com/economic-index)，你可以自己探索数据。这是第一次，你可以搜索 [Claude.ai](http://claude.ai/redirect/website.v1.1390c2ee-731f-4b01-9aa1-fae060952e3c) 在美国各州和我们追踪的所有职业中的使用趋势和结果，看看 AI 在你住的地方或被类似工作的人如何使用。最后，如果你想基于我们的分析做进一步研究，我们已经把数据集[公开](https://huggingface.co/datasets/Anthropic/EconomicIndex)了，连同之前经济指数报告的数据一起。

## 地理分布

我们扩展了 Anthropic 经济指数，加入了地理数据。下面介绍我们了解到的 Claude 在不同国家和美国各州的使用情况。

### 不同国家

美国使用 Claude 的频率远超其他国家。印度排在第二，然后是巴西、日本和韩国，这几个国家的份额差不多。

不过，这些国家的人口规模差异很大。为了消除这个影响，我们根据各国占全球劳动人口的比例，调整了各国在 Claude.ai 上的使用份额。这样就得到了我们的 Anthropic AI 使用指数（简称 AUI）。AUI 大于 1 的国家，说明 Claude 的使用频率高于仅根据其劳动人口预期的水平，反之亦然。

从 AUI 数据可以看出，一些技术先进的小国（比如以色列和新加坡）在 Claude 采用率上领先于其劳动人口规模。这很大程度上可以用收入来解释：我们发现人均 GDP 与 Anthropic AI 使用指数之间存在很强的相关性（人均 GDP 每高 1%，AUI 就高约 0.7%）。这说得通：使用 Claude 最多的国家通常互联网连接良好，经济也以知识工作而非制造业为主。但这引出了一个经济分化的问题：以前的通用技术，比如电气化或内燃机，既带来了巨大的经济增长，也导致了全球生活水平的[大分化](https://www.aeaweb.org/articles?id=10.1257/jep.11.3.3)。如果 AI 的影响在富裕国家最大，那么这项通用技术可能也会带来类似的经济后果。

### 美国各州的模式

人均 GDP 与人均 Claude 使用量之间的关联，在美国各州之间也同样成立。事实上，在美国国内，使用量随收入增长得更快：美国人均 GDP 每高 1%，人口调整后的 Claude 使用量就高 1.8%。不过，收入在美国国内的解释力不如在国家之间那么强，因为整体趋势中的波动更大。也就是说，除了收入之外，肯定还有其他因素能解释人口调整后使用量的更多差异。

还有什么能解释这种采用差距呢？我们最好的猜测是各州经济结构的差异。美国 AUI 最高的是哥伦比亚特区（3.82），那里 Claude 最常用的任务是编辑文档和搜索信息，这些都是与知识工作相关的任务。同样，编程相关任务在加利福尼亚州（AUI 总体第三高的州）特别常见，金融相关任务在纽约州（排名第四）特别常见¹。即使在 Claude 人口调整后使用量较低的州，比如夏威夷，使用情况也与经济结构密切相关：夏威夷人请 Claude 帮忙做旅游相关任务的频率是美国其他地区的两倍。我们的[互动网站](http://anthropic.com/economic-index)上还有很多类似的数据。

## Claude 使用趋势

从 2024 年 12 月开始，我们一直在追踪人们如何使用 Claude。我们使用一种[保护隐私的分类方法](https://www.anthropic.com/research/clio)，将匿名对话记录归类到由 O\*NET（美国政府的职业和任务分类数据库）定义的任务组中²。通过这样做，我们可以分析自去年以来人们交给 Claude 的任务发生了哪些变化，以及人们选择的协作方式——他们对 Claude 的工作有多少监督和输入——发生了哪些变化。

### 任务

自 2024 年 12 月以来，计算机和数学类任务在我们的分类中一直占主导地位，约占对话的 37-40%。

但很多情况已经变了。在过去九个月里，我们看到“知识密集型”领域持续增长。例如，教育指导任务增长了 40% 以上（从占所有对话的 9% 增加到 13%），与物理和社会科学相关的任务份额增加了三分之一（从 6% 增加到 8%）。与此同时，传统商业任务的相对频率下降了：管理相关任务从占所有对话的 5% 下降到 3%，商业和金融运营相关任务的份额减半，从 6% 下降到 3%。（当然，从绝对数量来看，每个类别的对话数量仍然显著增长。）

总体趋势有些杂乱，但一般来说，随着一个国家的人均 GDP 增加，Claude 的使用会从计算机和数学职业组的任务，转向各种其他活动，比如教育、艺术和设计；办公室和行政支持；以及物理和社会科学。比较下面第一张图中的趋势线和其余三张图：

话虽如此，软件开发仍然是我们追踪的每个国家中最常见的用途。美国的情况也类似，不过我们的样本量限制了我们更详细地探索任务组合如何随采用率变化。

### 交互模式

正如我们[之前](https://www.anthropic.com/news/the-anthropic-economic-index)讨论过的，我们通常区分涉及自动化（AI 直接产出工作，用户输入最少）和增强（用户和 AI 协作完成任务）的任务。我们进一步将自动化分解为指令式和反馈循环交互，其中指令式对话涉及最少的人类交互，而在反馈循环任务中，人类将现实世界的结果反馈给模型。我们还将增强分解为学习（询问信息或解释）、任务迭代（与 Claude 协作）和验证（寻求反馈）。

自 2024 年 12 月以来，我们发现指令式对话的份额急剧上升，从 27% 增加到 39%。其他交互模式（特别是学习、任务迭代和反馈循环）的份额因此略有下降。这意味着，总体而言，自动化（49.1%）首次变得比增强（47%）更常见。一个可能的解释是，AI 正在迅速赢得用户的信任，并越来越多地负责完成复杂的工作。

这可能是模型能力提升的结果。（2024 年 12 月，当我们首次为经济指数收集数据时，Claude 的最新版本是 Sonnet 3.6。）随着模型越来越擅长预测用户想要什么以及产出高质量的工作，用户可能更愿意在第一次尝试时就信任模型的输出。

也许令人惊讶的是，在人均 Claude 使用量较高的国家，Claude 的用途倾向于增强，而使用量较低国家的人则更倾向于自动化。在控制任务组合的情况下，人口调整后的 Claude 使用量每增加 1%，自动化程度大约会降低 3%。同样，人口调整后的 Claude 使用量增加，也与从自动化转向其他模式相关（如下图），而不是转向自动化。

我们还不确定这是为什么。可能是因为每个国家的早期采用者更放心让 Claude 自动化任务，也可能是因为其他文化和经济因素。

## 企业

使用与 [Claude.ai](http://claude.ai/redirect/website.v1.1390c2ee-731f-4b01-9aa1-fae060952e3c) 对话相同的[保护隐私的方法](https://www.anthropic.com/research/clio)，我们开始从 Anthropic 的部分第一方 API 客户中采样交互，这是一项首创的分析³。API 客户（通常是企业和开发者）使用 Claude 的方式与通过 [Claude.ai](http://claude.ai/redirect/website.v1.1390c2ee-731f-4b01-9aa1-fae060952e3c) 访问的用户截然不同：他们按 token 付费，而不是按月订阅，并且可以通过自己的程序发出请求。

这些客户对 Claude 的使用尤其集中在编程和管理任务上：我们样本中 44% 的 API 流量对应计算机或数学任务，而 [Claude.ai](http://claude.ai/redirect/website.v1.1390c2ee-731f-4b01-9aa1-fae060952e3c) 上这一比例为 36%。（实际上，大约 5% 的 API 流量专门用于开发和评估 AI 系统。）这被教育类职业相关对话比例较低（API 中为 4%，而 [Claude.ai](http://claude.ai/redirect/website.v1.1390c2ee-731f-4b01-9aa1-fae060952e3c) 上为 12%）以及艺术和娱乐类（5% 对 8%）所抵消。

我们还发现，我们的 API 客户使用 Claude 进行任务自动化的频率远高于 [Claude.ai](http://claude.ai/redirect/website.v1.1390c2ee-731f-4b01-9aa1-fae060952e3c) 用户。我们 77% 的 API 对话显示出自动化模式，其中绝大多数是指令式的，而只有 12% 显示出增强模式。在 [Claude.ai](http://claude.ai/redirect/website.v1.1390c2ee-731f-4b01-9aa1-fae060952e3c) 上，这个比例几乎持平。这可能具有重大的经济意义：过去，任务自动化与重大的经济转型以及巨大的生产力提升相关联。

最后，考虑到 API 使用是按量付费的，我们还可以探索任务成本（由它们消耗的 token 数量差异引起）的差异是否会影响企业选择“购买”哪些任务。在这里，我们发现价格和使用之间存在正相关：成本较高的任务类别往往使用更频繁，如下图所示。这向我们表明，对模型的基本能力以及模型产生的经济价值，企业比完成任务本身的成本更看重。

## 结论

经济指数旨在提供关于 AI 如何影响人们工作和经济的早期实证评估。我们目前发现了什么？

在我们这份报告涵盖的每一项指标中，AI 的采用都显得非常不均衡。高收入国家的人更可能使用 Claude，更可能寻求协作而非自动化，也更可能追求编程之外的广泛用途。在美国，AI 的使用似乎受到当地经济中主导产业的强烈影响，从科技到旅游业。而企业比消费者更愿意赋予 Claude 自主权和独立性。

除了不均衡这一事实之外，我们特别注意到，在过去九个月里，[Claude.ai](http://claude.ai/redirect/website.v1.1390c2ee-731f-4b01-9aa1-fae060952e3c) 对话中的指令式自动化变得普遍得多。人们使用 Claude 的性质显然仍在被定义中：我们仍在集体决定我们对 AI 工具有多少信心，以及我们应该赋予它们多少责任。不过，到目前为止，看起来我们正变得越来越适应 AI，并愿意让它为我们工作。我们期待随着时间的推移重新审视这一分析，看看随着 AI 模型的改进，用户的选择会在哪里——或者，是否——稳定下来。

如果你想自己探索数据，可以访问我们专门的 [Anthropic 经济指数网站](http://anthropic.com/economic-index)，那里有我们国家、州和职业数据的交互式可视化图表。我们将来会用更多数据更新这个网站，这样你就可以继续以你感兴趣的方式追踪 AI 对工作和经济的影响。

我们的完整报告[可在此处获取](http://anthropic.com/research/anthropic-economic-index-september-2025-report)。我们希望它能帮助政策制定者、经济学家和其他人更有效地为 AI 带来的经济机遇和风险做好准备。

## 开放数据

与之前的报告一样，我们为本次发布发布了一个全面的数据集，包括地理数据、任务级使用模式、按任务划分的自动化/增强细分，以及 API 使用概览。数据可在 [Anthropic 经济指数网站](http://anthropic.com/economic-index)下载。

## 加入我们

如果你有兴趣在 Anthropic 工作，帮助构建支持这项研究的系统，我们鼓励你申请我们的[研究工程师](https://job-boards.greenhouse.io/anthropic/jobs/4816634008)职位。

1. 至于排名第二的犹他州：在进一步调查犹他州的活动时，我们发现其使用量中相当大一部分似乎与协调滥用（coordinated abuse）的指标有关——这也反映在犹他州远高于平均水平的“指令式”自动化得分上。不过，我们进行了稳健性检验，并相信这些活动并未驱动结果。

2. 我们用一个“自下而上”的任务分类作为补充，其中 Claude 根据其自身的分类法对对话进行分类，以解决 O\*NET 类别中的任何空白。我们保护隐私的分析方法的全部细节可[在此处](https://www.anthropic.com/research/clio)获取。

3. 本节数据涵盖 2025 年 8 月的 100 万份记录，从约占我们第一方 API 使用量一半的第一方 API 客户池中随机抽样。我们继续根据我们的隐私和保留政策管理数据，我们的分析符合我们的条款、政策和合同协议。

## 相关内容

### AI 模型中双重用途知识的“关闭开关”

### 语言模型中的全局工作空间

新的可解释性研究揭示了 Claude 中一个涌现的心理工作空间，它持有不出现在模型输出中的内部想法。

### Anthropic 经济指数报告：节奏

在我们最新的经济指数报告中，我们首次按小时采样，以探究：人们什么时候来找 Claude？他们用它做什么？他们如何看待 AI 对其工作的影响？

---

英文原文：[Anthropic Economic Index: Tracking AI's role in the US and global economy](https://www.anthropic.com/research/economic-index-geography)