Anthropic 经济指数：AI 对软件开发的影响

---
title: "Anthropic 经济指数：AI 对软件开发的影响"
title_en: "Anthropic Economic Index: AI's impact on software development"
source: "Anthropic"
source_url: "https://www.anthropic.com/research/impact-software-development"
published_at: "2026-07-08T22:05:40.000Z"
language: "zh-CN"
topics: ["claude"]
tags: ["Anthropic","Claude"]
review_status: "unreviewed"
---

# Anthropic 经济指数：AI 对软件开发的影响

> Anthropic 分析显示，AI 编码智能体 Claude Code 中 79% 的对话涉及任务自动化，远高于聊天界面 Claude.ai 的 49%，且初创公司采用率显著高于企业。

## 内容摘要

Anthropic 通过分析 50 万次编码相关交互，发现 AI 编码智能体 Claude Code 的自动化率（79%）远高于聊天界面 Claude.ai（49%），其中“反馈循环”模式在智能体中更常见。开发者主要用 AI 构建面向用户的 Web 应用（JavaScript 和 HTML 占查询的 59%），而初创公司是 Claude Code 的主要早期采用者（33% 的对话），企业仅占 13

## 为什么值得关注

AI 正在从根本上改变软件开发者的工作方式，尤其是通过智能体系统实现更高程度的自动化。这可能导致专注于构建简单应用和用户界面的工作更早受到冲击，同时初创公司可能因灵活采用 AI 工具而获得竞争优势。随着 AI 能力提升，开发者角色可能从编写代码转向管理和指导 AI 系统，甚至某些岗位可能消失。

## 核心要点

- Claude Code 上 79% 的编码对话属于自动化，而 Claude.ai 上仅为 49%。
- Web 开发语言（JavaScript、HTML）占查询的 59%，面向用户的应用开发是主要用途。
- 初创公司占 Claude Code 对话的 33%，企业仅占 13%，采用差距明显。
- AI 编码可能加速“氛围编码”趋势，使低门槛应用开发更易自动化。
- 即使自动化中，人类仍通过“反馈循环”参与，但未来可能减少。

# Anthropic 经济指数：AI 对软件开发的影响

涉及计算机编程的工作在现代经济中占比不大，但影响力不小。过去几年，随着能协助并自动化大量编码工作的 AI 系统出现，这些工作发生了巨大变化。

在我们[之前的经济指数研究](https://www.anthropic.com/news/the-anthropic-economic-index)中，我们发现美国从事计算机相关职业的工人使用 Claude 的比例非常高——也就是说，与 Claude 讨论计算机相关任务的对话数量，远超根据相关岗位人数预测的水平。[在教育领域](https://www.anthropic.com/news/anthropic-education-report-how-university-students-use-claude)也是如此：计算机科学学位（涉及大量编码）的 AI 使用比例也高得不成比例。

为了更详细地了解这些变化，我们分析了 [Claude.ai](http://claude.ai/redirect/website.v1.2397298e-a2be-4064-bedd-12fd760d437d)（大多数人使用 Claude 的“默认”方式）和 [Claude Code](https://docs.anthropic.com/en/docs/agents-and-tools/claude-code/overview)（我们新的专业编码“智能体”，能使用多种数字工具独立完成一系列复杂任务）上的 50 万次编码相关交互。

我们发现了三个关键模式：

- **编码智能体用于更多自动化。** Claude Code 上 79% 的对话被归类为“自动化”——即 AI 直接执行任务——而不是“增强”，即 AI 与人类协作并提升人类能力（21%）。相比之下，Claude.ai 上只有 49% 的对话被归类为自动化。这可能意味着，随着 AI 智能体越来越普及，以及更多智能体 AI 产品被开发出来，我们应该预期任务自动化程度会提高。

- **程序员常用 AI 构建面向用户的应用程序。** JavaScript 和 HTML 等 Web 开发语言是我们数据集中最常用的编程语言，用户界面和用户体验任务是编码用途中最常见的。这表明，专注于构建简单应用和用户界面的工作，可能比纯后端工作更早面临 AI 系统的冲击。

- **初创公司是 Claude Code 的主要早期采用者，而企业则落后。** 在一项初步分析中，我们估计 Claude Code 上 33% 的对话服务于初创公司相关工作，而只有 13% 被识别为企业相关应用。这种采用差距表明，使用尖端 AI 工具的灵活组织与传统企业之间存在鸿沟。

### 我们如何分析 Claude Code 和 Claude.ai 上的对话

我们使用[隐私保护分析工具](https://www.anthropic.com/research/clio)分析了总共 50 万次 Claude 交互（分布在 Claude Code 和 Claude.ai 之间），该工具将用户对话提炼为更高级别、匿名的洞察。在这里，我们用该工具来识别对话的主题（例如“UI/UX 组件开发”），或者——如下文所述——将对话归类为“增强”与“自动化”。

### 开发者如何与 Claude 交互？

在我们之前的经济指数报告中，我们将“自动化”（AI 直接执行任务）与“增强”（AI 与用户协作执行任务）区分开来。在这里，我们发现 Claude Code 的自动化率显著更高——79% 的对话涉及某种形式的自动化，而 Claude.ai 上这一比例为 49%。

我们还将自动化和增强细分为几个子类型（如我们[之前的工作](https://www.anthropic.com/news/the-anthropic-economic-index)所述）。“反馈循环”模式，即 Claude 自主完成任务但借助人工验证（例如，用户将任何错误发送回 Claude），在 Claude Code 上（35.8% 的交互）几乎是 Claude.ai（21.3%）的两倍。“指令式”对话，即 Claude 在用户极少交互的情况下完成任务，在 Claude Code 上（43.8%）也高于 Claude.ai（27.5%）。所有增强模式——包括“学习”，即用户从 AI 模型获取知识——在 Claude Code 上的比例都远低于 Claude.ai。

这些结果说明了专业编码智能体（本例中为 Claude Code）与用户与大型语言模型交互的“标准”方式（即通过 Claude.ai 等聊天机器人界面）之间的差异。随着更多智能体产品发布，我们可能会看到 AI 融入人们工作的方式有所不同。至少在编码方面，这可能涉及更多的任务自动化。

这引发了一个问题：随着 AI 使用越来越普遍，开发者的参与程度会降低多少？重要的是，我们的结果确实表明，即使在自动化中，人类仍然经常参与：“反馈循环”交互仍然需要用户输入（即使该输入只是将错误消息粘贴回 Claude）。但这种模式能否持续到未来并不确定，因为能力更强的智能体系统可能需要的用户输入会越来越少。

### 开发者用 Claude 构建什么？

总体而言，我们发现开发者通常使用 Claude 来构建网站和移动应用程序的用户界面和交互元素。虽然没有单一语言占主导地位，但主要面向 Web 的开发语言 JavaScript 和 TypeScript 合计占所有查询的 31%，而 HTML 和 CSS（其他面向用户的代码语言）合计又增加了 28%。

后端开发语言（用于后台逻辑、数据库和基础设施，以及 API 和 AI 开发）也有体现：值得注意的是，Python 占查询量的 14%。然而，Python 有双重用途——既用于后端开发，也用于数据分析。结合 SQL（另一种面向数据的语言，占查询量的 6%），这些语言可能包含了许多传统后端开发之外的数据科学和分析应用。

这些模式进一步延伸到涉及 Claude 的常见编码任务类型。前五大任务中有两项专注于面向用户的应用程序开发：“UI/UX 组件开发”和“Web 与移动应用开发”分别占对话量的 12% 和 8%。这类任务越来越适合一种被称为“氛围编码”的现象——即不同经验水平的开发者用自然语言描述他们想要的结果，然后让 AI 负责实现细节。

与更通用用途相关的对话，例如“软件架构与代码设计”和“调试与性能优化”，在 Claude.ai 和 Claude Code 中也都占有很高比例。

推测来看，这些发现表明，如果能力提升导致“氛围编码”更多地进入主流工作流程，那么专注于构建简单应用和用户界面的工作可能会更早面临 AI 系统的冲击。随着 AI 越来越多地处理组件创建和样式设计任务，这些开发者可能会转向更高层次的设计和用户体验工作。

### 谁在使用 Claude 进行编码？

我们还分析了哪些开发者群体可能在使用 Claude。我们使用分析系统来识别最能描述用户编码相关交互的项目类型（例如个人项目 vs. 为初创公司做的项目）。由于我们不知道 Claude 的回复被使用的真实背景，这些分析依赖于从不完整数据中得出的不确定推断。因此，我们认为这些发现比上述发现更具初步性。

初创公司似乎是 Claude Code 的主要早期采用者，而企业采用则落后。初创公司工作占 Claude Code 对话的 32.9%（比他们在 Claude.ai 上的使用量高出近 20%），而企业工作仅占 Claude Code 对话的 23.8%（略低于他们在 Claude.ai 上 25.9% 的份额）。

此外，涉及学生、学者、个人项目构建者和教程/学习用户的用途合计占两个平台交互量的一半。换句话说，个人——而不仅仅是企业——是编码辅助工具的重要采用者。

这些采用模式反映了过去的技术转变，即初创公司利用新工具获取竞争优势，而成熟组织则行动更谨慎，通常在全面采用新工具前有详细的安全检查。AI 的通用性可能会加速这种动态：如果 AI 智能体带来显著的生产力提升，早期采用者和晚期采用者之间的差距可能会转化为巨大的竞争优势。

### 局限性

我们的分析基于现实世界中的 AI 使用——开发者如何在实际工作中使用 Claude。虽然这种方法使我们的发现具有实际意义，但它也带来了固有的局限性。这些包括：

- 我们仅分析了来自 Claude.ai 和 Claude Code 的数据。我们排除了可能显示不同模式的团队版、企业版和 API 使用情况，尤其是在专业环境中；
- 对于像 Claude Code 这样的智能体工具，自动化与增强之间的界限变得越来越模糊。例如，“反馈循环”模式在性质上与传统自动化不同，因为它仍然需要用户监督和输入。我们可能需要扩展自动化/增强框架以考虑新的智能体能力；
- 我们对谁在使用 Claude 进行编码的分类依赖于从有限上下文中推断。在将对话归类为“初创公司”与“企业”工作，或“个人”与“学术”项目时，我们的分析工具基于不完整信息做出了有根据的猜测。因此，某些分类可能不正确。此外，我们包含了一个“无法分类”选项，Claude 在 5% 的 Claude.ai 对话和 2% 的 Claude Code 对话中选择了该选项。我们从分析中排除了这一类别并重新归一化了结果；
- 我们的数据集可能捕捉到了早期采用者。这些用户可能不代表更广泛的开发者群体，这种自我选择可能会使使用模式偏向更有经验或技术上更冒险的用户；
- 出于隐私考虑，我们仅分析了特定保留窗口内的数据，可能错过了软件开发中的周期性模式（例如冲刺周期或发布计划）；
- 相对于整体 AI 编码辅助采用情况，Claude 使用的代表性尚不清楚。许多开发者使用除 Claude 之外的多种 AI 工具，这意味着我们只展示了他们 AI 参与模式的部分视图；
- 我们只研究了开发者委托给 AI 的内容——而不是他们最终如何在代码库中使用 AI 输出、生成代码的质量，或者这些交互是否有效提高了生产力或代码质量。

### 展望未来

AI 正在从根本上改变开发者的工作方式。我们的分析表明，在使用 Claude Code 等专业智能体系统时尤其如此，在面向用户的应用程序开发工作中尤为突出，并且可能给初创公司而非更成熟的企业带来特定优势。

我们的发现引发了许多问题。随着 AI 能力进步，人类仍然参与的“反馈循环”是否会持续存在，还是我们会看到向更完全自动化的转变？随着 AI 系统能够构建更大规模的软件，开发者是否会转向主要管理和指导这些系统，而不是自己编写代码？哪些软件开发角色变化最大，哪些可能完全消失？

AI 日益增长的编码能力也可能对 AI 开发本身产生特别重大的影响。由于如此多的 AI 研究和开发依赖于软件，AI 辅助编码的进步可能会加速突破，形成一个正反馈循环，进一步加速 AI 进步。

从宏观角度看，AI 系统非常新。但相对而言，编码是 AI 在经济中最成熟的应用之一。这使得它值得关注。虽然我们不能假设从软件开发中得出的经验会直接适用于其他职业，但软件开发可能是一个领先指标，为我们提供有用信息，了解随着未来能力越来越强的 AI 模型推出，其他职业可能会如何变化。

### 与我们合作

如果你有兴趣在 Anthropic 研究 AI 对劳动力市场的影响，我们鼓励你申请我们的[经济学家](https://job-boards.greenhouse.io/anthropic/jobs/4555010008)和[数据科学家（政策）](https://job-boards.greenhouse.io/anthropic/jobs/4502440008)职位。

## 附录

作为补充分析，我们还比较了软件相关自动化和增强模式的结果与不涉及软件的交互模式。我们仅在 Claude.ai 上进行了此分析，因为 Claude Code 专门用于软件应用。

与不涉及软件的用例相比，软件开发的自动化程度更高。反馈循环显著增加（+18.3%）推动了这一点，并且值得注意的是，抵消了指令式行为的明显减少（-11.2%）。换句话说，与编码无关的任务相比，AI 辅助编码目前需要大量的人工审查和迭代，即使 Claude 完成了大部分工作。

1. Claude.ai 对话特指来自 Claude.ai Free 和 Pro 的对话。此样本仅包括由第一方 API 驱动的 Claude Code 会话（Claude Code 可由 Anthropic 第一方 API 或第三方云提供商 API 驱动）。我们分析中使用的所有 Claude.ai 和 Claude Code 对话均来自 2025 年 4 月 6 日至 13 日。初始样本在 Claude.ai 和 Claude Code 之间平均分配，对于 Claude.ai，我们应用了基于 Claude 的过滤器来选择与编码相关的对话。为了考虑过滤器，我们在适用的情况下重新归一化了分析，以同等权重对待 Claude Code 和 Claude.ai 交互。

2. Claude.ai 的 HTML 数字可能略有膨胀，因为[工件](https://support.anthropic.com/en/articles/9487310-what-are-artifacts-and-how-do-i-use-them)利用了 HTML。虽然我们过滤掉了与编码无关的工件，但我们没有明确从分析中过滤掉包含编码相关内容的工件，因为大量编码使用发生在工件内。

3. Claude.ai 的使用不包括 Claude For Work（团队版和企业版计划）的使用，这意味着 Claude.ai 的企业数据可能被低估，因为 Claude.ai 上大量企业使用发生在 Claude For Work 产品中。

## 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 中一个新兴的心理工作空间，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，以询问：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: AI's impact on software development](https://www.anthropic.com/research/impact-software-development)