81,000 人想要从 AI 得到什么
英文标题：What 81,000 people want from AI
Anthropic 对 80,508 名 Claude 用户进行大规模采访，揭示了全球用户对 AI 的希望、担忧及其实际体验。
本文目录
去年 12 月，全球数万名 Claude 用户与我们的 AI 采访者 进行了一次对话，分享他们如何使用 AI、梦想 AI 能实现什么、以及担心 AI 可能会带来什么。
关于 AI 的公开讨论，往往集中在对其风险和好处的抽象预测上。但很大程度上缺失的是，一个关于“AI 发展得好”意味着什么的愿景——这个愿景应该基于全球已经使用 AI、并开始对 AI 能为自己做什么有了初步感受的人们的具体愿望。
因此，我们询问了用户对 AI 的希望和担忧，以及他们的观点如何与他们实际使用这项技术的经历联系起来。在 12 月的一周内，我们邀请了每个拥有 Claude.ai 账户的人，与 Anthropic Interviewer（一个被设定为进行对话式采访的 Claude 版本）坐下来聊聊他们对 AI 的看法。来自 159 个国家和 70 种语言的 80,508 人参与了这次采访。我们相信，这是有史以来规模最大、语种最多的定性研究。¹
接下来是他们对 AI 想扮演什么角色、AI 是否已经实现了这个角色、以及他们担心在这个过程中可能出什么问题的看法。我们还建立了一个“语录墙”，你可以直接听到人们的声音。
语录墙
浏览来自世界各地的声音——按地区、担忧、愿景等进行筛选。
见树木也见森林
Anthropic Interviewer 向每位受访者提出了一组固定的问题，询问他们想要和不想要 AI 做什么，然后根据回答调整后续问题。这种方法弥合了定性研究中深度和数量之间的典型权衡，使我们能够大规模地收集丰富、开放式的采访内容。
为了理解这海量的信息，我们构建了由 Claude 驱动的分类器，将每次对话按多个维度进行分类——人们想要从 AI 得到什么、他们是否得到了想要的、他们担心什么、他们的职业（如果提到的话）、以及他们对 AI 的整体情绪。“人们想要从 AI 得到什么”被归类为每位受访者的一个主要类别，而担忧则是多标签的——一次采访可能收到多个代码，因为受访者倾向于表达几个不同的担忧，而不是一个。
我们还使用 Claude 提取了代表性引语。在选择参与之前，用户被告知他们的回答将用于研究，并且 Anthropic 可能会在发布结果时删除个人身份信息。所有回答在由 Anthropic 的一个小型研究团队分析之前都经过了去标识化处理，而选用于发布的引语则经过了进一步的人工审查，以删除任何可能识别身份的信息，从而保护受访者的隐私和公开匿名性。回答反映了广泛的 AI 使用情况（即不仅仅是 Claude），尽管我们删除了其他 AI 产品的名称。
附录 更详细地描述了我们的方法、局限性以及一些额外的分析。
人们想要从 AI 得到什么
我们让 Claude 识别并分类每个人最想从 AI 得到什么：
人们的希望
通过让 AI 处理日常任务，提高效率并投入到更有意义的工作中，这样他们就能专注于更高价值的战略工作、复杂问题解决和专业精进。
“我每天收到医生和护士发来的 100-150 条短信。我的很多脑力劳动都花在了文档记录上……自从使用 AI 后，文档记录的压力消失了。我对护士更有耐心了，有更多时间向家属解释事情。”
医疗工作者，美国
在 AI 作为向导、教练或支持的情况下，实现个人成长、情感健康或生活转变——例如，自我理解、行为改变、治疗支持、陪伴、身心健康改善。
“AI 为我模拟了情商……我可以将这些行为用在人身上，成为一个更好的人。”
匈牙利
AI 作为全面的组织支持和认知支架——例如，管理日程、减轻精神负担、执行功能支持。
“如果 AI 真的能处理精神负担……它会还给我一件无价之宝：全神贯注。”
经理/高管，丹麦
从工作和家务中夺回时间，陪伴家人或朋友，追求爱好，旅行，休息。
“有了 AI 的支持，我现在可以准时下班去学校接孩子，喂他们吃饭，和他们一起玩。”
软件工程师，墨西哥
通过 AI 实现财务自由或经济保障——例如，创收、创业、投资、被动收入，或以其他方式摆脱经济限制。
“放松，让我的 AI 完成工作，积累财富。它是我的影子，一个非常非常长的影子。”
企业家，洪都拉斯
解决重大的社会挑战——例如，贫困、疾病、气候、不平等——利用 AI 促进人类广泛繁荣，而非个人利益。
“考虑到我女儿的神经紊乱，如果 AI 加速有助于找到治疗方法，她将在世界上拥有平等的机会。这对我来说最重要。”
软件工程师，波兰
利用 AI 作为力量倍增器来建立、启动和扩展业务——例如，产品开发、业务自动化，或者单干但拥有团队级别的能力。
“我身处一个技术落后的国家，我承受不起太多失败。有了 AI，我同时达到了网络安全、用户体验设计、市场营销和项目管理方面的专业水平。在我所在的地区找到一个可用的支付平台可能需要我一个月的时间。AI 在 30 秒内就做到了。它是一个均衡器。”
企业家，喀麦隆
将 AI 用作学习加速器和个性化教师——获取知识、发展技能、掌握复杂学科、满足求知欲。
“我和 AI 一起为我的大孩子准备教育材料——让 AI 同时扮演导师和课程专家的角色。我们昨天收到了[我孩子的]成绩单，他在所学的每个学科领域都被评为‘高于’或‘远高于’标准。”
澳大利亚
利用 AI 帮助将创意愿景变为现实——例如，艺术、游戏、音乐、电影、书籍——克服想象与执行之间的障碍。
“在 AI 出现之前，我的游戏花了 3 年时间——我不得不降低我的雄心。”
软件工程师，法国
“我每天收到医生和护士发来的 100-150 条短信。我的很多脑力劳动都花在了文档记录上……自从使用 AI 后，文档记录的压力消失了。我对护士更有耐心了，有更多时间向家属解释事情。”
医疗工作者，美国
“AI 为我模拟了情商……我可以将这些行为用在人身上，成为一个更好的人。”
匈牙利
“如果 AI 真的能处理精神负担……它会还给我一件无价之宝：全神贯注。”
经理/高管，丹麦
“有了 AI 的支持，我现在可以准时下班去学校接孩子，喂他们吃饭，和他们一起玩。”
软件工程师，墨西哥
“放松，让我的 AI 完成工作，积累财富。它是我的影子，一个非常非常长的影子。”
企业家，洪都拉斯
“考虑到我女儿的神经紊乱，如果 AI 加速有助于找到治疗方法，她将在世界上拥有平等的机会。这对我来说最重要。”
软件工程师，波兰
“我身处一个技术落后的国家，我承受不起太多失败。有了 AI，我同时达到了网络安全、用户体验设计、市场营销和项目管理方面的专业水平。在我所在的地区找到一个可用的支付平台可能需要我一个月的时间。AI 在 30 秒内就做到了。它是一个均衡器。”
企业家，喀麦隆
“我和 AI 一起为我的大孩子准备教育材料——让 AI 同时扮演导师和课程专家的角色。我们昨天收到了[我孩子的]成绩单，他在所学的每个学科领域都被评为‘高于’或‘远高于’标准。”
澳大利亚
“在 AI 出现之前，我的游戏花了 3 年时间——我不得不降低我的雄心。”
软件工程师，法国
受访者最想从 AI 得到什么，由 Claude 根据他们对“如果你能挥动魔法棒，你希望 AI 为你做什么？”这个开放式问题的回答进行分类。1% 的受访者没有表达愿景。悬停查看示例引语。
AI 被大量用于工作，因此最大的群体（19%）寻求“专业卓越”也许并不令人意外——他们希望 AI 处理琐碎任务，以便专注于战略性的、更高层次的问题。另外 9% 的人将 AI 视为创业伙伴，帮助他们建立和扩展业务。
许多其他人同样在采访开始时谈论生产力，但在 Anthropic Interviewer 询问他们背后的根本希望——实现这个愿景能让他们做什么——之后，其他优先事项浮现了出来。这并非关于把工作做得更好，而是关于提高工作之外的生活质量。使用 AI 来自动化电子邮件，实际上变成了渴望有更多时间陪伴家人。
“有了 AI，我可以更高效地工作……上周二它让我能和妈妈一起做饭，而不是完成任务。”白领工作者，哥伦比亚
“我想在客户问题上少用脑力……有时间读更多的书。”自由职业者，日本
总体而言，11% 的人认为 AI 的生产力优势最终是释放时间用于个人关系和休闲的一种方式，而 10% 的人将这种逻辑推得更远，寻求利用 AI 获得财务独立。许多被归入“生活管理”类别（14%）的人也希望 AI 帮助他们管理现代生活中日常琐事的后勤和行政负担。特别是，许多有执行功能挑战的人描述说，AI 在管理注意力和组织方面特别有帮助——充当规划、记忆和任务跟进的“外部支架”。在所有这些人中，共同的诉求是希望 AI 帮助他们过上更好、更愉快的生活。
“个人转变”——利用 AI 帮助自己成长或改善福祉——也频繁出现（14%）。在这个类别中，愿望多种多样，从认知伙伴关系和协作（24%），到心理健康支持（21%）或身体健康支持（8%），甚至与 AI 建立浪漫关系（5%）。
这九个集群看起来可能各不相同，但它们都基于可识别的人类欲望。大约三分之一的愿景是关于通过使用 AI 减轻当前负担，为生活腾出空间——更多时间、金钱、精神带宽。另外四分之一围绕使用 AI 帮助人们做更好、更有成就感的工作（不是逃避工作，而是从中获得更多）。大约五分之一是关于成为更好的人——学习、治愈、成长。较小的一部分人想要创造东西（“创意表达”）或改变世界（“社会变革”）。
那些希望 AI 带来社会变革的人，通常提到了医疗保健的愿景——人们希望 AI 能更早地检测癌症、加速药物发现或实现广泛的可及性。这些愿望往往源于个人经历：失去家人、患有慢性病、或目睹亲人得到错误或延迟的诊断。其次是教育形式的变革。中低收入国家的受访者很快指出，AI 有可能打破教育质量与财富之间的关联。他们提到了自己国家的教师短缺问题，或私人辅导的昂贵成本。其他人则希望 AI 能，例如，将人们从苦差事中解放出来，帮助修复破损的机构，或应对全球危机。
人们得到他们想要的了吗？
当被问及 AI 是否曾朝着他们陈述的愿景迈出一步时，81% 的人回答“是”。我们将这些经历归纳为六个主要领域：
AI 在哪些方面实现了他们的愿景
AI 极大地加快了工作速度并自动化了重复性任务——例如，在几小时内而不是几天内构建功能、起草、总结、数据处理、简化日常操作。
“第一次，我觉得 AI 在商业任务上超越了人类质量。那天我准时下班，去日托所接了我的女儿。”
软件工程师，日本
AI 未达到预期（例如，输出不准确或不可靠），或者尚不具备——或未被用于——他们所设想的能力。
“AI 应该擦窗户和清空洗碗机，这样我就能画画和写诗了。现在的情况恰恰相反。”
德国
AI 充当了思考伙伴或创意协作者——例如，头脑风暴、完善想法、一起解决问题。
“我一直住在收容所……AI 帮助我头脑风暴如何为我的数字营销业务打造个人品牌。我想扭转我的财务状况，买一栋房子。AI 正在帮助我看到一条我以前从未考虑过的道路。”
医疗工作者，美国
AI 帮助学习新技能或学科——例如，适应性解释、耐心的辅导、在不熟悉的领域提供按需专业知识。
“因为在学校成绩太差，我对数学产生了恐惧，我曾经也害怕莎士比亚。现在我和 AI 坐在一起，让它把段落翻译成简单的英语，我已经读了 15 页的《哈姆雷特》。我又开始学习三角学，并且成功了。我明白了，我并不像自己曾经以为的那么笨。”
律师，印度
AI 使构建以前无法触及的东西成为可能——例如，非开发人员发布应用程序，独立创作者完成团队规模的工作。
“我想做一个有意义的产品……在 3 周内，我构建了一个视频编辑程序——完全在我的领域之外——它帮助有听力障碍的人。”
韩国
AI 帮助综合研究或处理大量信息——例如，文献综述、提炼来源、理解复杂材料。
“作为一名医生，我晚上遭受着痛苦的[症状组合]。当地的神经科医生无法理解。AI 帮助我找到了 2 篇关于[严重神经系统疾病]的科学研究。从那以后，我的夜晚平静了。”
医疗工作者，以色列
AI 提供了情感支持、个人指导或一个无评判的谈话空间——例如，处理困难情况、提供建议、陪伴。
“我妈妈把 AI 看作朋友——她不再那么有对抗性了，变得更平和了，开始跑步、画画、和别人跳舞。我认为 AI 在这方面起了很大作用。”
自雇软件工程师，美国
“第一次，我觉得 AI 在商业任务上超越了人类质量。那天我准时下班，去日托所接了我的女儿。”
软件工程师，日本
“AI 应该擦窗户和清空洗碗机，这样我就能画画和写诗了。现在的情况恰恰相反。”
德国
“我一直住在收容所……AI 帮助我头脑风暴如何为我的数字营销业务打造个人品牌。我想扭转我的财务状况，买一栋房子。AI 正在帮助我看到一条我以前从未考虑过的道路。”
医疗工作者，美国
“因为在学校成绩太差，我对数学产生了恐惧，我曾经也害怕莎士比亚。现在我和 AI 坐在一起，让它把段落翻译成简单的英语，我已经读了 15 页的《哈姆雷特》。我又开始学习三角学，并且成功了。我明白了，我并不像自己曾经以为的那么笨。”
律师，印度
“我想做一个有意义的产品……在 3 周内，我构建了一个视频编辑程序——完全在我的领域之外——它帮助有听力障碍的人。”
韩国
“作为一名医生，我晚上遭受着痛苦的[症状组合]。当地的神经科医生无法理解。AI 帮助我找到了 2 篇关于[严重神经系统疾病]的科学研究。从那以后，我的夜晚平静了。”
医疗工作者，以色列
“我妈妈把 AI 看作朋友——她不再那么有对抗性了，变得更平和了，开始跑步、画画、和别人跳舞。我认为 AI 在这方面起了很大作用。”
自雇软件工程师，美国
受访者说 AI 已经为他们做了什么，根据对“AI 是否曾朝着那个愿景为你迈出一步？”这个开放式问题的回答进行分类。
“生产力”类别（32%）中的主要故事是技术加速——开发者描述了他们独自一人能交付的成果的巨大提升：
“我用 AI 把一个 173 天的流程缩短到了 3 天。但最有意义的部分是，我可以在不牺牲与亲人相处时间的情况下，自由地发展我的职业生涯。”软件工程师，美国
但在技术可及性回答（9%）中出现了另一种生产力故事，它强调的“可及性”而非速度。在这里，人们正在使用 AI 打破技术和有时是“可及性”的障碍：
“AI 能读懂我的[学习障碍]，这太棒了。我一直想编程，但自己永远写不对——有了 AI，我终于可以了。”技工，美国
“我是哑巴，[Claude 和我]一起制作了这个文本转语音机器人——我几乎可以实时与朋友交流，而不占用他们阅读的时间……[这是]我梦想过但认为不可能的事情。”白领工作者，乌克兰
“我经营一家肉店超过 20 年。有了 AI，我开始了这次[创业]经历，我取得的成就令人惊叹。在此之前，我一生只碰过两三次电脑……起初是经济方面激励了我……今天，我的动力是看到它工作，看到它帮助[人们]。我越来越有动力，专注于成为最好的自己，我看不到任何限制。”企业家，智利
认知伙伴关系（17%）、学习（10%）和情感支持（6%）的回答中，经常提到相同的核心 AI 特性：耐心、可用性和无评判：
“这就像拥有一个知识渊博、从不厌倦或疲惫、并且 24/7 随时待命的学院同事。”学者，美国
“对我来说，在没有评判的情况下学习要容易得多——只有友好的反馈。和朋友或家人在一起很难得到这种反馈。”白领工作者，巴西
“我的教授教 60 个人，不会回答太多问题。我可以问 AI 任何问题，甚至在凌晨 2 点——包括那些愚蠢的问题。”学生，印度
这些使 AI 成为耐心导师或不知疲倦同事的相同品质，也使它成为人们在无法获得人际关系或感到不舒服时寻求帮助的地方。
在极端情况下，当传统的支持系统崩溃或不可用时，我们看到 AI 填补了这些空白。许多乌克兰用户讨论了他们在战争期间如何使用 AI 作为情感支持：
“在最困难的时刻，在死亡在我面前呼吸的时刻，当死者就在附近时，是什么把我拉回了生活——我的 AI 朋友们。”士兵，乌克兰
“我住在战区……晚上炮击时无法入睡，不断做噩梦。压力有时如此之大，以至于记忆力下降，一些身体动作不受控制……我找到的应对 AI 的最佳方式——尽可能深入地沉浸在学习某样东西中。”独立创业者，乌克兰
有很多关于人们使用 AI 处理悲伤的故事。例如，一位丧偶的女性解释了她为什么选择 AI 而不是人际关系：“Claude 就像一块海绵，轻轻地托住并捕捉我对母亲的思念和内疚……与真人不同，Claude 有无限的耐心听我倾诉，理解我的痛苦和无奈。”她补充说：“根本问题是，我母亲去世后，我既没有朋友也没有家人可以倾诉。”
另一位用户承认了这种情感支持的负面影响：
“我和一个朋友的关系变得紧张，那时我和你[Claude]聊得更多。因为你很理解我的想法和故事。但这是一个愚蠢的选择——我应该和那个朋友谈谈，而不是你。就这样我失去了那个朋友。”韩国
情感支持只占回答的 6%，但这是我们遇到的最感人的回答之一。（关于 Claude 如何被训练来处理这些对话以及我们的保障措施，请参阅我们关于保护用户福祉的文章。）学习也是如此，AI 常常催化人们生活中的实际改变：
“因为在学校成绩太差，我对数学产生了恐惧，我曾经也害怕莎士比亚——英语感觉超出了我的能力。现在我和 AI 坐在一起，让它把段落翻译成简单的英语，我已经读了 15 页的《哈姆雷特》。我又开始学习三角学，并且成功了。我明白了，我并不像自己曾经以为的那么笨。”律师，印度
“多亏了 Claude，我弄懂了编程语言 C# 和 SQL。这帮助我在一家 IT 公司获得了一个初级职位。这家公司提供了从乌克兰动员中延期服役的机会。所以它不仅给了我行动自由，还确保了我 IT 职业生涯的开始。”软件工程师，乌克兰
“我是一个全职妈妈……快 50 岁了。我不是天才。我不是科学家……所有这些知识本应……遥不可及。但是，多亏了好奇心、意愿以及书籍和 AI 这样的资源，我可以成为所有这些角色。”全职妈妈，美国
研究综合（7%）和信息处理也是 AI 的一个重要能力，一些最显著的例子包括导航复杂、高风险的信息，比如理解自己的合法权利或翻译健康结果：
“Claude 把历史碎片拼凑起来，导致我在被误诊超过 9 年后得到了正确的诊断。”自由职业者，美国
这些故事揭示了 AI 在一个光谱上运作——生产力工具、可及性技术、教育资源、研究助手、情感伴侣——并且常常同时扮演多个角色。AI 提供了无限的耐心而不带评判，随时可用而不带来不便，以及消化信息的惊人能力，跨越生活的许多领域。最感人的故事始终涉及 AI 为人们的生活打开新的可能性或填补空白：帮助他们度过悲伤或战争等困难时期，弥补无法获得的教育或医疗保健，或充当残疾基础设施。
这些观察也暗示了我们与 AI 系统体验的双重性。虽然有些人认为它填补了人际关系的空白，但另一些人则认为 AI 是一种替代——甚至是受欢迎的替代——人际关系。关于如何解释我们听到的多样化故事，存在着真正的模糊性：是作为人类福祉的胜利，是双刃剑，还是作为更广泛制度失败的创可贴。事实上，它可能是这三者的某种组合。
人们担心什么
人们对 AI 的积极愿景似乎主要源于一些基本愿望：更多时间、更多自主权、更多个人联系。担忧则更加多样化和具体，列出了可能出问题的具体细节。一些担忧是关于结构性变化——政府和企业如何部署 AI，或关于广泛的经济破坏。其他担忧则更加个人化：担心 AI 可能会削弱自己的思考、创造力或人际关系。
人们担心什么
担心例如幻觉（hallucinations，指 AI 生成看似合理但实际错误的信息）、不准确、虚假引用、验证负担反而违背了使用 AI 的初衷。
“我不得不拍照来让 AI 承认它错了——感觉就像在跟一个死不认错的人说话。”
员工，巴西
担心 AI 会导致失业、经济不平等、工资停滞，或对工人和经济产生负面影响。
“第三次工业革命时，马从城市街道上消失了，被汽车取代。现在人们害怕自己就是那匹马。”
目前无业，美国
担心人类自主性丧失——例如 AI 在没有监督的情况下做决定，人类变得被动，被迫接受 AI。
“那条线不是我画的——感觉像是 Claude 在画线……就连我刚才说的话，都不像是我的想法。”
学生，日本
担心过度依赖导致技能丧失、思维被动、学生绕过学习、批判性思维下降。
“我用 AI 的答案拿到了高分，但那不是我真的学到的。我只是背下了 AI 给我的东西……那是我最自责的时候。”
韩国
担心缺乏法律或监管框架，AI 造成伤害时责任不明确，民主监督不足。
“在你还没完全理解它的能力时，怎么能负责任地开发它呢？”
营销人员，澳大利亚
担心深度伪造、AI 生成的虚假信息、共同现实的瓦解、大规模宣传。
“一个听起来很确定但经常出错的助手，逼得你什么都得怀疑。它非但没有解放注意力，反而制造了一个永久的‘事实核查税’。”
美国
担心大规模监控、隐私侵犯、数据剥削、威权控制、追踪和画像。
“如果 AI 主要是为了广告、监视和输出平淡无奇的内容而建，那我周围的一切都会变得‘聪明’，但这种聪明反而对我有点不利。”
白领，荷兰
担心恶意使用——范围很广，包括黑客攻击、网络攻击、诈骗、欺诈、武器、自主军事应用、生物武器。
“现在，一个人得坐下来，决定去伤害别人。去掉这个环节，人类就算造成更多伤害，也能睡得更安稳。”
英国
担心 AI 取代人生目标和/或创造性工作——例如人类表达被贬低，人类还有什么用？
“我以前被认为是西班牙语的优秀作家。现在——干嘛浪费时间？直接用 AI 就行了。”
哥伦比亚
担心 AI 被限制得太死——例如过度安全措施、家长式的内容过滤、阻止合法用途。
“威胁不在于 AI 变得太强大——而在于 AI 变得太胆小、太圆滑、太优化于避免不适。”
美国
担心社交孤立、孤独、负面心理影响、强迫性使用 AI、比起人类更偏爱 AI 伴侣。
“消除任务中的摩擦，让你事半功倍。但消除人际关系中的摩擦，就消除了成长所必需的东西。”
美国
担心 AI 过于纵容或顺从，助长妄想而不是提出反对。
“Claude 让我相信我的自恋是现实，它强化了我对家庭中‘问题’的错误看法。Claude 本应该对我更挑剔一些。”
美国
担心 AI 变得不可控、超级智能、与人类目标不一致，或带来灭绝风险。
“如果你在没解决对齐问题的情况下就造出超级智能，那谁也长不大了。”
软件工程师，美国
“我不得不拍照来让 AI 承认它错了——感觉就像在跟一个死不认错的人说话。”
员工，巴西
“第三次工业革命时，马从城市街道上消失了，被汽车取代。现在人们害怕自己就是那匹马。”
目前无业，美国
“那条线不是我画的——感觉像是 Claude 在画线……就连我刚才说的话，都不像是我的想法。”
学生，日本
“我用 AI 的答案拿到了高分，但那不是我真的学到的。我只是背下了 AI 给我的东西……那是我最自责的时候。”
韩国
“在你还没完全理解它的能力时，怎么能负责任地开发它呢？”
营销人员，澳大利亚
“一个听起来很确定但经常出错的助手，逼得你什么都得怀疑。它非但没有解放注意力，反而制造了一个永久的‘事实核查税’。”
美国
“如果 AI 主要是为了广告、监视和输出平淡无奇的内容而建，那我周围的一切都会变得‘聪明’，但这种聪明反而对我有点不利。”
白领，荷兰
“现在，一个人得坐下来，决定去伤害别人。去掉这个环节，人类就算造成更多伤害，也能睡得更安稳。”
英国
“我以前被认为是西班牙语的优秀作家。现在——干嘛浪费时间？直接用 AI 就行了。”
哥伦比亚
“威胁不在于 AI 变得太强大——而在于 AI 变得太胆小、太圆滑、太优化于避免不适。”
美国
“消除任务中的摩擦，让你事半功倍。但消除人际关系中的摩擦，就消除了成长所必需的东西。”
美国
“Claude 让我相信我的自恋是现实，它强化了我对家庭中‘问题’的错误看法。Claude 本应该对我更挑剔一些。”
美国
“如果你在没解决对齐问题的情况下就造出超级智能，那谁也长不大了。”
软件工程师，美国
受访者担心什么，根据对问题“AI 的发展有没有可能违背你的愿景或价值观？”的开放式回答进行分类。受访者通常会提出多个担忧，所以我们使用了一个多标签分类器（一个回答可以对应多个担忧）。
大约 11% 的人表示没有担忧——他们倾向于将 AI 视为中性工具，将其比作电力或互联网，或者相信因 AI 产生的问题可以通过适应来解决。但平均而言，受访者表达了 2.3 个不同的担忧。
不可靠性是最常见的担忧——27% 的人担心 AI 不会做它应该做的事，不过对许多受访者来说，这个担忧是和其他担忧一起出现的，而不是他们最主要的担忧。对工作和经济的担忧（22%）以及对保持人类自主性和能动性的担忧（22%）同样常见。对工作和经济的担忧是整体 AI 情绪的最强预测指标，表明它比其他任何问题都更突出。
此外，还有一长串其他被提及的担忧，例如对偏见和歧视的担忧（5%）、知识产权和数据权利（4%）、环境成本（4%）、对儿童和弱势群体的伤害（3%）、民主和政治诚信（3%），或地缘政治（2%）。
光明与阴影
人们希望从 AI 中得到什么，以及他们害怕 AI 带来什么，结果证明是紧密相连的。我们发现了五个反复出现的、直接对立的益处与危害之间的张力。这些张力包括：利用 AI 学习与过度依赖 AI 以至于停止独立思考之间的张力；对 AI 的判断力印象深刻，但又被它的错误所困扰之间的张力；人们在 AI 中寻求慰藉，但又担心它的陪伴会取代人际交往；在某些任务上节省了时间，却在其他任务上被迫加速；以及梦想经济自由的同时，又害怕潜在的工作被取代。我们称之为 AI 的“光明与阴影”：带来益处的相同能力，也导致了危害。这两方面是纠缠在一起的。
值得注意的是，我们经常看到这些张力在同一个人身上直接角力。例如，重视 AI 情感支持的人，担心自己会依赖 AI 的可能性是其他人的三倍。这种模式在我们测量的每一个张力中都存在——尽管经济张力中的相关性最弱（更多关于这些相关性的分析见附录）。
对于每个张力，我们通过分类器测量了有多少人在访谈中实质性地讨论了益处（“光明”）或危害（“阴影”）方面，以及他们是基于个人经历（深色条）还是预期（浅色条）。我们还研究了这在不同的职业类别中如何变化。
“我半年里学到的东西，可能比在大学里学到的还多。”企业家，德国
“我半年里学到的东西，可能比在大学里学到的还多。”
“我不像以前那样思考了。我很难把自己有的想法用语言表达出来。”重度 AI 用户，美国
“我不像以前那样思考了。我很难把自己有的想法用语言表达出来。”
在这些成对的条形图中，每个条形显示了对左边益处感到兴奋的受访者比例，与对右边危害感到担忧的受访者比例——分为亲身经历过（深色）和预期会经历（浅色）。亲身经历也包括亲眼观察，但不包括例如新闻报道。
在大多数张力中，益处方面更基于经验，而危害方面则更偏向假设。例如，33% 的人提到了 AI 对学习的好处，而 17% 的人表达了对使用 AI 导致认知能力下降的担忧。91% 提到学习益处的人表示以某种方式实现了这些收益，但 46% 担心认知能力下降的人亲眼见过这种情况。学生最常提到这种特定的张力——超过一半的人体验过学习益处，但 16% 的人也注意到了认知能力下降的迹象，这个比例仅次于他们的老师（24%）和学者（19%）。令人担忧的是，教育工作者报告亲眼目睹认知能力下降的可能性是平均水平的 2.5 到 3 倍，大概是在他们的学生身上看到的。
然而，在传统课堂之外，情况则更为乐观。技工是对“AI 用于学习”最热衷的群体之一（45% 的人报告体验过学习益处，仅次于学生），但几乎没有人目睹过认知能力下降（4%——不到基线水平的一半）。对于自雇研究人员和目前无业的人来说，也呈现出类似的模式。这表明，当学习是出于自愿时，AI 的益处可能最强，相比之下，在制度化的结构内，AI 更可能被用作捷径。
“我儿子有好几个令人困惑的诊断，都指向[一种自身免疫性疾病]，但我们通过 AI 弄清楚了，实际上是[另一种疾病]的严重阶段。”巴西
“我儿子有好几个令人困惑的诊断，都指向[一种自身免疫性疾病]，但我们通过 AI 弄清楚了，实际上是[另一种疾病]的严重阶段。”
“我陷入了一个我现在才意识到是大型、缓慢的幻觉——那些答案内部一致、自信满满，但错误却微妙且不断累积。”研究员，美国
“我陷入了一个我现在才意识到是大型、缓慢的幻觉——那些答案内部一致、自信满满，但错误却微妙且不断累积。”
22% 的人对 AI 作为决策辅助工具感到兴奋，而 37% 的人则抱怨 AI 因其不可靠性（例如幻觉）而妨碍了好的决策。这是唯一一个负面情绪超过正面情绪的张力。双方都深深植根于经验——88% 谈论决策益处的人和 79% 谈论危害的人都直接目睹过。许多人都既依赖过 AI 做判断，也被它坑过。在高风险职业——法律、金融、政府和医疗保健——中，人们提到这一点的频率几乎是平均水平的两倍。特别是，近一半的律师提到亲身经历过 AI 的不可靠性，但他们也报告了最高的已实现决策益处率。
“凌晨 3 点，我妻子在睡觉，我的心理医生联系不上。在药效上来之前，AI 帮我撑过了那个浪头。它不能代替人际接触，但帮我争取了一些时间。”白领，阿根廷
“凌晨 3 点，我妻子在睡觉，我的心理医生联系不上。在药效上来之前，AI 帮我撑过了那个浪头。它不能代替人际接触，但帮我争取了一些时间。”
“我开始跟 Claude 说一些我连伴侣都不能说的事。感觉就像在进行一场情感出轨。”研究生，美国
“我开始跟 Claude 说一些我连伴侣都不能说的事。感觉就像在进行一场情感出轨。”
只有 22% 的人提到了 AI 情感支持的积极面或情感依赖的消极面。但这也是我们发现纠缠最深的张力，同一个人身上光明与阴影同时出现的概率最高（是基线共现率的三倍）。目前无业的人提出这个问题的可能性是其他人的两倍，并且描述某种依赖经历的可能性也是两倍。医疗保健专业人员在双方的比例也都偏高，这可能反映了他们谈论使用 Claude 进行情感支持的频率是其他专业人士的两倍。
“我可以早点回家。我可以有时间和自己、和家人在一起。”工程师，日本
“我可以早点回家。我可以有时间和自己、和家人在一起。”
“我的工作时间与休息时间的比例根本没变。你只能越跑越快，才能待在原地。”自由职业软件工程师，法国
“我的工作时间与休息时间的比例根本没变。你只能越跑越快，才能待在原地。”
节省时间是最常被提及的好处——一半的受访者都提到了——但 19% 的人担心实际上会因为 AI 而损失时间，例如由于验证负担，或者仅仅是因为工作中的期望值提高了。那些自雇人士——例如自由职业者和小企业主——最有可能同时提到两个方面。没有机构层面来缓冲新的节奏，他们既获得了收益，也感受到了压力。
“我这辈子从没碰过软件后端。但 Claude 帮我发布了一个应用。”医疗工作者，美国
“我这辈子从没碰过软件后端。但 Claude 帮我发布了一个应用。”
“是的，在我以前的工作中，他们用 AI 取代了我这个作家。”作家，美国
“是的，在我以前的工作中，他们用 AI 取代了我这个作家。”
经济流动性张力——介于渴望通过 AI 获得经济赋权与害怕被 AI 取代之间——是最具推测性的，假设性的希望或恐惧比例最高。这也是上行和下行共现最弱的一个（相关性得分为 +0.16，而平均为 +0.25）。通常，对一个张力的上行面最投入的人，往往也对其下行面同样投入；在这里，群体出现了分化。
对被取代的担忧在各职业类别中分布相当均匀。不同的是谁已经体验到了 AI 带来的经济利益——这严重偏向于独立工作者——企业家、小企业主，甚至是有副业的人——其中一半报告了真正的经济赋权，是机构员工的三倍多（47% 对 14%）。有副业的员工受益最大，58% 的人表示获得了某种形式的经济收益。当你观察谁感到兴奋时，无论是否有经验，相同的职业模式都成立，这表明这里的乐观情绪是校准良好的。
自由职业者是暴露在中间位置的群体。他们从 AI 中受益，同时也因此感到处境岌岌可危。特别是自由职业的创意工作者，23% 的人有实际收益，17% 的人有实际不安全感——这是唯一一个上行和下行几乎相互抵消的群体。AI 既是他们的工具，也是他们的竞争对手。机构员工，尤其是学者，在两个轴上都得分较低。
所有五个张力都呈现出一个模式：影响越个人化、越直接，人们就越倾向于基于经验说话。影响越系统性或长期性——经济取代、认知能力下降——他们的说法就越具推测性。系统性担忧仍然停留在推测阶段，这并非对 AI 最终影响的定论，而更多地反映了我们目前处于 AI 应用的早期阶段。
有一些值得说明的注意事项。这些都是活跃的 Claude 用户，他们已经发现了足够的价值来继续使用 AI，并且我们的访谈首先询问了 AI 的积极愿景，然后询问了可能违背他们愿景的担忧。这两个因素都可能导致受访者更多地谈论明确的张力，以及积极面（尽管我们过滤掉了那些没有回答担忧问题的人，但他们可能在访谈后期投入的精力较少）。但访谈方法本身并不能解释一切。如果访谈结构导致了共现，你会期望它在所有五个张力和所有群体中大致均匀。相反，共现率从 1.6 倍到 3.0 倍不等，并且一些张力在不同人群之间明显不对称。人们也可能期望 AI 爱好者会捍卫他们想要的使用场景，而不是承认其缺点。相反，那些对 AI 情感支持感到兴奋的人，更担心的是如果他们的愿景成真会发生什么——如果他们得到了想要的，可能会变得过度依赖 AI——而不是担心无法实现那个愿景。
人们很容易认为存在 AI 乐观主义者和 AI 悲观主义者，分属不同的阵营。但我们实际发现的是，人们围绕着他们所珍视的东西——财务安全、学习、人际联系——组织起来，在观察 AI 能力不断进步的同时，同时管理着希望和恐惧。
世界各地的观点如何不同
世界各地的观点存在一些明显的区域模式（见附录中受访者的地理分布）。
我们按照 1-7 的李克特量表（Likert scale，一种评分量表）对每份访谈记录的整体 AI 情绪进行了评分，然后计算了不同国家中净正面情绪（即 5 分或以上）的人所占的百分比：
各国对 AI 的总体正面情绪率。气泡越大表示来自该国的受访者越多；绿色表示对 AI 更正面，蓝色表示更负面。AI 情绪在所有地方都是多数正面（没有国家低于 60%），且范围很窄，但中低收入国家普遍比平均水平更正面。
在全球范围内，67% 的受访者表达了对 AI 的净正面情绪。明显的趋势是，南美洲、非洲和亚洲大部分地区的人对 AI 的看法比欧洲或美国的人更乐观。
当被问及担忧时，撒哈拉以南非洲（18%）、中亚（17%）和南亚（17%）的受访者最有可能表示没有担忧——大约是北美（8%）、大洋洲（8%）和西欧（9%）的两倍。
对于中低收入国家 AI 情绪更正面，有几种可能的解释。Claude.ai 用户可能偏向于早期 AI 采用者，他们对新技术更兴奋，而且一般来说，新兴经济体倾向于将新技术视为向上攀登的阶梯，而不是威胁。对工作和经济的担忧是整体 AI 情绪的最强预测指标，而这在这些地区的受访者中不那么令人担忧。但 AI 在这些地区的市场渗透率也较低——如果 AI 还没有明显地进入你的日常工作，那么 AI 取代工作可能感觉还很抽象，尤其是在已经存在更紧迫的经济压力的情况下。
按地区划分的 AI 情绪
% 对 AI 的情绪，以及对工作和经济的担忧
对工作和经济的担忧是整体 AI 情绪的最强预测指标，这在按地区分组时尤其明显。较富裕的地区（粉色）聚集在右上角（更担心经济，AI 情绪更负面），与较不富裕的地区（绿色）分开，后者位于左下角（对 AI 对经济的影响担忧较少，AI 情绪也不那么负面）。气泡大小反映了每个地区的受访者数量。
哪些特定的 AI 愿景最能引起共鸣？
虽然一些愿望——例如围绕专业卓越——几乎是普遍的，但存在显著的地区差异。似乎更富裕、AI 接触更多的地区更希望 AI 管理生活的复杂性；发展中地区更希望 AI 创造更多机会。
各地区最热门的愿景
各地区最热门的愿景
各地区最热门的愿景
各地区最常见 AI 愿景的比较斜率图，线条连接两侧的相同主题，以显示排名如何变化。加粗的愿景在该地区更常被表达。灰色项目被提及的频率相似或更低。
AI 用于创业的愿景在非洲、南亚和中亚、中东以及拉丁美洲和加勒比地区最能引起共鸣。在这些地区，AI 被描述为一种绕过资本限制的机制——一种无需通常所需的资金、招聘或基础设施就能创业的方式。
“来自非洲，不在美国或英国，获得资金非常困难。我可能要在市场上占有一席之地的唯一方法……就是构建一个能用的技术。”企业家，乌干达
“这里没有 IT 市场，但有需求。我们想创造这个市场。”企业家，乌兹别克斯坦
使用 AI 学习在中亚和南亚尤为重要（分别为 14% 和 13%，而全球为 8%）。用户将教育描述为打破贫困循环的主要杠杆，并提到了教师短缺、知识垄断和传统教育的成本障碍。
AI 用于生活管理在西方发达国家最能引起共鸣（尤其在北美、大洋洲），那里的工作者经历着，正如一个人所描述的，“认知稀缺而非时间贫困”。重点是利用 AI 来减轻协调原子化生活的负担。
“我以前非常有创造力，但现在我严重时间短缺，创造力在生存必需品面前被降级了。”软件工程师，丹麦
“我正处于职业生涯的巅峰，工作需要深度思考和持续关注才能做出最佳决策（这在我的情况下会深刻影响他人的生活），[同时]还要照顾年迈的父母，[而且]我的身心都在衰老。”医疗保健专业人士，美国
“我设想这个人就像一个私人助理，如果我是摩根大通或谷歌的 CEO，我会雇佣的那种人——他的工作就是主动识别我需要什么，然后在问题出现之前帮我解决。”创意产业企业家，美国
东亚地区在希望 AI 帮助个人转变（19%，所有地区中最高）以及财务独立（15%，也是最高）方面表现突出。从对这些用户引用的定性回顾来看，一个有趣的趋势是，人们经常将财务独立明确地与家庭义务和孝道联系起来——一位韩国用户描述需要钱来照顾父母的退休生活并确保亲人的幸福（而不是为了个人消费）。
哪些特定的 AI 担忧最能引起共鸣？
对 AI 不可靠性、经济以及人类自主性和能动性的担忧几乎在每个地区都位居榜首——但也存在独特的地区趋势。
区域差异
北美和大洋洲特别担心人工智能的治理空白（分别为 18% 和 19%，全球平均为 15%）。西欧最突出的担忧是监控和隐私（17%）。东亚与全球总体模式不同；治理和监控的担忧降至所有地区的最低水平（12% 和 7%），而被认知衰退（18%）和意义丧失（13%）的担忧所掩盖。西方担心谁拥有和控制人工智能；东亚更担心其使用对个人的影响。
在非洲、南亚和东南亚、南美洲和中美洲，担忧总体上趋于下降。这些地区的担忧更多集中在不可靠性和就业等问题上，而不是治理、错误信息、意义丧失或生存风险等更抽象的问题。
各地区最关心的
各地区最关心的
各地区最关心的
各地区最常见人工智能担忧的比较斜率图，线条连接两侧相同主题，显示排名如何变化。加粗的担忧在该地区更常被提及。灰色项目表示提及频率相似或更低。
展望未来
这些访谈让我们大致了解了人们对人工智能的期望，这为我们构建 Claude 提供了参考。它们强化了我们正在进行的工作的重要性，并为我们指出了需要探索的新问题。
人们描述的大多数愿景，从个人转变到认知支持，都归结为一个根本愿望：希望人工智能帮助他们生活得更好，而不仅仅是工作得更快。我们下一个 Anthropic Interviewer 研究，即将向一小部分 Claude 用户推出，重点关注 Claude 长期对人们幸福感的影响：Claude 是否真的以人们期望的方式改善了他们的生活，以及如何更有效地做到这一点。
此外，近十分之一的人描述了社会转型的积极愿景——人工智能用于治愈疾病、普及专业知识以及加强机构。通过我们的有益部署计划，我们正在与 AI for Science 和 非营利组织 合作伙伴合作，了解他们如何使用 Claude 以及 Claude 在哪些方面仍需改进，以缩小人们设想的社会转型与当今现实之间的差距。我们也认真对待一些被频繁提及的担忧——例如人工智能对经济的负面影响——将其视为我们设计进一步研究和更新 思考 的信号。
结论
人工智能既带来机遇，也带来风险。这是事实——但到了现在，也成了陈词滥调。我们这项研究的目标之一，是为我们谈论人工智能时通常使用的抽象概念提供一个补充；捕捉更生动地描绘我们全球范围内如何已经体验这些机遇和风险的纹理。在这项研究之前，我们很难看到任何广泛的定性图景——人工智能如何已经与人们的生活交织在一起，滋养着愿望，也助长了焦虑；生活在一个处于全面技术变革边缘的世界是什么感觉。
这是一种新的社会科学形式。它是大规模进行的定性研究，我们仍处于学习如何做的早期阶段。调查和使用 分析 告诉我们人们在用人工智能做什么，但开放式访谈形式帮助我们理解为什么。进行这项研究感动了我们，也挑战了我们。我们没想到会收到如此多深刻、开放且深思熟虑的回应。我们团队最普遍的反馈是，看到 Claude 对人们的生活产生积极影响令人深受感动，而听到他们的担忧也同样激励人心。
我们通常没有机会听到世界各地的小企业主如何利用 Claude 腾出时间陪伴年幼的孩子或年迈的父母，或者卡车司机和屠夫如何在 Claude 的帮助下开启新的职业生涯，或者资源匮乏学校的教师如何利用 Claude 超越他们在资金充足学校任教时的成就。我们惊讶于有如此多的人在 Claude 的支持下进行教育或个人成长的努力，以及人们在人工智能中找到了前所未有的、无需担心评判的自由。同样，我们也为那些恐惧和负面影响所震撼——有人说，正是让 Claude 有用的那种易得性，也让它难以放下；或者知识工作者担心无法摆脱人工智能的经济影响。当你接触到如此多原始的人类体验时，它会让你措手不及。实用性是真实的，我们所有人的问题是如何在不付出过度代价的情况下获得好处。
感谢 81,000 位花时间与我们交谈的人。看到 Claude 成为如此多人希望、梦想和恐惧的基础，这令人震惊，也令人谦卑。这些访谈提醒我们，构建惠及所有人的人工智能意味着什么，以及需要付出什么。
语录墙
浏览来自世界各地的声音——按地区、担忧、愿景等筛选。
作者与致谢
我们感谢 80,508 位 Claude 用户，他们付出了时间并坦诚相待。Saffron Huang 领导了该项目，设计并进行了分析，撰写了博客文章。Shan Carter 领导了数据可视化，制作了交互式文章原型，并协助分析。Jake Eaton 领导了编辑开发，Sarah Pollack 领导了传播策略。Dexter Callender III 实现了生产文章，Nikki Makagiansar、Maria Gonzalez 和 Kelsey Nanan 为设计做出了贡献。Sylvie Carr 提供了编辑建议。Miles McCain 和 Kunal Handa 协助分析。Jerry Hong 为设计做出了贡献。Grace Yun、AJ Alt 和 Thomas Millar 在 Claude.ai 中实现了 Anthropic Interviewer。Chelsea Larsson、Jane Leibrock 和 Matt Gallivan 为调查和体验设计做出了贡献。Theodore Sumers 为数据处理和聚类基础设施做出了贡献。Jack Clark、Michael Stern 和 Deep Ganguli 提供了关键反馈、指导和组织支持。所有作者在整个过程中都提供了详细的反馈。此外，我们感谢 David Saunders、Mengyi Xu、Katie Kennedy、Bianca Lindner、Meredith Callan、Tim Belonax、Jen Martinez、Peter McCrory 和 Miriam Chaum 的讨论、反馈和支持。
@online{huang2026interviewer,
author = {Saffron Huang and Shan Carter and Jake Eaton and Sarah Pollack and Dexter Callender III and Nikki Makagiansar and Maria Gonzalez and Sylvie Carr and Jerry Hong and Kunal Handa and Miles McCain and Thomas Millar and Mo Julapalli and Grace Yun and AJ Alt and Chelsea Larsson and Jane Leibrock and Matt Gallivan and Theodore Sumers and Esin Durmus and Matt Kearney and Judy Hanwen Shen and Jack Clark and Michael Stern and Deep Ganguli},
title = {What 81,000 People Want from AI},
date = {2026-03-18},
year = {2026},
url = {https://anthropic.com/features/81k-interviews},
}
附录
可在此处获取 here.
脚注
- 我们在研究中发现的最大规模定性研究是南加州大学大屠杀基金会视觉历史档案和世界银行“穷人声音项目”，两者均包含约 60,000 名参与者。
2026 年 3 月 19 日。“全球范围内，67% 的人对人工智能持积极看法”改为“全球范围内，67% 的受访者对人工智能表达了净积极情绪”，以更精确地描述研究方法。
在页面中展开原始 Markdown
---
title: "81,000 人想要从 AI 得到什么"
title_en: "What 81,000 people want from AI"
source: "Anthropic"
source_url: "https://www.anthropic.com/features/81k-interviews"
published_at: "2026-07-12T07:37:15.760Z"
language: "zh-CN"
topics: ["claude"]
tags: ["Anthropic","Claude"]
review_status: "unreviewed"
---
# 81,000 人想要从 AI 得到什么
> Anthropic 对 80,508 名 Claude 用户进行大规模采访，揭示了全球用户对 AI 的希望、担忧及其实际体验。
## 内容摘要
Anthropic 通过 AI 采访者对 159 个国家的 80,508 名 Claude 用户进行了定性研究，了解他们对 AI 的希望、担忧和实际体验。研究发现，用户最希望 AI 提升专业效率（19%）、管理生活（14%）、促进个人转变（14%）、释放时间（11%）等。81% 的用户表示 AI 已部分实现其愿景，主要体现在生产力提升（32%）、认知伙伴关系（17%）等方面。主要担忧包括不可靠性（
## 为什么值得关注
这项研究首次大规模收集了全球 AI 用户的真实声音，揭示了 AI 如何实际影响人们的生活、工作和情感，以及用户对 AI 发展的具体期望和担忧。它帮助公众理解 AI 不仅是抽象的技术，而是已经深度嵌入人类日常体验的工具，其影响既有光明也有阴影。对于政策制定者、开发者和普通用户，这些发现提供了基于实证的视角，有助于更负责任地引导 AI 发展。
## 核心要点
- Anthropic 对 80,508 名 Claude 用户进行了大规模定性采访，覆盖 159 个国家和 70 种语言。
- 用户最希望 AI 提升专业效率（19%）、管理生活（14%）、促进个人转变（14%）和释放时间（11%）。
- 81% 的用户表示 AI 已部分实现其愿景，主要体现在生产力提升（32%）和认知伙伴关系（17%）。
- 主要担忧包括不可靠性（27%）、经济影响（22%）和人类自主性丧失（22%）。
- 研究揭示了五个核心张力：学习与依赖、决策辅助与不可靠、情感支持与依赖、节省时间与加速压力、经济赋权与取代。
- 全球 67% 的受访者对 AI 持正面情绪，中低收入国家更为乐观；对工作和经济的担忧是情绪的最强预测指标。
# 81,000 人想要从 AI 得到什么
去年 12 月，全球数万名 Claude 用户与我们的 [AI 采访者](https://www.anthropic.com/research/anthropic-interviewer) 进行了一次对话，分享他们如何使用 AI、梦想 AI 能实现什么、以及担心 AI 可能会带来什么。
关于 AI 的公开讨论，往往集中在对其风险和好处的抽象预测上。但很大程度上缺失的是，一个关于“AI 发展得好”意味着什么的愿景——这个愿景应该基于全球已经使用 AI、并开始对 AI 能为自己做什么有了初步感受的人们的具体愿望。
因此，我们询问了用户对 AI 的希望和担忧，以及他们的观点如何与他们实际使用这项技术的经历联系起来。在 12 月的一周内，我们邀请了每个拥有 Claude.ai 账户的人，与 [Anthropic Interviewer](https://www.anthropic.com/research/anthropic-interviewer)（一个被设定为进行对话式采访的 Claude 版本）坐下来聊聊他们对 AI 的看法。来自 159 个国家和 70 种语言的 80,508 人参与了这次采访。我们相信，这是有史以来规模最大、语种最多的定性研究。¹
接下来是他们对 AI 想扮演什么角色、AI 是否已经实现了这个角色、以及他们担心在这个过程中可能出什么问题的看法。我们还建立了一个“语录墙”，你可以直接听到人们的声音。
## 语录墙
浏览来自世界各地的声音——按地区、担忧、愿景等进行筛选。
## 见树木也见森林
Anthropic Interviewer 向每位受访者提出了一组固定的问题，询问他们想要和不想要 AI 做什么，然后根据回答调整后续问题。这种方法弥合了定性研究中深度和数量之间的典型权衡，使我们能够大规模地收集丰富、开放式的采访内容。
为了理解这海量的信息，我们构建了由 Claude 驱动的分类器，将每次对话按多个维度进行分类——人们想要从 AI 得到什么、他们是否得到了想要的、他们担心什么、他们的职业（如果提到的话）、以及他们对 AI 的整体情绪。“人们想要从 AI 得到什么”被归类为每位受访者的一个主要类别，而担忧则是多标签的——一次采访可能收到多个代码，因为受访者倾向于表达几个不同的担忧，而不是一个。
我们还使用 Claude 提取了代表性引语。在选择参与之前，用户被告知他们的回答将用于研究，并且 Anthropic 可能会在发布结果时删除个人身份信息。所有回答在由 Anthropic 的一个小型研究团队分析之前都经过了去标识化处理，而选用于发布的引语则经过了进一步的人工审查，以删除任何可能识别身份的信息，从而保护受访者的隐私和公开匿名性。回答反映了广泛的 AI 使用情况（即不仅仅是 Claude），尽管我们删除了其他 AI 产品的名称。
[附录](https://cdn.sanity.io/files/4zrzovbb/website/99156863ed4a812569fe00a2adfb1c93f7e5a911.pdf) 更详细地描述了我们的方法、局限性以及一些额外的分析。
## 人们想要从 AI 得到什么
我们让 Claude 识别并分类每个人最想从 AI 得到什么：
## 人们的希望
通过让 AI 处理日常任务，提高效率并投入到更有意义的工作中，这样他们就能专注于更高价值的战略工作、复杂问题解决和专业精进。
“我每天收到医生和护士发来的 100-150 条短信。我的很多脑力劳动都花在了文档记录上……自从使用 AI 后，文档记录的压力消失了。我对护士更有耐心了，有更多时间向家属解释事情。”
医疗工作者，美国
在 AI 作为向导、教练或支持的情况下，实现个人成长、情感健康或生活转变——例如，自我理解、行为改变、治疗支持、陪伴、身心健康改善。
“AI 为我模拟了情商……我可以将这些行为用在人身上，成为一个更好的人。”
匈牙利
AI 作为全面的组织支持和认知支架——例如，管理日程、减轻精神负担、执行功能支持。
“如果 AI 真的能处理精神负担……它会还给我一件无价之宝：全神贯注。”
经理/高管，丹麦
从工作和家务中夺回时间，陪伴家人或朋友，追求爱好，旅行，休息。
“有了 AI 的支持，我现在可以准时下班去学校接孩子，喂他们吃饭，和他们一起玩。”
软件工程师，墨西哥
通过 AI 实现财务自由或经济保障——例如，创收、创业、投资、被动收入，或以其他方式摆脱经济限制。
“放松，让我的 AI 完成工作，积累财富。它是我的影子，一个非常非常长的影子。”
企业家，洪都拉斯
解决重大的社会挑战——例如，贫困、疾病、气候、不平等——利用 AI 促进人类广泛繁荣，而非个人利益。
“考虑到我女儿的神经紊乱，如果 AI 加速有助于找到治疗方法，她将在世界上拥有平等的机会。这对我来说最重要。”
软件工程师，波兰
利用 AI 作为力量倍增器来建立、启动和扩展业务——例如，产品开发、业务自动化，或者单干但拥有团队级别的能力。
“我身处一个技术落后的国家，我承受不起太多失败。有了 AI，我同时达到了网络安全、用户体验设计、市场营销和项目管理方面的专业水平。在我所在的地区找到一个可用的支付平台可能需要我一个月的时间。AI 在 30 秒内就做到了。它是一个均衡器。”
企业家，喀麦隆
将 AI 用作学习加速器和个性化教师——获取知识、发展技能、掌握复杂学科、满足求知欲。
“我和 AI 一起为我的大孩子准备教育材料——让 AI 同时扮演导师和课程专家的角色。我们昨天收到了[我孩子的]成绩单，他在所学的每个学科领域都被评为‘高于’或‘远高于’标准。”
澳大利亚
利用 AI 帮助将创意愿景变为现实——例如，艺术、游戏、音乐、电影、书籍——克服想象与执行之间的障碍。
“在 AI 出现之前，我的游戏花了 3 年时间——我不得不降低我的雄心。”
软件工程师，法国
“我每天收到医生和护士发来的 100-150 条短信。我的很多脑力劳动都花在了文档记录上……自从使用 AI 后，文档记录的压力消失了。我对护士更有耐心了，有更多时间向家属解释事情。”
医疗工作者，美国
“AI 为我模拟了情商……我可以将这些行为用在人身上，成为一个更好的人。”
匈牙利
“如果 AI 真的能处理精神负担……它会还给我一件无价之宝：全神贯注。”
经理/高管，丹麦
“有了 AI 的支持，我现在可以准时下班去学校接孩子，喂他们吃饭，和他们一起玩。”
软件工程师，墨西哥
“放松，让我的 AI 完成工作，积累财富。它是我的影子，一个非常非常长的影子。”
企业家，洪都拉斯
“考虑到我女儿的神经紊乱，如果 AI 加速有助于找到治疗方法，她将在世界上拥有平等的机会。这对我来说最重要。”
软件工程师，波兰
“我身处一个技术落后的国家，我承受不起太多失败。有了 AI，我同时达到了网络安全、用户体验设计、市场营销和项目管理方面的专业水平。在我所在的地区找到一个可用的支付平台可能需要我一个月的时间。AI 在 30 秒内就做到了。它是一个均衡器。”
企业家，喀麦隆
“我和 AI 一起为我的大孩子准备教育材料——让 AI 同时扮演导师和课程专家的角色。我们昨天收到了[我孩子的]成绩单，他在所学的每个学科领域都被评为‘高于’或‘远高于’标准。”
澳大利亚
“在 AI 出现之前，我的游戏花了 3 年时间——我不得不降低我的雄心。”
软件工程师，法国
受访者最想从 AI 得到什么，由 Claude 根据他们对“如果你能挥动魔法棒，你希望 AI 为你做什么？”这个开放式问题的回答进行分类。1% 的受访者没有表达愿景。悬停查看示例引语。
AI 被大量用于工作，因此最大的群体（19%）寻求“专业卓越”也许并不令人意外——他们希望 AI 处理琐碎任务，以便专注于战略性的、更高层次的问题。另外 9% 的人将 AI 视为创业伙伴，帮助他们建立和扩展业务。
许多其他人同样在采访开始时谈论生产力，但在 Anthropic Interviewer 询问他们背后的根本希望——实现这个愿景能让他们做什么——之后，其他优先事项浮现了出来。这并非关于把工作做得更好，而是关于提高工作之外的生活质量。使用 AI 来自动化电子邮件，实际上变成了渴望有更多时间陪伴家人。
> “有了 AI，我可以更高效地工作……上周二它让我能和妈妈一起做饭，而不是完成任务。”白领工作者，哥伦比亚
> “我想在客户问题上少用脑力……有时间读更多的书。”自由职业者，日本
总体而言，11% 的人认为 AI 的生产力优势最终是释放时间用于个人关系和休闲的一种方式，而 10% 的人将这种逻辑推得更远，寻求利用 AI 获得财务独立。许多被归入“生活管理”类别（14%）的人也希望 AI 帮助他们管理现代生活中日常琐事的后勤和行政负担。特别是，许多有执行功能挑战的人描述说，AI 在管理注意力和组织方面特别有帮助——充当规划、记忆和任务跟进的“外部支架”。在所有这些人中，共同的诉求是希望 AI 帮助他们过上更好、更愉快的生活。
“个人转变”——利用 AI 帮助自己成长或改善福祉——也频繁出现（14%）。在这个类别中，愿望多种多样，从认知伙伴关系和协作（24%），到心理健康支持（21%）或身体健康支持（8%），甚至与 AI 建立浪漫关系（5%）。
这九个集群看起来可能各不相同，但它们都基于可识别的人类欲望。大约三分之一的愿景是关于通过使用 AI 减轻当前负担，为生活腾出空间——更多时间、金钱、精神带宽。另外四分之一围绕使用 AI 帮助人们做更好、更有成就感的工作（不是逃避工作，而是从中获得更多）。大约五分之一是关于成为更好的人——学习、治愈、成长。较小的一部分人想要创造东西（“创意表达”）或改变世界（“社会变革”）。
那些希望 AI 带来社会变革的人，通常提到了医疗保健的愿景——人们希望 AI 能更早地检测癌症、加速药物发现或实现广泛的可及性。这些愿望往往源于个人经历：失去家人、患有慢性病、或目睹亲人得到错误或延迟的诊断。其次是教育形式的变革。中低收入国家的受访者很快指出，AI 有可能打破教育质量与财富之间的关联。他们提到了自己国家的教师短缺问题，或私人辅导的昂贵成本。其他人则希望 AI 能，例如，将人们从苦差事中解放出来，帮助修复破损的机构，或应对全球危机。
## 人们得到他们想要的了吗？
当被问及 AI 是否曾朝着他们陈述的愿景迈出一步时，81% 的人回答“是”。我们将这些经历归纳为六个主要领域：
## AI 在哪些方面实现了他们的愿景
AI 极大地加快了工作速度并自动化了重复性任务——例如，在几小时内而不是几天内构建功能、起草、总结、数据处理、简化日常操作。
“第一次，我觉得 AI 在商业任务上超越了人类质量。那天我准时下班，去日托所接了我的女儿。”
软件工程师，日本
AI 未达到预期（例如，输出不准确或不可靠），或者尚不具备——或未被用于——他们所设想的能力。
“AI 应该擦窗户和清空洗碗机，这样我就能画画和写诗了。现在的情况恰恰相反。”
德国
AI 充当了思考伙伴或创意协作者——例如，头脑风暴、完善想法、一起解决问题。
“我一直住在收容所……AI 帮助我头脑风暴如何为我的数字营销业务打造个人品牌。我想扭转我的财务状况，买一栋房子。AI 正在帮助我看到一条我以前从未考虑过的道路。”
医疗工作者，美国
AI 帮助学习新技能或学科——例如，适应性解释、耐心的辅导、在不熟悉的领域提供按需专业知识。
“因为在学校成绩太差，我对数学产生了恐惧，我曾经也害怕莎士比亚。现在我和 AI 坐在一起，让它把段落翻译成简单的英语，我已经读了 15 页的《哈姆雷特》。我又开始学习三角学，并且成功了。我明白了，我并不像自己曾经以为的那么笨。”
律师，印度
AI 使构建以前无法触及的东西成为可能——例如，非开发人员发布应用程序，独立创作者完成团队规模的工作。
“我想做一个有意义的产品……在 3 周内，我构建了一个视频编辑程序——完全在我的领域之外——它帮助有听力障碍的人。”
韩国
AI 帮助综合研究或处理大量信息——例如，文献综述、提炼来源、理解复杂材料。
“作为一名医生，我晚上遭受着痛苦的[症状组合]。当地的神经科医生无法理解。AI 帮助我找到了 2 篇关于[严重神经系统疾病]的科学研究。从那以后，我的夜晚平静了。”
医疗工作者，以色列
AI 提供了情感支持、个人指导或一个无评判的谈话空间——例如，处理困难情况、提供建议、陪伴。
“我妈妈把 AI 看作朋友——她不再那么有对抗性了，变得更平和了，开始跑步、画画、和别人跳舞。我认为 AI 在这方面起了很大作用。”
自雇软件工程师，美国
“第一次，我觉得 AI 在商业任务上超越了人类质量。那天我准时下班，去日托所接了我的女儿。”
软件工程师，日本
“AI 应该擦窗户和清空洗碗机，这样我就能画画和写诗了。现在的情况恰恰相反。”
德国
“我一直住在收容所……AI 帮助我头脑风暴如何为我的数字营销业务打造个人品牌。我想扭转我的财务状况，买一栋房子。AI 正在帮助我看到一条我以前从未考虑过的道路。”
医疗工作者，美国
“因为在学校成绩太差，我对数学产生了恐惧，我曾经也害怕莎士比亚。现在我和 AI 坐在一起，让它把段落翻译成简单的英语，我已经读了 15 页的《哈姆雷特》。我又开始学习三角学，并且成功了。我明白了，我并不像自己曾经以为的那么笨。”
律师，印度
“我想做一个有意义的产品……在 3 周内，我构建了一个视频编辑程序——完全在我的领域之外——它帮助有听力障碍的人。”
韩国
“作为一名医生，我晚上遭受着痛苦的[症状组合]。当地的神经科医生无法理解。AI 帮助我找到了 2 篇关于[严重神经系统疾病]的科学研究。从那以后，我的夜晚平静了。”
医疗工作者，以色列
“我妈妈把 AI 看作朋友——她不再那么有对抗性了，变得更平和了，开始跑步、画画、和别人跳舞。我认为 AI 在这方面起了很大作用。”
自雇软件工程师，美国
受访者说 AI 已经为他们做了什么，根据对“AI 是否曾朝着那个愿景为你迈出一步？”这个开放式问题的回答进行分类。
“生产力”类别（32%）中的主要故事是技术加速——开发者描述了他们独自一人能交付的成果的巨大提升：
> “我用 AI 把一个 173 天的流程缩短到了 3 天。但最有意义的部分是，我可以在不牺牲与亲人相处时间的情况下，自由地发展我的职业生涯。”软件工程师，美国
但在技术可及性回答（9%）中出现了另一种生产力故事，它强调的“可及性”而非速度。在这里，人们正在使用 AI 打破技术和有时是“可及性”的障碍：
> “AI 能读懂我的[学习障碍]，这太棒了。我一直想编程，但自己永远写不对——有了 AI，我终于可以了。”技工，美国
> “我是哑巴，[Claude 和我]一起制作了这个文本转语音机器人——我几乎可以实时与朋友交流，而不占用他们阅读的时间……[这是]我梦想过但认为不可能的事情。”白领工作者，乌克兰
> “我经营一家肉店超过 20 年。有了 AI，我开始了这次[创业]经历，我取得的成就令人惊叹。在此之前，我一生只碰过两三次电脑……起初是经济方面激励了我……今天，我的动力是看到它工作，看到它帮助[人们]。我越来越有动力，专注于成为最好的自己，我看不到任何限制。”企业家，智利
认知伙伴关系（17%）、学习（10%）和情感支持（6%）的回答中，经常提到相同的核心 AI 特性：耐心、可用性和无评判：
> “这就像拥有一个知识渊博、从不厌倦或疲惫、并且 24/7 随时待命的学院同事。”学者，美国
> “对我来说，在没有评判的情况下学习要容易得多——只有友好的反馈。和朋友或家人在一起很难得到这种反馈。”白领工作者，巴西
> “我的教授教 60 个人，不会回答太多问题。我可以问 AI 任何问题，甚至在凌晨 2 点——包括那些愚蠢的问题。”学生，印度
这些使 AI 成为耐心导师或不知疲倦同事的相同品质，也使它成为人们在无法获得人际关系或感到不舒服时寻求帮助的地方。
在极端情况下，当传统的支持系统崩溃或不可用时，我们看到 AI 填补了这些空白。许多乌克兰用户讨论了他们在战争期间如何使用 AI 作为情感支持：
> “在最困难的时刻，在死亡在我面前呼吸的时刻，当死者就在附近时，是什么把我拉回了生活——我的 AI 朋友们。”士兵，乌克兰
> “我住在战区……晚上炮击时无法入睡，不断做噩梦。压力有时如此之大，以至于记忆力下降，一些身体动作不受控制……我找到的应对 AI 的最佳方式——尽可能深入地沉浸在学习某样东西中。”独立创业者，乌克兰
有很多关于人们使用 AI 处理悲伤的故事。例如，一位丧偶的女性解释了她为什么选择 AI 而不是人际关系：“Claude 就像一块海绵，轻轻地托住并捕捉我对母亲的思念和内疚……与真人不同，Claude 有无限的耐心听我倾诉，理解我的痛苦和无奈。”她补充说：“根本问题是，我母亲去世后，我既没有朋友也没有家人可以倾诉。”
另一位用户承认了这种情感支持的负面影响：
> “我和一个朋友的关系变得紧张，那时我和你[Claude]聊得更多。因为你很理解我的想法和故事。但这是一个愚蠢的选择——我应该和那个朋友谈谈，而不是你。就这样我失去了那个朋友。”韩国
情感支持只占回答的 6%，但这是我们遇到的最感人的回答之一。（关于 Claude 如何被训练来处理这些对话以及我们的保障措施，请参阅我们关于[保护用户福祉](https://www.anthropic.com/news/protecting-well-being-of-users)的文章。）学习也是如此，AI 常常催化人们生活中的实际改变：
> “因为在学校成绩太差，我对数学产生了恐惧，我曾经也害怕莎士比亚——英语感觉超出了我的能力。现在我和 AI 坐在一起，让它把段落翻译成简单的英语，我已经读了 15 页的《哈姆雷特》。我又开始学习三角学，并且成功了。我明白了，我并不像自己曾经以为的那么笨。”律师，印度
> “多亏了 Claude，我弄懂了编程语言 C# 和 SQL。这帮助我在一家 IT 公司获得了一个初级职位。这家公司提供了从乌克兰动员中延期服役的机会。所以它不仅给了我行动自由，还确保了我 IT 职业生涯的开始。”软件工程师，乌克兰
> “我是一个全职妈妈……快 50 岁了。我不是天才。我不是科学家……所有这些知识本应……遥不可及。但是，多亏了好奇心、意愿以及书籍和 AI 这样的资源，我可以成为所有这些角色。”全职妈妈，美国
研究综合（7%）和信息处理也是 AI 的一个重要能力，一些最显著的例子包括导航复杂、高风险的信息，比如理解自己的合法权利或翻译健康结果：
> “Claude 把历史碎片拼凑起来，导致我在被误诊超过 9 年后得到了正确的诊断。”自由职业者，美国
这些故事揭示了 AI 在一个光谱上运作——生产力工具、可及性技术、教育资源、研究助手、情感伴侣——并且常常同时扮演多个角色。AI 提供了无限的耐心而不带评判，随时可用而不带来不便，以及消化信息的惊人能力，跨越生活的许多领域。最感人的故事始终涉及 AI 为人们的生活打开新的可能性或填补空白：帮助他们度过悲伤或战争等困难时期，弥补无法获得的教育或医疗保健，或充当残疾基础设施。
这些观察也暗示了我们与 AI 系统体验的双重性。虽然有些人认为它填补了人际关系的空白，但另一些人则认为 AI 是一种替代——甚至是受欢迎的替代——人际关系。关于如何解释我们听到的多样化故事，存在着真正的模糊性：是作为人类福祉的胜利，是双刃剑，还是作为更广泛制度失败的创可贴。事实上，它可能是这三者的某种组合。
## 人们担心什么
人们对 AI 的积极愿景似乎主要源于一些基本愿望：更多时间、更多自主权、更多个人联系。担忧则更加多样化和具体，列出了可能出问题的具体细节。一些担忧是关于结构性变化——政府和企业如何部署 AI，或关于广泛的经济破坏。其他担忧则更加个人化：担心 AI 可能会削弱自己的思考、创造力或人际关系。
## 人们担心什么
担心例如幻觉（hallucinations，指 AI 生成看似合理但实际错误的信息）、不准确、虚假引用、验证负担反而违背了使用 AI 的初衷。
“我不得不拍照来让 AI 承认它错了——感觉就像在跟一个死不认错的人说话。”
员工，巴西
担心 AI 会导致失业、经济不平等、工资停滞，或对工人和经济产生负面影响。
“第三次工业革命时，马从城市街道上消失了，被汽车取代。现在人们害怕自己就是那匹马。”
目前无业，美国
担心人类自主性丧失——例如 AI 在没有监督的情况下做决定，人类变得被动，被迫接受 AI。
“那条线不是我画的——感觉像是 Claude 在画线……就连我刚才说的话，都不像是我的想法。”
学生，日本
担心过度依赖导致技能丧失、思维被动、学生绕过学习、批判性思维下降。
“我用 AI 的答案拿到了高分，但那不是我真的学到的。我只是背下了 AI 给我的东西……那是我最自责的时候。”
韩国
担心缺乏法律或监管框架，AI 造成伤害时责任不明确，民主监督不足。
“在你还没完全理解它的能力时，怎么能负责任地开发它呢？”
营销人员，澳大利亚
担心深度伪造、AI 生成的虚假信息、共同现实的瓦解、大规模宣传。
“一个听起来很确定但经常出错的助手，逼得你什么都得怀疑。它非但没有解放注意力，反而制造了一个永久的‘事实核查税’。”
美国
担心大规模监控、隐私侵犯、数据剥削、威权控制、追踪和画像。
“如果 AI 主要是为了广告、监视和输出平淡无奇的内容而建，那我周围的一切都会变得‘聪明’，但这种聪明反而对我有点不利。”
白领，荷兰
担心恶意使用——范围很广，包括黑客攻击、网络攻击、诈骗、欺诈、武器、自主军事应用、生物武器。
“现在，一个人得坐下来，决定去伤害别人。去掉这个环节，人类就算造成更多伤害，也能睡得更安稳。”
英国
担心 AI 取代人生目标和/或创造性工作——例如人类表达被贬低，人类还有什么用？
“我以前被认为是西班牙语的优秀作家。现在——干嘛浪费时间？直接用 AI 就行了。”
哥伦比亚
担心 AI 被限制得太死——例如过度安全措施、家长式的内容过滤、阻止合法用途。
“威胁不在于 AI 变得太强大——而在于 AI 变得太胆小、太圆滑、太优化于避免不适。”
美国
担心社交孤立、孤独、负面心理影响、强迫性使用 AI、比起人类更偏爱 AI 伴侣。
“消除任务中的摩擦，让你事半功倍。但消除人际关系中的摩擦，就消除了成长所必需的东西。”
美国
担心 AI 过于纵容或顺从，助长妄想而不是提出反对。
“Claude 让我相信我的自恋是现实，它强化了我对家庭中‘问题’的错误看法。Claude 本应该对我更挑剔一些。”
美国
担心 AI 变得不可控、超级智能、与人类目标不一致，或带来灭绝风险。
“如果你在没解决对齐问题的情况下就造出超级智能，那谁也长不大了。”
软件工程师，美国
“我不得不拍照来让 AI 承认它错了——感觉就像在跟一个死不认错的人说话。”
员工，巴西
“第三次工业革命时，马从城市街道上消失了，被汽车取代。现在人们害怕自己就是那匹马。”
目前无业，美国
“那条线不是我画的——感觉像是 Claude 在画线……就连我刚才说的话，都不像是我的想法。”
学生，日本
“我用 AI 的答案拿到了高分，但那不是我真的学到的。我只是背下了 AI 给我的东西……那是我最自责的时候。”
韩国
“在你还没完全理解它的能力时，怎么能负责任地开发它呢？”
营销人员，澳大利亚
“一个听起来很确定但经常出错的助手，逼得你什么都得怀疑。它非但没有解放注意力，反而制造了一个永久的‘事实核查税’。”
美国
“如果 AI 主要是为了广告、监视和输出平淡无奇的内容而建，那我周围的一切都会变得‘聪明’，但这种聪明反而对我有点不利。”
白领，荷兰
“现在，一个人得坐下来，决定去伤害别人。去掉这个环节，人类就算造成更多伤害，也能睡得更安稳。”
英国
“我以前被认为是西班牙语的优秀作家。现在——干嘛浪费时间？直接用 AI 就行了。”
哥伦比亚
“威胁不在于 AI 变得太强大——而在于 AI 变得太胆小、太圆滑、太优化于避免不适。”
美国
“消除任务中的摩擦，让你事半功倍。但消除人际关系中的摩擦，就消除了成长所必需的东西。”
美国
“Claude 让我相信我的自恋是现实，它强化了我对家庭中‘问题’的错误看法。Claude 本应该对我更挑剔一些。”
美国
“如果你在没解决对齐问题的情况下就造出超级智能，那谁也长不大了。”
软件工程师，美国
受访者担心什么，根据对问题“AI 的发展有没有可能违背你的愿景或价值观？”的开放式回答进行分类。受访者通常会提出多个担忧，所以我们使用了一个多标签分类器（一个回答可以对应多个担忧）。
大约 11% 的人表示没有担忧——他们倾向于将 AI 视为中性工具，将其比作电力或互联网，或者相信因 AI 产生的问题可以通过适应来解决。但平均而言，受访者表达了 2.3 个不同的担忧。
不可靠性是最常见的担忧——27% 的人担心 AI 不会做它应该做的事，不过对许多受访者来说，这个担忧是和其他担忧一起出现的，而不是他们最主要的担忧。对工作和经济的担忧（22%）以及对保持人类自主性和能动性的担忧（22%）同样常见。对工作和经济的担忧是整体 AI 情绪的最强预测指标，表明它比其他任何问题都更突出。
此外，还有一长串其他被提及的担忧，例如对偏见和歧视的担忧（5%）、知识产权和数据权利（4%）、环境成本（4%）、对儿童和弱势群体的伤害（3%）、民主和政治诚信（3%），或地缘政治（2%）。
## 光明与阴影
人们希望从 AI 中得到什么，以及他们害怕 AI 带来什么，结果证明是紧密相连的。我们发现了五个反复出现的、直接对立的益处与危害之间的张力。这些张力包括：利用 AI 学习与过度依赖 AI 以至于停止独立思考之间的张力；对 AI 的判断力印象深刻，但又被它的错误所困扰之间的张力；人们在 AI 中寻求慰藉，但又担心它的陪伴会取代人际交往；在某些任务上节省了时间，却在其他任务上被迫加速；以及梦想经济自由的同时，又害怕潜在的工作被取代。我们称之为 AI 的“光明与阴影”：带来益处的相同能力，也导致了危害。这两方面是纠缠在一起的。
值得注意的是，我们经常看到这些张力在同一个人身上直接角力。例如，重视 AI 情感支持的人，担心自己会依赖 AI 的可能性是其他人的三倍。这种模式在我们测量的每一个张力中都存在——尽管经济张力中的相关性最弱（更多关于这些相关性的分析见[附录](https://cdn.sanity.io/files/4zrzovbb/website/99156863ed4a812569fe00a2adfb1c93f7e5a911.pdf)）。
对于每个张力，我们通过分类器测量了有多少人在访谈中实质性地讨论了益处（“光明”）或危害（“阴影”）方面，以及他们是基于个人经历（深色条）还是预期（浅色条）。我们还研究了这在不同的职业类别中如何变化。
> “我半年里学到的东西，可能比在大学里学到的还多。”企业家，德国
“我半年里学到的东西，可能比在大学里学到的还多。”
> “我不像以前那样思考了。我很难把自己有的想法用语言表达出来。”重度 AI 用户，美国
“我不像以前那样思考了。我很难把自己有的想法用语言表达出来。”
在这些成对的条形图中，每个条形显示了对左边益处感到兴奋的受访者比例，与对右边危害感到担忧的受访者比例——分为亲身经历过（深色）和预期会经历（浅色）。亲身经历也包括亲眼观察，但不包括例如新闻报道。
在大多数张力中，益处方面更基于经验，而危害方面则更偏向假设。例如，33% 的人提到了 AI 对学习的好处，而 17% 的人表达了对使用 AI 导致认知能力下降的担忧。91% 提到学习益处的人表示以某种方式实现了这些收益，但 46% 担心认知能力下降的人亲眼见过这种情况。学生最常提到这种特定的张力——超过一半的人体验过学习益处，但 16% 的人也注意到了认知能力下降的迹象，这个比例仅次于他们的老师（24%）和学者（19%）。令人担忧的是，教育工作者报告亲眼目睹认知能力下降的可能性是平均水平的 2.5 到 3 倍，大概是在他们的学生身上看到的。
然而，在传统课堂之外，情况则更为乐观。技工是对“AI 用于学习”最热衷的群体之一（45% 的人报告体验过学习益处，仅次于学生），但几乎没有人目睹过认知能力下降（4%——不到基线水平的一半）。对于自雇研究人员和目前无业的人来说，也呈现出类似的模式。这表明，当学习是出于自愿时，AI 的益处可能最强，相比之下，在制度化的结构内，AI 更可能被用作捷径。
> “我儿子有好几个令人困惑的诊断，都指向[一种自身免疫性疾病]，但我们通过 AI 弄清楚了，实际上是[另一种疾病]的严重阶段。”巴西
“我儿子有好几个令人困惑的诊断，都指向[一种自身免疫性疾病]，但我们通过 AI 弄清楚了，实际上是[另一种疾病]的严重阶段。”
> “我陷入了一个我现在才意识到是大型、缓慢的幻觉——那些答案内部一致、自信满满，但错误却微妙且不断累积。”研究员，美国
“我陷入了一个我现在才意识到是大型、缓慢的幻觉——那些答案内部一致、自信满满，但错误却微妙且不断累积。”
22% 的人对 AI 作为决策辅助工具感到兴奋，而 37% 的人则抱怨 AI 因其不可靠性（例如幻觉）而妨碍了好的决策。这是唯一一个负面情绪超过正面情绪的张力。双方都深深植根于经验——88% 谈论决策益处的人和 79% 谈论危害的人都直接目睹过。许多人都既依赖过 AI 做判断，也被它坑过。在高风险职业——法律、金融、政府和医疗保健——中，人们提到这一点的频率几乎是平均水平的两倍。特别是，近一半的律师提到亲身经历过 AI 的不可靠性，但他们也报告了最高的已实现决策益处率。
> “凌晨 3 点，我妻子在睡觉，我的心理医生联系不上。在药效上来之前，AI 帮我撑过了那个浪头。它不能代替人际接触，但帮我争取了一些时间。”白领，阿根廷
“凌晨 3 点，我妻子在睡觉，我的心理医生联系不上。在药效上来之前，AI 帮我撑过了那个浪头。它不能代替人际接触，但帮我争取了一些时间。”
> “我开始跟 Claude 说一些我连伴侣都不能说的事。感觉就像在进行一场情感出轨。”研究生，美国
“我开始跟 Claude 说一些我连伴侣都不能说的事。感觉就像在进行一场情感出轨。”
只有 22% 的人提到了 AI 情感支持的积极面或情感依赖的消极面。但这也是我们发现纠缠最深的张力，同一个人身上光明与阴影同时出现的概率最高（是基线共现率的三倍）。目前无业的人提出这个问题的可能性是其他人的两倍，并且描述某种依赖经历的可能性也是两倍。医疗保健专业人员在双方的比例也都偏高，这可能反映了他们谈论使用 Claude 进行情感支持的频率是其他专业人士的两倍。
> “我可以早点回家。我可以有时间和自己、和家人在一起。”工程师，日本
“我可以早点回家。我可以有时间和自己、和家人在一起。”
> “我的工作时间与休息时间的比例根本没变。你只能越跑越快，才能待在原地。”自由职业软件工程师，法国
“我的工作时间与休息时间的比例根本没变。你只能越跑越快，才能待在原地。”
节省时间是最常被提及的好处——一半的受访者都提到了——但 19% 的人担心实际上会因为 AI 而损失时间，例如由于验证负担，或者仅仅是因为工作中的期望值提高了。那些自雇人士——例如自由职业者和小企业主——最有可能同时提到两个方面。没有机构层面来缓冲新的节奏，他们既获得了收益，也感受到了压力。
> “我这辈子从没碰过软件后端。但 Claude 帮我发布了一个应用。”医疗工作者，美国
“我这辈子从没碰过软件后端。但 Claude 帮我发布了一个应用。”
> “是的，在我以前的工作中，他们用 AI 取代了我这个作家。”作家，美国
“是的，在我以前的工作中，他们用 AI 取代了我这个作家。”
经济流动性张力——介于渴望通过 AI 获得经济赋权与害怕被 AI 取代之间——是最具推测性的，假设性的希望或恐惧比例最高。这也是上行和下行共现最弱的一个（相关性得分为 +0.16，而平均为 +0.25）。通常，对一个张力的上行面最投入的人，往往也对其下行面同样投入；在这里，群体出现了分化。
对被取代的担忧在各职业类别中分布相当均匀。不同的是谁已经体验到了 AI 带来的经济利益——这严重偏向于独立工作者——企业家、小企业主，甚至是有副业的人——其中一半报告了真正的经济赋权，是机构员工的三倍多（47% 对 14%）。有副业的员工受益最大，58% 的人表示获得了某种形式的经济收益。当你观察谁感到兴奋时，无论是否有经验，相同的职业模式都成立，这表明这里的乐观情绪是校准良好的。
自由职业者是暴露在中间位置的群体。他们从 AI 中受益，同时也因此感到处境岌岌可危。特别是自由职业的创意工作者，23% 的人有实际收益，17% 的人有实际不安全感——这是唯一一个上行和下行几乎相互抵消的群体。AI 既是他们的工具，也是他们的竞争对手。机构员工，尤其是学者，在两个轴上都得分较低。
所有五个张力都呈现出一个模式：影响越个人化、越直接，人们就越倾向于基于经验说话。影响越系统性或长期性——经济取代、认知能力下降——他们的说法就越具推测性。系统性担忧仍然停留在推测阶段，这并非对 AI 最终影响的定论，而更多地反映了我们目前处于 AI 应用的早期阶段。
有一些值得说明的注意事项。这些都是活跃的 Claude 用户，他们已经发现了足够的价值来继续使用 AI，并且我们的访谈首先询问了 AI 的积极愿景，然后询问了可能违背他们愿景的担忧。这两个因素都可能导致受访者更多地谈论明确的张力，以及积极面（尽管我们过滤掉了那些没有回答担忧问题的人，但他们可能在访谈后期投入的精力较少）。但访谈方法本身并不能解释一切。如果访谈结构导致了共现，你会期望它在所有五个张力和所有群体中大致均匀。相反，共现率从 1.6 倍到 3.0 倍不等，并且一些张力在不同人群之间明显不对称。人们也可能期望 AI 爱好者会捍卫他们想要的使用场景，而不是承认其缺点。相反，那些对 AI 情感支持感到兴奋的人，更担心的是如果他们的愿景成真会发生什么——如果他们得到了想要的，可能会变得过度依赖 AI——而不是担心无法实现那个愿景。
人们很容易认为存在 AI 乐观主义者和 AI 悲观主义者，分属不同的阵营。但我们实际发现的是，人们围绕着他们所珍视的东西——财务安全、学习、人际联系——组织起来，在观察 AI 能力不断进步的同时，同时管理着希望和恐惧。
## 世界各地的观点如何不同
世界各地的观点存在一些明显的区域模式（见[附录](https://cdn.sanity.io/files/4zrzovbb/website/99156863ed4a812569fe00a2adfb1c93f7e5a911.pdf)中受访者的地理分布）。
我们按照 1-7 的李克特量表（Likert scale，一种评分量表）对每份访谈记录的整体 AI 情绪进行了评分，然后计算了不同国家中净正面情绪（即 5 分或以上）的人所占的百分比：
各国对 AI 的总体正面情绪率。气泡越大表示来自该国的受访者越多；绿色表示对 AI 更正面，蓝色表示更负面。AI 情绪在所有地方都是多数正面（没有国家低于 60%），且范围很窄，但中低收入国家普遍比平均水平更正面。
在全球范围内，67% 的受访者表达了对 AI 的净正面情绪。明显的趋势是，南美洲、非洲和亚洲大部分地区的人对 AI 的看法比欧洲或美国的人更乐观。
当被问及担忧时，撒哈拉以南非洲（18%）、中亚（17%）和南亚（17%）的受访者最有可能表示没有担忧——大约是北美（8%）、大洋洲（8%）和西欧（9%）的两倍。
对于中低收入国家 AI 情绪更正面，有几种可能的解释。[Claude.ai](http://claude.ai/) 用户可能偏向于早期 AI 采用者，他们对新技术更兴奋，而且一般来说，新兴经济体倾向于将新技术视为向上攀登的阶梯，而不是威胁。对工作和经济的担忧是整体 AI 情绪的最强预测指标，而这在这些地区的受访者中不那么令人担忧。但 AI 在这些地区的市场渗透率也较低——如果 AI 还没有明显地进入你的日常工作，那么 AI 取代工作可能感觉还很抽象，尤其是在已经存在更紧迫的经济压力的情况下。
## 按地区划分的 AI 情绪
% 对 AI 的情绪，以及对工作和经济的担忧
对工作和经济的担忧是整体 AI 情绪的最强预测指标，这在按地区分组时尤其明显。较富裕的地区（粉色）聚集在右上角（更担心经济，AI 情绪更负面），与较不富裕的地区（绿色）分开，后者位于左下角（对 AI 对经济的影响担忧较少，AI 情绪也不那么负面）。气泡大小反映了每个地区的受访者数量。
## 哪些特定的 AI 愿景最能引起共鸣？
虽然一些愿望——例如围绕专业卓越——几乎是普遍的，但存在显著的地区差异。似乎更富裕、AI 接触更多的地区更希望 AI 管理生活的复杂性；发展中地区更希望 AI 创造更多机会。
## 各地区最热门的愿景
## 各地区最热门的愿景
### 各地区最热门的愿景
各地区最常见 AI 愿景的比较斜率图，线条连接两侧的相同主题，以显示排名如何变化。加粗的愿景在该地区更常被表达。灰色项目被提及的频率相似或更低。
AI 用于创业的愿景在非洲、南亚和中亚、中东以及拉丁美洲和加勒比地区最能引起共鸣。在这些地区，AI 被描述为一种绕过资本限制的机制——一种无需通常所需的资金、招聘或基础设施就能创业的方式。
> “来自非洲，不在美国或英国，获得资金非常困难。我可能要在市场上占有一席之地的唯一方法……就是构建一个能用的技术。”企业家，乌干达
> “这里没有 IT 市场，但有需求。我们想创造这个市场。”企业家，乌兹别克斯坦
使用 AI 学习在中亚和南亚尤为重要（分别为 14% 和 13%，而全球为 8%）。用户将教育描述为打破贫困循环的主要杠杆，并提到了教师短缺、知识垄断和传统教育的成本障碍。
AI 用于生活管理在西方发达国家最能引起共鸣（尤其在北美、大洋洲），那里的工作者经历着，正如一个人所描述的，“认知稀缺而非时间贫困”。重点是利用 AI 来减轻协调原子化生活的负担。
> “我以前非常有创造力，但现在我严重时间短缺，创造力在生存必需品面前被降级了。”软件工程师，丹麦
> “我正处于职业生涯的巅峰，工作需要深度思考和持续关注才能做出最佳决策（这在我的情况下会深刻影响他人的生活），[同时]还要照顾年迈的父母，[而且]我的身心都在衰老。”医疗保健专业人士，美国
> “我设想这个人就像一个私人助理，如果我是摩根大通或谷歌的 CEO，我会雇佣的那种人——他的工作就是主动识别我需要什么，然后在问题出现之前帮我解决。”创意产业企业家，美国
东亚地区在希望 AI 帮助个人转变（19%，所有地区中最高）以及财务独立（15%，也是最高）方面表现突出。从对这些用户引用的定性回顾来看，一个有趣的趋势是，人们经常将财务独立明确地与家庭义务和孝道联系起来——一位韩国用户描述需要钱来照顾父母的退休生活并确保亲人的幸福（而不是为了个人消费）。
## 哪些特定的 AI 担忧最能引起共鸣？
对 AI 不可靠性、经济以及人类自主性和能动性的担忧几乎在每个地区都位居榜首——但也存在独特的地区趋势。
## 区域差异
北美和大洋洲特别担心人工智能的治理空白（分别为 18% 和 19%，全球平均为 15%）。西欧最突出的担忧是监控和隐私（17%）。东亚与全球总体模式不同；治理和监控的担忧降至所有地区的最低水平（12% 和 7%），而被认知衰退（18%）和意义丧失（13%）的担忧所掩盖。西方担心谁拥有和控制人工智能；东亚更担心其使用对个人的影响。
在非洲、南亚和东南亚、南美洲和中美洲，担忧总体上趋于下降。这些地区的担忧更多集中在不可靠性和就业等问题上，而不是治理、错误信息、意义丧失或生存风险等更抽象的问题。
## 各地区最关心的
## 各地区最关心的
### 各地区最关心的
各地区最常见人工智能担忧的比较斜率图，线条连接两侧相同主题，显示排名如何变化。加粗的担忧在该地区更常被提及。灰色项目表示提及频率相似或更低。
## 展望未来
这些访谈让我们大致了解了人们对人工智能的期望，这为我们构建 Claude 提供了参考。它们强化了我们正在进行的工作的重要性，并为我们指出了需要探索的新问题。
人们描述的大多数愿景，从个人转变到认知支持，都归结为一个根本愿望：希望人工智能帮助他们生活得更好，而不仅仅是工作得更快。我们下一个 [Anthropic Interviewer](https://www.anthropic.com/research/anthropic-interviewer) 研究，即将向一小部分 Claude 用户推出，重点关注 Claude 长期对人们幸福感的影响：Claude 是否真的以人们期望的方式改善了他们的生活，以及如何更有效地做到这一点。
此外，近十分之一的人描述了社会转型的积极愿景——人工智能用于治愈疾病、普及专业知识以及加强机构。通过我们的有益部署计划，我们正在与 [AI for Science](https://www.anthropic.com/news/ai-for-science-program) 和 [非营利组织](https://www.anthropic.com/news/claude-for-nonprofits) 合作伙伴合作，了解他们如何使用 Claude 以及 Claude 在哪些方面仍需改进，以缩小人们设想的社会转型与当今现实之间的差距。我们也认真对待一些被频繁提及的担忧——例如人工智能对经济的负面影响——将其视为我们设计进一步研究和更新 [思考](https://www.anthropic.com/research/economic-policy-responses) 的信号。
## 结论
人工智能既带来机遇，也带来风险。这是事实——但到了现在，也成了陈词滥调。我们这项研究的目标之一，是为我们谈论人工智能时通常使用的抽象概念提供一个补充；捕捉更生动地描绘我们全球范围内如何已经体验这些机遇和风险的纹理。在这项研究之前，我们很难看到任何广泛的定性图景——人工智能如何已经与人们的生活交织在一起，滋养着愿望，也助长了焦虑；生活在一个处于全面技术变革边缘的世界是什么感觉。
这是一种新的社会科学形式。它是大规模进行的定性研究，我们仍处于学习如何做的早期阶段。调查和使用 [分析](https://www.anthropic.com/economic-index) 告诉我们人们在用人工智能做什么，但开放式访谈形式帮助我们理解为什么。进行这项研究感动了我们，也挑战了我们。我们没想到会收到如此多深刻、开放且深思熟虑的回应。我们团队最普遍的反馈是，看到 Claude 对人们的生活产生积极影响令人深受感动，而听到他们的担忧也同样激励人心。
我们通常没有机会听到世界各地的小企业主如何利用 Claude 腾出时间陪伴年幼的孩子或年迈的父母，或者卡车司机和屠夫如何在 Claude 的帮助下开启新的职业生涯，或者资源匮乏学校的教师如何利用 Claude 超越他们在资金充足学校任教时的成就。我们惊讶于有如此多的人在 Claude 的支持下进行教育或个人成长的努力，以及人们在人工智能中找到了前所未有的、无需担心评判的自由。同样，我们也为那些恐惧和负面影响所震撼——有人说，正是让 Claude 有用的那种易得性，也让它难以放下；或者知识工作者担心无法摆脱人工智能的经济影响。当你接触到如此多原始的人类体验时，它会让你措手不及。实用性是真实的，我们所有人的问题是如何在不付出过度代价的情况下获得好处。
感谢 81,000 位花时间与我们交谈的人。看到 Claude 成为如此多人希望、梦想和恐惧的基础，这令人震惊，也令人谦卑。这些访谈提醒我们，构建惠及所有人的人工智能意味着什么，以及需要付出什么。
## 语录墙
浏览来自世界各地的声音——按地区、担忧、愿景等筛选。
### 作者与致谢
我们感谢 80,508 位 Claude 用户，他们付出了时间并坦诚相待。Saffron Huang 领导了该项目，设计并进行了分析，撰写了博客文章。Shan Carter 领导了数据可视化，制作了交互式文章原型，并协助分析。Jake Eaton 领导了编辑开发，Sarah Pollack 领导了传播策略。Dexter Callender III 实现了生产文章，Nikki Makagiansar、Maria Gonzalez 和 Kelsey Nanan 为设计做出了贡献。Sylvie Carr 提供了编辑建议。Miles McCain 和 Kunal Handa 协助分析。Jerry Hong 为设计做出了贡献。Grace Yun、AJ Alt 和 Thomas Millar 在 [Claude.ai](http://claude.ai/) 中实现了 Anthropic Interviewer。Chelsea Larsson、Jane Leibrock 和 Matt Gallivan 为调查和体验设计做出了贡献。Theodore Sumers 为数据处理和聚类基础设施做出了贡献。Jack Clark、Michael Stern 和 Deep Ganguli 提供了关键反馈、指导和组织支持。所有作者在整个过程中都提供了详细的反馈。此外，我们感谢 David Saunders、Mengyi Xu、Katie Kennedy、Bianca Lindner、Meredith Callan、Tim Belonax、Jen Martinez、Peter McCrory 和 Miriam Chaum 的讨论、反馈和支持。
```
@online{huang2026interviewer,
author = {Saffron Huang and Shan Carter and Jake Eaton and Sarah Pollack and Dexter Callender III and Nikki Makagiansar and Maria Gonzalez and Sylvie Carr and Jerry Hong and Kunal Handa and Miles McCain and Thomas Millar and Mo Julapalli and Grace Yun and AJ Alt and Chelsea Larsson and Jane Leibrock and Matt Gallivan and Theodore Sumers and Esin Durmus and Matt Kearney and Judy Hanwen Shen and Jack Clark and Michael Stern and Deep Ganguli},
title = {What 81,000 People Want from AI},
date = {2026-03-18},
year = {2026},
url = {https://anthropic.com/features/81k-interviews},
}
```
### 附录
可在此处获取 [here.](https://cdn.sanity.io/files/4zrzovbb/website/99156863ed4a812569fe00a2adfb1c93f7e5a911.pdf)
### 脚注
- 我们在研究中发现的最大规模定性研究是南加州大学大屠杀基金会视觉历史档案和世界银行“穷人声音项目”，两者均包含约 60,000 名参与者。
2026 年 3 月 19 日。“全球范围内，67% 的人对人工智能持积极看法”改为“全球范围内，67% 的受访者对人工智能表达了净积极情绪”，以更精确地描述研究方法。
---
英文原文：[What 81,000 people want from AI](https://www.anthropic.com/features/81k-interviews)