Anthropic 经济指数报告：经济基元

---
title: "Anthropic 经济指数报告：经济基元"
title_en: "Anthropic Economic Index report: Economic primitives"
source: "Anthropic"
source_url: "https://www.anthropic.com/research/anthropic-economic-index-january-2026-report"
published_at: "2026-07-08T22:30:56.000Z"
language: "zh-CN"
topics: ["claude"]
tags: ["Anthropic","Claude"]
review_status: "unreviewed"
---

# Anthropic 经济指数报告：经济基元

> Anthropic 发布第四期经济指数报告，引入五个新“经济基元”衡量 AI 使用方式，揭示 Claude 在不同任务、地区和收入水平下的使用差异及其对劳动生产率和就业技能结构的影响。

## 内容摘要

本报告基于 2025 年 11 月（Opus 4.5 发布前）Claude.ai 和第一方 API 的匿名使用数据，引入任务复杂度、人类与 AI 技能、使用场景、AI 自主程度和任务成功度五个经济基元。主要发现包括：Claude 使用仍高度集中在编程任务，但教育类使用上升；增强模式在 Claude.ai 上重新占主导；美国各州使用趋于均衡，全球仍与 GDP 强相关；Claude 在更复杂任务上成功

## 为什么值得关注

这份报告提供了理解 AI 如何重塑经济的新框架。通过衡量 AI 在不同任务上的成功率、时间节省和技能要求，我们可以更准确地预测哪些工作可能被自动化、哪些技能将变得更重要，以及 AI 是否会扩大或缩小国家间的经济差距。对于政策制定者、企业和个人来说，这些洞察有助于制定教育、培训和投资策略，以更好地适应 AI 驱动的经济变革。

## 核心要点

- Claude 使用仍高度集中在编程任务，但教育类使用从 9% 升至 15%。
- 增强模式（协作）在 Claude.ai 上重新占主导（52%），自动化占比下降至 45%。
- 美国各州人均使用量趋于均衡，预计 2-5 年内完全趋同；全球仍与 GDP 强相关。
- Claude 在更复杂任务上成功率更低，但时间节省更大；考虑成功率后，隐含劳动生产率增长从 1.8% 降至约 1.0%。
- AI 倾向于覆盖高教育任务，导致多数职业出现净去技能化效应，但部分职业（如房地产经理）实现技能升级。

# Anthropic 经济指数报告：经济基元

## 引言

### AI 如何重塑经济？

本报告引入了衡量 AI 使用情况的新指标，以全面展示 2025 年 11 月（即 Opus 4.5 发布前）用户与 Claude 的互动情况。这些“基元”——衡量 Claude 使用方式的简单、基础性指标，是我们通过向 Claude 提出关于匿名 Claude.ai 和第一方（1P）API 记录的具体问题而生成的——涵盖了与 AI 经济影响相关的五个维度：用户和 AI 技能、任务的复杂程度、赋予 Claude 的自主程度、Claude 的成功率，以及 Claude 是用于个人、教育还是工作目的。

结果揭示了显著的地理差异、AI 任务时长的实际估算，以及重新评估 Claude 宏观经济影响的基础。

我们随本报告发布的数据是迄今为止最全面的，涵盖了 AI 使用的五个新维度、消费者和企业的使用情况，以及 Claude.ai 的国家和地区细分。

### 自上次报告以来发生了什么变化

在第一章中，我们重新审视了 2025 年 9 月发布的上一份[经济指数报告](https://www.anthropic.com/research/anthropic-economic-index-september-2025-report)中的发现。我们发现：

- **Claude 的使用仍然集中在某些任务上，其中大部分与编程相关** 虽然我们在 Claude.ai 上观察到超过 3,000 种独特的工作任务，但最常见的 10 个任务占我们抽样对话的 24%，自上次报告以来略有增加。增强模式（用户学习、迭代任务或从 Claude 获得反馈的对话）在 Claude.ai 上的对话中略超半数。相比之下，自动化使用在第一方 API 流量中仍然占主导地位，这反映了其程序化特性。

- **全球使用仍然持续不均衡，而美国各州正在趋同** 美国、印度、日本、英国和韩国在 Claude.ai 的整体使用中领先。在全球范围内，使用不均衡的情况仍然可以通过人均 GDP 很好地解释。在美国国内，劳动力构成在形成不均衡采用方面起着关键作用，因为拥有更多计算机和数学专业人员的州显示出系统性地更高的 Claude 使用量。

虽然仍然存在显著的集中性，但自上次报告以来，Claude 的使用在美国各州之间已明显变得更加均匀分布。如果这种趋势持续下去，全国范围内的人均使用量将在 2-5 年内趋于均衡。

### 介绍并分析我们的新经济基元

在第二章中，我们讨论了引入新经济基元的动机，并介绍了这些基元，包括它们是如何选择和操作的，以及它们的局限性。此外，我们还提供了证据，表明与外部基准相比，我们的基元捕捉到了底层使用模式的方向性准确方面。在第三和第四章中，我们使用这些基元进一步研究对采用率和生产力的影响。我们发现：

- **Claude 的使用随着采用率和收入的提高而多样化** 虽然 Claude 最常见的用途是工作，但在人均 GDP 最低的国家，课程作业的使用率最高，而富裕国家的个人使用率最高。这与一个简单的采用曲线故事相符：欠发达国家的早期采用者往往是具有特定、高价值应用的技术用户，或者将 Claude 用于教育，而成熟市场则看到使用向休闲和个人目的多样化。

- **Claude 在大多数任务上成功，但在最复杂的任务上表现较差** 我们发现 Claude 通常能成功完成交给它的任务，并且其回答的教育水平往往与用户的输入相匹配。Claude 在更复杂的任务上表现不佳：随着人类完成该任务所需时间的增加，Claude 的成功率下降，这与[衡量 AI 能够可靠执行的最长任务的著名评估](https://arxiv.org/abs/2503.14499)类似。

- **当考虑成功率时，工作受 AI 影响的情况看起来不同** 我们还使用成功率基元来更好地理解工作受 AI 影响的程度，通过将任务覆盖率按成功率和每个任务在工作中的重要性加权，计算每个职业中 Claude 能够完成的任务比例。对于某些职业，如数据录入员和数据库架构师，Claude 在工作的很大一部分中表现出色。

- **Claude 用于比更广泛经济中技能要求更高的任务** 我们在 Claude 使用中观察到的任务往往比更广泛经济中的任务需要更多的教育。如果我们假设 AI 辅助的任务作为工人职责的一部分而减少，那么移除它们将留下技能较低的工作。但这种简单的任务置换不会均匀地影响白领工人——对于某些职业，它移除了技能最密集的任务，对于其他职业，则移除了技能最低的任务。如果没有我们观察到 Claude 执行的任务，旅行社将经历技能降级，因为复杂的规划工作让位于常规的票务购买和收款。相比之下，物业经理将经历技能升级，因为簿记任务让位于合同谈判和利益相关者管理。

### 理解 AI 对经济影响的新窗口

这些结果为理解 AI 目前如何影响经济提供了一个新窗口。了解任务的成功率可以更准确地了解哪些任务可能被自动化、某些工作可能受到多大影响，以及劳动生产率将如何变化。按用户教育水平衡量不同的表现，揭示了不平等的影响。

事实上，输入和输出中教育水平之间的密切关系表明，教育程度较高的国家可能更有能力从 AI 中受益，而不仅仅是考虑采用率。

本次数据发布旨在使研究人员和公众能够更好地理解 AI 的经济影响，并研究这种变革性技术已经产生影响的途径。

## 第一章：自上次报告以来发生了什么变化

### 概述

由于前沿 AI 模型的能力正在快速提升，并且采用速度很快，因此定期评估人们和企业如何使用此类系统的变化——以及这种使用对更广泛经济意味着什么——非常重要。¹

在本章中，我们分析了从 2025 年 8 月到 2025 年 11 月（Opus 4.5 发布前）Claude 的使用和扩散模式的变化。我们做出四项观察：

- **使用仍然高度集中在任务上：** 最常见的十个任务占 Claude.ai 上观察到的使用的 24%，高于上次报告的 23%。对于第一方（1P）API 企业客户，任务集中度增加更为显著：前十大任务现在占流量的 32%，高于上次报告的 28%。

- **在 Claude.ai 上，增强再次比自动化更常见：** 在我们之前的报告中，我们注意到自动化使用已上升到超过 Claude.ai 上的增强使用，这可能反映了能力的提升以及用户对 LLM（大型语言模型）的熟悉程度提高。2025 年 11 月的数据表明，Claude.ai 上广泛回归到增强使用：被归类为增强的对话份额跃升了 5 个百分点，达到 52%，而被视为自动化的份额下降了 4 个百分点，降至 45%。² 在此期间的产品变化——包括[文件创建功能](https://claude.com/blog/create-files)、[持久记忆](https://claude.com/blog/memory)和[用于工作流定制的技能](https://claude.com/blog/skills)——可能已将使用模式转向更具协作性、人在回路中的互动。

- **在美国，使用率较低的州采用率增长相对较快** 在美国国内，人均使用量在很大程度上仍然受到劳动力与更广泛的 Claude 使用匹配程度的影响：例如，计算机和数学职业工人比例较高的州往往使用率更高。事实上，前五个美国州占所有使用的近一半（50%），尽管它们只占工作年龄人口的 38%。尽管如此，有早期迹象表明区域采用正在快速趋同：在上次报告中使用率较低的州，使用量增长相对较快。如果这种趋势持续下去，全国范围内的人均使用量将在 2-5 年内趋于均衡，这一扩散速度大约比 20 世纪以前具有经济影响力的技术的传播速度快 10 倍。³ 虽然这与 AI 的快速采用和扩散一致，但这一估计存在不确定性，因为它基于三个月内观察到的变化。在未来几个月和几年中，扩散最终可能会更慢地进行。

- **全球使用几乎没有显示出区域趋同增加或减少的迹象** 在全球范围内，人均 Claude 使用量——由 Anthropic AI 使用指数（AUI）衡量——仍然高度不均衡，并且与 GDP 强相关。这些差距是稳定的：我们没有看到低使用国家正在追赶或高使用国家正在拉开的证据。

### 跨任务和相关职业的使用模式变化

尽管前沿 LLM 具有与现代社会经济的各个方面相关的令人印象深刻的能力范围，但 Claude 的使用仍然非常集中在少数任务上。与近一年前相比，消费者在 [Claude.ai](http://claude.ai/redirect/website.v1.281285a0-a972-493f-852d-b0c09b78ff5b) 上的使用略有集中：分配给十个最普遍的 O*NET 任务的对话份额在 2025 年 11 月为 24%，比 8 月高 1 个百分点，比 2025 年 1 月的 21% 有所上升。2025 年 11 月最普遍的任务——修改软件以纠正错误——单独就占了使用的 6%。

在我们上一份 Anthropic 经济指数报告中，我们通过研究第一方 API 客户中 Claude 的使用情况，开始跟踪企业采用模式。十个最常见的任务从 8 月占 API 记录的 28% 增长到 11 月的 32%。在一小部分任务中集中度上升表明，即使模型在更广泛的任务上变得更有能力，最高价值的应用仍在产生超大的经济价值。与 [Claude.ai](http://claude.ai/redirect/website.v1.281285a0-a972-493f-852d-b0c09b78ff5b) 一样，API 客户中最常见的任务是修改软件以纠正错误，占十分之一的记录。

事实上，计算机和数学任务——如修改软件以纠正错误——继续主导 Claude 的整体使用，占 Claude.ai 上对话的三分之一和第一方 API 流量的近一半。这种主导地位在 Claude.ai 上有所减弱：分配给这些（主要是）编程相关任务的 Claude.ai 对话份额从 2025 年 3 月的峰值 40% 下降到 2025 年 11 月的 34%。与此同时，在第一方 API 流量中分配给计算机和数学任务的记录份额从 8 月的 44% 略微上升至 2025 年 11 月的 46%（图 1.2）。

2025 年 11 月 Claude.ai 使用的第二大类别是教育指导和图书馆类别。这主要对应于课程作业帮助和复习，以及教学材料的开发。自我们的第一份报告以来，此类使用稳步上升，从 2025 年 1 月 Claude.ai 上对话的 9% 上升到 11 月的 15%。

Claude.ai 上用于艺术、设计、娱乐、体育和媒体任务的使用份额在 2025 年 8 月至 11 月期间有所增加，因为 Claude 在越来越多的对话中被用于写作任务，主要是文案编辑以及小说作品的写作和润色。设计与写作相关任务的普遍性跃升，扭转了早期报告中持续下降的趋势。对于 Claude.ai 和 API 客户，Claude 用于生命、物理和社会科学相关任务的对话/记录份额有所下降。

对于 API 客户来说，也许最显著的发展是与办公室和行政支持相关任务的记录份额增加，从 8 月的 10% 上升到 2025 年 11 月的 13%。由于 API 使用以自动化为主，这表明企业越来越多地使用 Claude 来自动化常规的后台工作流程，例如电子邮件管理、文档处理、客户关系管理和日程安排。⁴

### 增强在 Claude.ai 上再次占主导地位

AI 将如何影响经济不仅取决于 Claude 用于哪些任务，还取决于用户访问和参与底层模型能力的方式。自我们的第一份报告以来，我们将对话分为五种互动类型之一，我们将其归为两个更广泛的类别：自动化和增强。⁵

图 1.3 绘制了自一年前我们开始收集这些数据以来，自动化与增强使用随时间演变的情况。2025 年 1 月，Claude 的增强使用占主导地位：56% 的对话被归类为增强，而自动化占 41%。⁶ 2025 年 8 月，与增强相比，更多的对话被归类为自动化。

这是一个值得注意的发展，因为它表明模型能力和平台功能的快速提升与用户越来越多地将任务完全委托给 Claude 同时发生。这在“指令式”协作模式中很明显，该模式进一步被归为自动化。指令式对话是指用户给 Claude 一个任务，Claude 以最少的来回互动完成它的对话。从 2025 年 1 月到 2025 年 8 月，此类指令式对话的份额从 27% 上升到 39%。⁷

三个月后，指令式对话的份额下降了 7 个百分点，到 2025 年 11 月降至 32%，因为增强在 Claude.ai 上再次比自动化更普遍。尽管如此，与近一年前我们首次开始跟踪这一指标时相比，自动化份额仍然较高，这表明即使 8 月的峰值夸大了其实现的速度，潜在趋势仍然是向更大程度的自动化发展。

虽然我们看到一些证据表明 Claude.ai 上向软技能使用转变，设计、管理和教育现在更高，但 11 月向增强使用的转变是广泛的（图 1.4）。增强使用的增加主要是由用户与 Claude 迭代以完成任务（“任务迭代”）驱动的，而不是要求 Claude 解释概念（“学习”）。请参见图 1.5，了解跨 O*NET 任务最常见的三种互动模式以及向 Claude 提出的请求的自下而上描述中常见的词语。

### 持续的区域集中

在我们之前的报告中，我们引入了 Anthropic AI 使用指数（AUI），这是一个衡量在特定地理区域中 Claude 的使用相对于其工作年龄人口规模是过高还是过低的指标。AUI 定义为

AUI 高于 1 表示一个国家使用 Claude 的强度高于其人口规模所预测的水平，而 AUI 低于 1 表示使用低于预期。例如，丹麦的 AUI 为 2.1，意味着其居民使用 Claude 的比率大约是其全球工作年龄人口份额所暗示的两倍。

关于全球 Claude 使用的一个关键事实是它在地理上集中：少数国家占了使用的超大部分。从全球角度来看，2025 年 8 月至 11 月之间在这方面几乎没有变化。事实上，图 1.6 的左面板显示，在我们上次报告和本次报告之间，各国之间的 AUI 集中度基本没有变化。

相比之下，从 2025 年 8 月到 11 月，美国各州之间的使用变得更加均匀分布：基尼系数（一种衡量平等程度的标准指标）从 0.37 下降到 0.32。虽然在解释短期变化时需要谨慎，但这是朝着完全平等（所有州的 AUI 都等于 1，基尼系数为 0）的一个相对较大的变化。如果美国的基尼系数每三个月再次下降 0.05，那么大约两年内将达到使用均等。

什么塑造了美国国内和世界各地的使用模式？在我们之前的报告中，我们强调了全球范围内收入差异的关键作用：各国之间 Claude 使用的变化很大程度上可以由人均 GDP 的变化来解释。在第三章中，我们重新审视收入在塑造不仅使用强度而且全球使用模式方面的重要性。

在美国国内，收入作为使用的预测因素不太明确。相反，似乎最重要的是每个州劳动力的构成，以及劳动力与 Claude 能力的匹配程度，这反映在任务级别的使用中。拥有更高比例计算机和数学职业工人的州——如华盛顿特区、弗吉尼亚州和华盛顿州——往往有更高的人均使用量。从数量上看，一个州此类技术工人比例每增加 1%，人均使用量就会增加 0.36%（图 1.7）。仅此一项就解释了跨州 AUI 变化的近三分之二。

虽然我们直观地期望拥有更多技术工人的州 Claude 使用量更高，但这种模式更普遍地成立：在那些 Claude 使用相对于美国劳动力被过度代表的职业（例如，艺术、设计、娱乐、体育和媒体）中拥有更多工人的州，或者相对于全国经济，Claude 使用量低的职业（例如，运输和物料搬运）中工人相对较少的州，人均使用量更高。这可以通过计算每个州劳动力构成与 Claude 使用全球构成之间的 Kullback-Leibler（KL）散度来看出。KL 散度较低的州——因此其劳动力看起来更类似于 Claude 使用模式——往往有更高的人均使用量。

### 美国低使用州 Claude 扩散更快的迹象

虽然劳动力构成的差异似乎在塑造美国国内的区域采用方面发挥作用，但早期证据表明，Claude 的扩散速度比历史先例所预测的要快得多。历史上，具有经济影响力的技术大约需要半个世纪才能在美国完全扩散（[Kalanyi 等人，2025](https://academic.oup.com/qje/article-abstract/140/2/1299/7959830)）。相比之下，比较 2025 年 11 月与三个月前的 Claude 采用率，我们估计美国各州之间人均采用率的均等——由 AUI 衡量——可能在 2-5 年内达到。这一估计具有很高的不确定性，因为我们的估计精度不能排除更慢的扩散速度。

我们通过一个简单的扩散模型来生成这一估计，这里简要描述一下。我们将扩散建模为向人均使用量均等的共同稳态的比例收敛，其中每个州 s 的 AUI 等于 1：

在这个模型下，AUI 与稳态（AUI = 1）的对数偏差每三个月缩小 β 倍，这意味着半衰期为 ln(.5)/ln(β) 个季度。例如，对于季度数据，β = 0.99 意味着半衰期约为 17 年。为了说明，从初始 AUI 为 2 开始，这意味着 AUI 在 17 年后将下降到大约 1.4，在 50 年后下降到大约 1.1。我们将 β = 0.99 作为一个合理的基准，因为它意味着与 20 世纪具有经济影响力的技术相似的扩散速度。

这个收敛模型激发了以下回归规范⁸：

用普通最小二乘法（OLS）天真地估计这个方程，得到 β̂ ≈ 0.77 的估计值。加权最小二乘法（WLS），其中我们按每个州的劳动力加权，得到 β̂ ≈ 0.76 的估计值（图 1.8）。两者在常规显著性水平上都在统计上与 1 有区别。从表面价值来看，这些估计意味着每个州的 AUI 缩小与 1 的大部分差距只需要两年多一点的时间。

以这种方式估计收敛的一个担忧是，我们的 AUI 估计受到抽样噪声和与扩散无关的其他变化的影响。这可能会产生经典的衰减偏差：即使 AUI 实际上没有变化，我们对 β 的估计最终也可能显著低于 1。

为了解决这个问题，我们通过两阶段最小二乘法（2SLS）来估计模型，用每个州劳动力构成（通过其与整体 Claude 使用模式的接近程度来衡量）作为 2025 年 8 月 AUI 对数的工具变量。这个工具背后的逻辑是，劳动力构成是 Claude 使用的强预测因子（相关性），但由于是独立测量的，预计与我们的 AUI 估计中的抽样噪声不相关（有效性）。如上所述，在高 Claude 使用角色中拥有更多工人的州确实倾向于有系统性地更高的人均使用量。

2SLS 估计意味着稍慢的收敛：未加权时 β̂ ≈ 0.89，按每个州的工作年龄人口加权时 β̂ ≈ 0.86。然而，这些估计的精度较低，只有前者在 10% 的水平上与 1 有统计上的区别。尽管意味着比 OLS 更慢的收敛，但 2SLS 估计仍然意味着快速的扩散：每个州的 AUI 的对数偏差缩小 90% 只需要四到五年。

也就是说，我们的估计仅基于三个月的数据。虽然 2SLS 规范可能有助于解决抽样噪声问题，但仍然存在相当大的不确定性。我们将在未来的报告中重新审视这个扩散速度的问题。

¹ 与之前的报告一样，我们所有的分析都基于隐私保护分析。在整个报告中，我们分析了来自 Claude.ai Free、Pro 和 Max 对话的 100 万次对话的随机样本（我们也称之为“消费者数据”，因为它主要代表消费者使用）和来自我们第一方（1P）API 流量的 100 万条记录（我们也称之为“企业数据”，因为它主要代表企业使用）。两个样本都来自 2025 年 11 月 13 日至 2025 年 11 月 20 日。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。对于第一方 API 数据，每条记录是我们样本期内的一次提示-响应对，在某些情况下，对于多轮互动，它可能是会话中间的一部分。

² 在 Claude.ai 上既不属于自动化也不属于增强类别的对话份额从 3.9% 下降到 3.0%。

³ 例如，参见 [Kalanyi 等人 (2025)](https://academic.oup.com/qje/article-abstract/140/2/1299/7959830)：“其次，随着技术成熟和相关工作数量的增长，招聘在地理上扩散。这个过程非常缓慢，大约需要 50 年才能完全分散。”

⁴ 通过我们对第一方 API 流量的自下而上分析，我们看到 Claude 被用于“生成个性化的 B2B 冷销售电子邮件”（0.47%）、“分析电子邮件并为商务信函起草回复”（0.28%）、“构建和维护发票处理系统”（0.24%）、“将电子邮件分类和归类到预定义标签中”（0.23%）以及“管理日历安排、会议协调和预约预订”（0.16%）。

⁵ 在高层次上，我们区分了使用 Claude 的自动化和增强模式。自动化包括专注于任务完成的互动模式：指令式：用户给 Claude 一个任务，Claude 以最少的来回互动完成它；反馈循环：用户自动化任务并根据需要向 Claude 提供反馈；增强侧重于协作互动模式：学习：用户向 Claude 询问关于各种主题的信息或解释；任务迭代：用户与 Claude 协作迭代任务；验证：用户向 Claude 询问对其工作的反馈。

6 这些交互模式并非完全互斥。在某些情况下，Claude 会判定某个采样对话不属于这五种交互模式中的任何一种。

7 在本报告中，我们使用 Sonnet 4.5 进行分类，而在之前的《经济指数报告》中，我们使用的是 Sonnet 4。我们之前发现，不同的模型可能会产生不同的分类结果，不过这些影响通常不大。

8 我们在回归模型中包含了一个常数项，因为在原假设下，该常数项应该等于零。在我们所有的设定中，该常数项的估计值都接近于零，并且在统计上与零没有显著差异。

## 第 2 章：引入经济基元

Anthropic 经济指数的优势在于，它不仅展示了 AI 的使用量，还揭示了 AI 是如何被使用的。在之前的报告中，我们展示了 Claude 被用于哪些任务，以及人们如何与 Claude 协作。这些数据使外部研究人员能够分析劳动力市场的变迁（例如，[Brynjolfsson, Chandar & Chen, 2025](https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/)）。

在本期 Anthropic 经济指数中，我们通过提供关于五个经济“基元”的洞察，扩展了可供外部研究人员使用的数据广度。这里所说的“基元”，是指一些简单、基础的衡量指标，用于描述 Claude 的使用方式。我们通过让 Claude 回答关于样本中匿名对话记录的具体问题来生成这些指标。有些基元包含多个此类问题，而另一些则只使用单一指标。

由于 AI 能力发展迅速，且其经济影响将是不均衡的，我们需要广泛的信号，不仅要揭示 Claude 是如何被使用的，还要了解这项技术将产生何种影响。

### 对经济影响至关重要的 AI 使用维度

本报告在我们已衡量的协作模式（用户是使用 Claude 自动化任务，还是增强任务能力）之外，引入了五个新的经济基元。这些基元捕捉了人机对话的五个维度：1）任务复杂度，2）人类与 AI 技能，3）工作、课程作业或个人使用场景，4）AI 的自主程度，以及 5）任务成功度（见表 2.1）。AI 自主程度与我们现有的自动化/增强区分有所不同。例如，“把这段文字翻译成法语”属于高度自动化（指令明确，几乎无需来回沟通），但 AI 自主程度很低（该任务几乎不需要 Claude 做决策）。

任务复杂度指的是任务在复杂程度上的差异，包括完成任务所需的时间和难度。O*NET 中的“调试”任务，可能是指 Claude 修复函数中的一个小错误，也可能是指全面重构代码库——这对劳动力需求的影响截然不同。我们通过以下方式衡量复杂度：在没有 AI 的情况下，人类完成任务的预估时间；使用 AI 完成任务所花费的时间；以及用户是否在单个对话中处理多个任务。

人类与 AI 技能探讨的是自动化如何与技能水平相互作用。如果 AI 不成比例地替代那些需要较少专业知识的任务，同时补充更高技能的工作，那么它可能是技能偏向型技术变革的另一种形式——增加对高技能工人的需求，同时取代低技能工人。我们衡量用户是否可以在没有 Claude 的情况下完成任务，以及理解用户提示和 Claude 回复所需的教育年限。

使用场景区分了专业、教育和个人使用。劳动力市场的影响最直接地源于工作场所的使用，而教育用途可能预示着未来的劳动力正在何处建立与 AI 互补的技能。

AI 自主程度衡量的是用户将决策权委托给 Claude 的程度。我们最新的报告记录了“指令性”使用的增加，即用户将任务完全委托出去。追踪自主程度——从积极协作到完全委托——有助于预测自动化的步伐。

任务成功度衡量的是 Claude 对自身是否成功完成任务的评估。任务成功度有助于评估任务能否被有效自动化（任务能否被自动化？）以及高效自动化（自动化一个任务需要多少次尝试？）。也就是说，任务成功度对于自动化劳动任务的可行性和成本都很重要。

### 选择并验证新的衡量指标

我们数据中捕捉到的 AI 使用新维度，来源于我们近期关于 [Claude 生产力影响](https://www.anthropic.com/research/estimating-productivity-gains) 的工作、从外部研究人员那里收到的反馈、近期从人力资本和专业知识角度探讨 AI 经济影响的文献（[Vendraminell et al., 2025](https://www.hbs.edu/ris/Publication%20Files/26-011_04dcb593-c32b-4e4e-80fc-b51030cf8a12.pdf)），以及我们经济研究团队内部的讨论。我们的主要选择标准是：预期的经济相关性、各维度的互补性，以及 Claude 能否在该维度上以方向性准确度对对话进行分类。

我们提出，多个简单的基元，即使每个都带有一些噪声且本身并非完美准确，但组合起来可以提供关于 AI 使用方式的重要信号。因此，我们主要测试了方向性准确度。

对于使用和不使用 AI 的任务时长分类，我们使用了我们[之前生产力工作](https://www-cdn.anthropic.com/e5645986a7ce8fbcc48fa6d2fc67753c87642c30.pdf)中经过最小化修改的版本。对于通过我们的[隐私保护工具](https://arxiv.org/abs/2412.13678)实现的新分类器¹，我们的验证过程如下。我们设计了多种潜在的衡量指标来捕捉诸如任务复杂度等概念。对于 Claude.ai，我们在一小部分对话记录上，将分类器的性能与人类研究人员的判断进行了比较，这些记录中有用户给 Claude.ai 的反馈，因此我们有权查看底层对话记录。对于第一方 API（1P API）数据，我们使用内部数据和合成数据的混合来验证分类器。这两种数据源都不能完全代表 Claude.ai 或 1P API 的流量，但它们使我们能够检查分类器在类似于真实使用数据上的表现，同时确保隐私。

基于初步表现，我们修改了需要调整的分类器，或者丢弃了表现不佳的分类器。有趣的是，我们发现，在某些情况下（例如，衡量任务成功度），与人类评分相比，一个简单的分类器比一个细致、复杂的分类器表现更好。然后，我们比较了有和没有思维链提示的分类器版本的表现，并决定只为三个维度（人类时间估计、人类与 AI 时间估计和 AI 自主程度）保留思维链提示，因为我们发现它显著提高了这些维度的性能。我们为五个基元选择了最终的九个新分类器，所有这些分类器在方向上都是准确的，尽管它们可能与人类评分有些偏差。

### 基元的价值在于它们能预测什么

我们的目标是创建易于实现、并且组合起来能提供潜在重要经济信号的分类器。虽然我们对新衡量指标的方向性准确度非常有信心（例如，理解人类提示所需的平均教育年限更高的任务可能更复杂），但任何衡量指标都不应被视为精确或确定的（例如，Claude.ai 可能会低估许多任务所需的人类教育年限）。

即便如此，这些基元丰富了我们对人们如何使用 AI 的理解。基元之间、地区之间以及任务之间出现了系统性的关系——我们将在第 3 章和第 4 章深入探讨这些模式。这些关系直观且一致，表明基元捕捉到了人们和企业使用 Claude 的相关方面。

外部基准测试也强化了这一点。在我们的[生产力研究](https://www.anthropic.com/research/estimating-productivity-gains)中，Claude 的时间估计与软件工程任务实际花费的时间相关。图 2.1 显示，我们的人类教育衡量指标与各职业工人的实际教育水平相关。这些验证表明，单个基元在方向上是正确的——而将它们结合起来可能会提供额外的分析价值，例如，用任务成功率来丰富生产力估计，或构建新的职业暴露度衡量指标。

最终，最有力的验证将来自基元捕捉劳动力市场结果有意义变化的能力。我们发布的数据使外部研究人员能够以新的方式分析经济变迁。早期的工作令人鼓舞——之前报告中的自动化/增强区分已被外部研究人员用于分析劳动力市场变迁（[Brynjolfsson, Chandar & Chen, 2025](https://digitaleconomy.stanford.edu/publications/canaries-in-the-coal-mine/)）。

### 基元凸显了使用场景的差异

为了说明基元如何区分不同类型的 AI 使用，我们考察了两个对比鲜明的请求集群：软件开发（“帮助跨多个编程领域调试、开发和优化软件”）和个人生活管理（“协助个人生活管理和日常任务”）。图 2.2 显示了每个集群的基元概况以及全球平均水平。

*   **任务复杂度**。Claude 估计，在没有 AI 的情况下，一位称职的专业人员完成软件开发请求大约需要 3.3 小时——接近全球平均的 3.1 小时。个人生活管理任务估计更简单，平均需要 1.8 小时。预估的人机协作时间两者相似（约 15 分钟），这表明对于这两个任务，这个基元的变化小于其他基元。

*   **人类与 AI 技能**。软件开发请求需要更多专业知识：理解人类提示和 AI 回复估计都需要大约 13.8 年的教育，而个人生活管理请求则需要 9.1-9.4 年。Claude 估计，用户有 96% 的时间可以自己完成个人生活管理请求，而对于软件开发请求，这一比例为 82%——这表明 Claude 为技术工作提供了更关键的支持。

*   **使用场景**。Claude 将 64% 的软件开发请求归类为与工作相关，而个人生活管理请求的这一比例仅为 17%。这说明 Claude 可用于截然不同的目的。总体而言，Claude.ai 的使用中，46% 是工作，19% 是课程作业，35% 是个人用途。

*   **AI 自主程度**。两个集群的预估自主程度相似（1 到 5 分制中约为 3.5 分），接近全球平均水平。这意味着，平均而言，软件开发和个人生活管理任务都给予 Claude 相似的自主权来决定如何完成任务。

*   **任务成功度**。Claude 评估个人任务的成功完成率为 78%，而软件开发任务为 61%。更困难的任务——那些需要更多专业知识且用户不易独自完成的任务——显示出更低的预估成功率。

### Claude.ai 和 API 用户的任务与基元存在差异

与我们之前的报告一样，我们发现 Claude.ai 对话中的任务和基元与 1P API 数据存在重大差异。部分原因在于交互的性质：Claude.ai 的对话记录可以包含多轮对话，而我们分析的 API 数据仅限于单个输入-输出对。这是因为 API 请求是独立到达的，没有元数据将它们与之前的交流联系起来。这意味着我们只能将它们作为孤立的用户-助手对进行分析，而不是完整的对话轨迹。

总体而言，API 使用绝大多数与工作相关（74% 对比 46%），并且是指令性的（64% 对比 32%），四分之三的交互被归类为自动化，而 Claude.ai 上这一比例不到一半（见图 1.3）。

相比之下，Claude.ai 用户进行更多的来回交流：任务迭代和学习模式更为常见，并且任务往往更耗时——无论是人类与 AI 协作的时间（15 分钟对比 5 分钟），还是人类单独完成任务所需的预估时间（3.1 小时对比 1.7 小时）。Claude.ai 的任务成功率也更高（67% 对比 49%），这可能反映了多轮对话的好处，用户可以澄清、纠正方向并迭代寻找解决方案。Claude.ai 用户平均给予 AI 更多的自主权，并且更有可能带来他们无法独自完成的任务。

这些差异也反映在任务的职业分布上。API 使用高度集中在计算机与数学任务上（52% 对比 36%），这与它用于程序化、易于自动化的工作流程（如代码生成和数据处理）一致。办公与行政任务在 API 中也更常见（15% 对比 8%），反映了适合委托的常规业务操作。相比之下，Claude.ai 上的教育指导任务（16% 对比 4%）——课程作业帮助、辅导和教学材料开发——以及艺术、设计和娱乐任务（11% 对比 6%）要多得多。Claude.ai 还有更长的面向人类的类别尾巴，如社区与社会服务以及医疗从业者，用户在这些类别中寻求建议、咨询或个人事务信息。

这些模式表明，1P API 部署集中在适合系统化自动化的任务上，而 Claude.ai 服务于更广泛的使用场景，包括学习、创造性工作和个人助理。

第 4 章将更深入地探讨任务层面的差异。

1 分类器是一种模型，它将给定的输入（例如，用户对话）分配一个特定的输出（例如，使用场景“工作”）。在本报告中，我们使用 Claude 作为分类器，这意味着我们提示 Claude 选择一个特定的输出，然后使用 Claude 的响应作为输出（提示内容见表 2.1）。

2 在本报告中，我们使用分箱散点图来展示双变量关系。我们根据 x 变量将观测值分成 20 个大小相等的箱，然后绘制每个箱中 x 和 y 的平均值。例如，最左边的点代表 x 分布中最低 5% 观测值的平均值。

## 第 3 章：Claude 的使用方式因地域而异

### 概述

在本章中，我们通过对 100 万次 Claude.ai 对话进行隐私保护¹分析，来研究 Claude 使用模式的地理差异。我们得出五个观察结果：

*   Claude 主要用于工作，但随着采用率的提高，使用场景会多样化：工作和个人使用场景在高收入国家更常见，而课程作业使用场景在低收入国家更常见。这印证了我们之前报告的发现，并与 [微软最近的工作](http://microsoft.com/en-us/research/wp-content/uploads/2025/12/New-Future-Of-Work-Report-2025.pdf) 一致。

*   GDP 和人类教育水平可以预测全球及美国国内的采用率：在国家层面，人均 GDP 每增长 1%，人均 Claude 使用量就增加 0.7%。人类教育水平——Claude 对理解人类提示所需正规教育年限的估计——在国家和美国州层面都与 Anthropic AI 使用指数呈正相关。

*   其他基元在全球和美国国内层面对采用率的预测方式不同：在国家层面，更高的使用率与更短的任务时长和更低的 AI 自主程度相关。在美国州层面，这些关系在统计上不显著，尽管工作使用与采用率呈正相关。

*   基元之间的关系取决于具体环境：任务成功度与国家间的人类教育水平呈负相关，但在美国各州内呈正相关。然而，当控制其他基元时，美国国内的关系变得不显著。

*   人类如何提示，Claude 就如何回应：人类提示和 AI 回复的教育水平几乎完全相关（两个层面的相关系数 r > 0.92）。人均使用量更高的国家也显示出更多的增强——将 Claude 作为协作者，而不是完全委托决策。

### Claude 主要用于工作，但随着采用率的提高，使用场景会多样化

我们的数据基于对 100 万次 Claude.ai 对话的[隐私保护](https://www.anthropic.com/research/clio)¹分析，揭示了 Claude 采用方式的显著地理差异。在全球和美国，Claude 主要用于工作。然而，使用场景存在地理差异。在全球层面，巴尔干地区和巴西的工作使用相对份额最高（见图 3.1），而印度尼西亚的课程作业份额最高。在美国州层面，纽约州是相对而言工作使用 Claude 最多的州。

使用场景的差异与一个国家的人均收入有关，而人均收入又与人均 AI 采用率有关。我们观察到，Claude 的工作和个人使用场景在高收入国家更常见，而课程作业使用场景在低收入国家更常见（见图 3.2）。有趣的是，这些发现与[微软最近的工作](http://microsoft.com/en-us/research/wp-content/uploads/2025/12/New-Future-Of-Work-Report-2025.pdf)一致，该工作表明，AI 用于学校与较低的人均收入相关，而 AI 用于休闲与较高的人均收入相关。

多种因素可能导致这些模式：

*   随着 AI 采用率的提高以及更多样化的用户使用 AI，或者现有用户探索更广泛的 AI 应用，个人使用场景可能变得更加普遍。相比之下，人均采用率较低的国家（与较低的人均收入相关）可能专注于特定的使用场景，如编程或课程作业。

*   各国支付 Claude 费用的能力不同，而课程作业使用场景可能比软件工程等工作领域的复杂使用场景更适合免费使用 Claude。

*   高收入国家的用户可能拥有其他资源，例如空闲时间和持续的互联网接入，这使得非必需的个人使用场景成为可能。

### 国际和美国国内的采用率在经济基元上存在差异

本报告引入的经济基元使我们能够分析可能导致采用率差异的一些因素。在分析 Anthropic AI 使用指数（AUI）与核心经济基元以及 GDP 之间的关系时，我们观察到某些模式对国家和美国各州都成立。例如，我们重复了之前报告的发现，即 GDP 与 AUI 强相关（见图 3.3 和 3.4）。在国家层面，人均 GDP 每增长 1%，人均 Claude 使用量就增加 0.7%。人类教育水平（理解对话中人类书面提示所需的教育年限）在国家和美国州层面都与 Anthropic AI 使用指数呈显著正相关。

然而，AUI 与基元之间的关系在国家层面和美国州层面往往不同。例如，在国家层面，AUI 与人类在没有 AI 的情况下完成任务所需的时间，以及 AI 被赋予的决策自主程度呈负相关。在美国州层面，这些关系在统计上不显著——可能也是因为美国各州的样本量较小。此外，我们观察到在美国州层面，AUI 与 Claude.ai 的工作使用呈正相关，但在国家层面则不然。

重要的是，这些基元本身不一定是因果因素——我们不知道是收入还是教育真正推动了采用，还是它们只是其他潜在条件的代理变量。这些因素中的许多彼此高度相关。例如，在美国州层面，人类教育年限单独来看与 Anthropic AI 使用指数有很强的关联，但一旦我们控制了 GDP 和其他基元，这种关系就消失了——这表明教育可能捕捉到了那些由经济发展和其他因素更好地解释的差异。

### 制度因素塑造了任务成功度与教育年限之间的关系

经济和制度背景——例如教育水平在地理区域内的分布方式——与 AI 的使用方式有关。有趣的是，我们观察到，在国家层面，任务成功度与人类教育水平呈负相关，但在美国州层面呈正相关。然而，当控制其他基元时，州层面的正相关关系变得不显著（见图 3.5）。这意味着在一个观察层面（国家）的关系模式与在另一个层面（美国州）的关系模式相矛盾。在跨国比较中，受教育程度高的人口可能尝试更困难的任务，因此成功率较低。在同质化程度较高的环境中，教育可能不会提高任务成功率。

### 人类如何提示，Claude 就如何回应

我们发现人类教育和 AI 教育之间存在非常高的相关性，即理解人类提示或 AI 回复所需的教育年限（国家：r = 0.925，p < 0.001，N = 117；美国州：r = 0.928，p < 0.001，N = 50）。这凸显了技能的重要性，并表明人类如何提示 AI 决定了 AI 能有多有效。这也凸显了模型设计和训练的重要性。虽然 Claude 能够以高度复杂的方式回应，但它通常只在用户输入复杂提示时才这样做。

模型的训练、微调和指令方式会影响它们对用户的回应。例如，一个 AI 模型可能有一个系统提示，指示它始终使用初中生能理解的简单语言，而另一个 AI 模型可能只以需要博士教育才能理解的复杂语言回应。对于 Claude，我们观察到一个更动态的模式，即用户如何提示 Claude 与 Claude 如何回应相关。

### 更高的收入和更高的使用率与更多的增强相关

人均使用量更高的国家（通常是人均收入更高的国家）显示出更低的自动化程度，以及更少的决策自主权委托给 Claude。也就是说，高收入国家更多地使用 AI 作为助手和协作者，而不是让它独立工作。这种关系在美国州层面不显著，可能是因为美国国内的收入差异和使用场景多样性比全球范围内更有限。这印证了我们第三期经济指数报告中的一个发现，即 Anthropic AI 使用指数较高的国家倾向于以更协作的方式（增强）使用 Claude，而不是让它独立运行（自动化）。

### 结论

我们数据中显著的地理差异表明，Claude 在世界各地以不同的方式被使用。GDP 可以预测国家和美国州层面的 Anthropic AI 使用指数，而人类教育水平——用户提示的复杂程度——在两个层面也与采用率相关。

其他关系则取决于具体环境。在国家层面，更高的使用率与更短的任务时长和更低的 AI 自主程度相关；在美国国内，这些模式不成立。任务成功度和人类教育水平在全球范围内与美国国内呈现出相反的关系。

人类和 AI 教育年限之间近乎完美的相关性强调了用户如何提示 Claude 会塑造 Claude 的回应方式。结合使用率更高的国家更协作地使用 Claude 这一发现，这表明有效使用 AI 所需的技能本身可能分布不均。

通过测量与Claude对话的特征，我们发现了一些与人力资本等更广泛经济因素的重要关联。这些关联可能有助于预测劳动力市场的结果，并为向需要不同技能组合的AI驱动经济平稳过渡提供信息。

1 出于隐私原因，我们的自动分析系统会过滤掉任何对话数量少于15条且独立用户账户少于5个的单元格——例如国家，以及（国家，任务）的交集。对于自下而上的请求集群，我们有更高的隐私过滤标准，要求至少500条对话和250个独立账户。

2 本节数据涵盖了2025年11月13日至20日期间，从Claude.ai Free、Pro和Max用户中随机抽取的100万条对话。然后，我们排除了被标记为可能存在信任与安全违规的内容。观察单位是与Claude在Claude.ai上的一次对话，而不是一个用户，因此可能包含来自同一用户的多条对话，尽管我们[之前的工作](https://doi.org/10.48550/arXiv.2412.13678)表明，随机抽样对话与按用户分层抽样相比，不会产生实质性的不同结果。国家层面和美国州层面的汇总地理统计数据是根据每条对话的IP地址进行评估和制表的。对于地理位置，我们使用ISO-3166代码，因为我们的IP地理位置提供商使用此标准。国际地点使用ISO-3166-1国家代码，美国州级数据使用ISO-3166-2地区代码，其中包括美国所有50个州和华盛顿特区。我们排除了来自VPN、任播或托管服务的对话，这是由我们的IP地理位置提供商确定的。

3 世界地图基于Natural Earth的世界地图，对有争议的领土采用ISO标准的观点，这意味着地图可能不包含一些有争议的领土。我们注意到，除了以灰色显示的“Claude不可用”的国家外，我们不在乌克兰的克里米亚、顿涅茨克、赫尔松、卢甘斯克和扎波罗热地区运营。根据国际制裁以及我们对支持乌克兰领土完整的承诺，我们的服务在俄罗斯占领的地区不可用。

4 “无数据”适用于数据部分缺失的国家。一些领土（例如，西撒哈拉、法属圭亚那）有自己的ISO-3611代码。其中一些有少量使用，另一些则完全没有使用。由于Anthropic AI使用指数是根据世界银行的劳动年龄人口数据按每个劳动年龄人口计算的，并且并非所有这些领土都有现成的人口数据，因此我们无法计算这些领土的AUI。

5 我们将塞舌尔排除在所有地理分析之外，因为在抽样期间我们看到的大部分使用量来自滥用流量。

6 我们将怀俄明州排除在所有美国州级分析之外，因为在抽样期间我们看到的大部分使用量来自滥用流量。

## 第四章：任务与生产力

在本章中，我们研究了时间节省、成功率和自主性在不同任务类型之间的差异，以及这对工作和生产力的潜在影响意味着什么。

这些模式表明，更复杂的任务能带来更大的时间节省，但这与可靠性之间存在权衡。在一个受[Autor和Thompson (2025)](https://economics.mit.edu/sites/default/files/2025-06/Expertise-Autor-Thompson-20250618.pdf)启发的简单任务移除练习中，Claude倾向于覆盖高等教育任务，这在大多数职业中产生了净的去技能化效应，因为AI处理的任务往往是工作中技能要求更高的部分。

Claude的使用覆盖了越来越多职业中相当一部分任务。我们将成功率纳入一个更丰富的职业覆盖模型；一些覆盖范围适中的职业看到了巨大影响，因为AI在其最耗时的任务上成功了。根据任务可靠性调整生产力估计，将隐含的年劳动生产率增长大致减半，从未来十年的1.8个百分点降至约1.0个百分点。然而，这些估计反映了当前模型的能力，所有迹象都表明，在日益长期的任务上的可靠性将会提高。

### 任务加速中的权衡

我们的估计表明，总的来说，我们数据中更复杂的任务从AI中获得了更大的时间节省（或“加速”）。我们通过让Claude估计人类单独完成一项任务所需的时间以及人类与AI协作完成所需的时间来得出这一点，我们在[之前的工作](https://www.anthropic.com/research/estimating-productivity-gains)中验证了这一点。加速比就是人类单独完成时间除以人类与AI协作完成时间。因此，将1小时的任务减少到10分钟将产生6倍的加速。

下面图4.1的左图显示了平均加速比与我们核心任务复杂度衡量指标（理解输入所需的人类受教育年限）的关系，所有数据都在O*NET任务级别¹。它显示，在Claude.ai对话中，例如，需要12年教育（高中教育）的提示获得了9倍的加速，而需要16年教育（大学学位）的提示获得了12倍的加速。这意味着生产力提升在使用更高人力资本的用例中更为显著，这与白领工人更有可能采用AI的证据一致（例如，[Bick等人，2025](https://www.nber.org/system/files/working_papers/w32966/w32966.pdf)）。

在整个任务复杂度范围内，API用户的加速比更高。这可能反映了API数据的性质，它仅限于单轮交互，并且API任务已被特别选择用于自动化。

然而，结果也捕捉到了一种权衡。更复杂的任务成功率较低，如右图所示。例如，在Claude.ai上，需要低于高中教育水平的任务（例如，回答关于产品的基本问题）达到了70%的成功率，但对于像制定分析计划这样的大学水平对话，成功率下降到66%。尽管如此，考虑成功率的差异——通过排除低成功率的任务或按成功概率折现加速比——并不能消除教育梯度：复杂任务仍然显示出更大的净生产力收益。

检验教育梯度影响的一种方法是查看跨理解输入所需教育水平的自动化份额。如果高教育任务显示出相对更多的自动化，这可能预示着白领工人面临更大的风险。然而，这里的信息并不明确：自动化份额与编写提示所需的人类教育水平基本无关（附录图A.1）²。在Claude.ai和1P API上，不同教育水平的任务显示出大致相等的自动化模式。

在什么情况下用户会更依赖Claude？Claude.ai用户在处理更复杂的任务时，会给予AI稍多的自主权。相比之下，API使用在所有复杂度水平上都显示出统一的较低自主性。

但请注意，这些分布并不涵盖相同的任务集。API使用涵盖了经济中更狭窄的任务范围，如第一章的集中度图所示。在API数据中经历大量使用的高教育任务包括安全分析、测试和质量保证以及代码审查，而Claude.ai用户更有可能进行迭代的、指导性的会话。

### 实际使用中的任务时间跨度

最近关于AI“任务时间跨度”的工作（[Kwa等人，2025](https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/)）发现，AI成功率随任务持续时间下降：更长的任务对模型来说更难完成。然而，随着每一代模型的推出，这种下降变得平缓，因为模型在越来越长的任务上成功了。METR将任务时间跨度主要定义为模型达到至少50%成功率的最大持续时间，这一指标的增长已成为AI进展的关键指标。

图4.3使用我们的原始数据展示了类似的衡量指标。该图显示了任务级别的成功率与所需人类时间的关系，所有数据都在O*NET任务级别。在API数据中，成功率从低于1小时任务的约60%下降到估计需要人类5小时以上任务的约45%。拟合线在3.5小时处穿过50%成功率的水平线，这表明API调用对于需要3.5小时的任务达到了50%的成功率。在METR的软件工程基准测试中，Sonnet 4.5的类似时间估计是2小时，Opus 4.5约为5小时。（本报告中的数据是在Opus 4.5发布之前收集的。）

Claude.ai数据讲述了一个不同的故事。成功率随任务长度的下降要慢得多。使用线性拟合进行外推，Claude.ai将在约19小时处达到50%的成功率。这可能反映了多轮对话如何有效地将复杂任务分解为更小的步骤，每一轮都提供一个反馈循环，允许用户纠正方向。

值得注意的是，与METR设置的一个根本区别是选择性。METR构建了一个基准测试，其中一组固定的任务被分配给模型。在我们的数据中，用户选择将哪些任务带给Claude。这意味着观察到的成功率不仅反映了模型能力，还反映了用户关于什么会有效的判断、为Claude设置问题的成本，以及如果任务成功所能预期的节省时间。

例如，如果用户避免他们认为会失败的任务，那么观察到的成功率将高估在潜在任务的完整分布上的真实能力。这种选择性可能在两个平台上都存在，但方式不同：API客户选择适合自动化的任务，而Claude.ai用户选择可能从迭代中受益的任务。同样由于这种选择效应，不能保证性能更强的模型会在此图中显示改进，因为用户可能会通过提供对原本相似的O*NET任务更具挑战性的表述来回应新模型。

像METR这样的受控基准测试衡量的是自主能力的前沿。我们的真实世界数据可以衡量有效的任务时间跨度，反映了模型能力和用户行为的混合，并且扩展到编码任务之外。两种方法都发现，AI对于需要数小时人类工作的任务可能是有效的。

### 用有效的AI覆盖率重新审视职业渗透率

我们[早期的工作](https://assets.anthropic.com/m/2e23255f1e84ca97/original/Economic_Tasks_AI_Paper.pdf)发现，36%的工作中，AI至少使用了其四分之一的任务，其中约4%达到了75%的任务覆盖率。然而，这一衡量仅基于任务在我们数据中的出现。本报告引入的原始数据可以帮助更好地描述AI如何改变职业的工作内容³。

首先，我们发现任务覆盖率正在增加。综合各份报告，49%的工作中，AI至少使用了其四分之一的任务。但是，结合该任务在工作中的份额以及Claude的平均成功率，则显示出另一组受影响的职业。

我们将有效的AI覆盖率定义为Claude能够成功完成的工人一天工作时间的百分比。它的计算方式是任务成功率的加权和，其中每个任务的权重是其占工人时间的份额，并根据任务发生的频率进行调整。成功率来自我们的原始数据，小时数估计来自[我们之前关于生产力影响的工作](https://www.anthropic.com/research/estimating-productivity-gains)，频率估计来自O*NET数据，其中接受调查的工人表明他们执行该任务的频率。

下图显示了有效的AI覆盖率（y轴）与单独的任务覆盖率（x轴）有何不同。两者高度相关，但存在关键差异。在图表的右侧，覆盖率高的职业——几乎所有任务都以某种频率出现在Claude数据中——通常低于45度线。这表明，即使90%的任务覆盖率也不一定意味着巨大的工作影响，因为Claude可能在关键覆盖的任务上失败，或者错过了最耗时的任务。

放大来看，一些职业在有效的AI覆盖率与任务覆盖率之间显示出巨大差异。例如，数据录入员拥有最高的有效AI覆盖率之一。这是因为尽管他们的九个任务中只有两个被覆盖，但他们最大的任务——从源文档中读取和输入数据——在Claude上具有很高的成功率。AI在他们花费大部分时间做的事情上表现出色。

医疗转录员和放射科医生也上升了，因为他们被覆盖的任务恰好是他们最耗时和频率最高的工作。对于放射科医生来说，他们的两个首要任务——解释诊断图像和准备解释性报告——具有很高的成功率。这些职业的任务覆盖率低，因为AI无法完成其工作描述中的动手或行政工作，但它在主导其工作日的核心知识工作上成功了。

微生物学家低于45度线，表明有效的AI覆盖率低于仅凭任务覆盖率预测的水平。Claude覆盖了他们一半的任务，但不是他们最耗时的任务：使用专门实验室设备进行动手研究。

可以说，这个衡量标准给出了工作层面AI渗透的更现实图景。然而，其影响取决于这些Claude对话在多大程度上实际取代或增强了原本由人类完成的工作。对于数据录入员来说，AI很可能确实替代了以前手动执行的任务。但是，当一次Claude对话对应于一位教师进行讲座时，这如何转化为工作中讲座时间的减少就不那么清楚了。在未来的工作中，我们可以利用我们的1P API数据来了解这些任务中有哪些正在被整合到生产工作流程中。

### AI对工作任务内容的影响

除了AI能成功完成工人一天中多少工作之外，另一个问题是哪些任务被覆盖，以及这些任务往往是工作的高技能还是低技能组成部分。最近的研究考察了工作内部任务组合的变化，以理解AI对工资和就业的影响（[Autor和Thompson 2025](https://economics.mit.edu/sites/default/files/2025-06/Expertise-Autor-Thompson-20250618.pdf)；[Hampole等人，2025](https://www.nber.org/papers/w33509)）。一个关键见解是，自动化的影响不仅取决于覆盖了多少任务，还取决于覆盖了哪些任务。

为了了解当我们移除AI可以执行的任务时工作如何变化，我们首先构建了一个衡量每个任务所需技能水平的指标。O*NET不提供任务级别的教育要求，因此我们训练了一个模型，该模型根据任务嵌入预测受教育年限，使用BLS的职业级别教育作为目标⁴。这样，一个低教育职业可能仍然有一个高技能任务，如果它看起来像那些通常存在于高教育职业中的任务。例如，法律秘书是一个需要12年教育的职业，但任务“审查法律出版物并执行数据库搜索，以识别与待决案件相关的法律和法院判决”被预测需要17.7年，因为它类似于通常由律师和助理律师执行的任务。

数据显示，Claude倾向于覆盖需要更高教育水平的任务。经济中任务的平均预测教育年限为13.2年。对于我们在数据中看到的任务，平均预测值高出大约一年，为14.4年（相当于副学士学位）。这与早期报告中职业层面的结果一致，显示白领职业中Claude的使用更多。

接下来，我们计算移除AI覆盖的任务如何改变剩余任务的平均教育水平。总体而言，净的一阶影响是使工作去技能化，因为AI移除了需要相对较高教育水平的任务。经历这种去技能化的一个工作是技术文档撰写员，它失去了诸如“分析特定领域的发展以确定修订需求”（18.7年）和“审查已出版材料并建议修订或更改范围、格式”（16.4年）等任务，留下了诸如“绘制草图以说明指定材料”（13.6年）和“观察生产、开发和实验活动”（13.5年）等任务。旅行社也经历了去技能化，因为AI覆盖了诸如“计划、描述、安排和销售行程旅游套餐”（13.5年）和“计算旅行和住宿费用”（13.4年）等任务，而诸如“打印或请求运输承运人机票”（12.0年）和“收取交通和住宿费用”（11.5年）等任务则保留下来。几个教学职业经历了去技能化，因为AI处理评分、建议学生、撰写资助金和进行研究等任务，但无法进行亲自授课和管理课堂的动手工作。

一些工作看到了平均教育水平的提高。房地产经理经历了技能提升，因为AI覆盖了常规的行政任务——维护销售记录（12.8年）、审查租金与市场费率（12.6年）——而需要更高层次专业判断和面对面互动的任务则保留下来，例如获得贷款、与建筑公司谈判以及与董事会会面。

这些模式说明了随着工作任务内容因AI而调整，未来几年工作可能如何演变。如果教育水平可以像[Autor和Thompson](https://economics.mit.edu/sites/default/files/2025-06/Expertise-Autor-Thompson-20250618.pdf)分析中的专业知识那样解释，他们的框架可能会预测技术文档撰写员和旅行社的工资将下降，就业将增加；相反，房地产经理将专注于复杂的谈判和利益相关者管理，从而减少就业并增加工资⁵。

然而，我们基于教育的衡量标准不同于Autor和Thompson的专业知识概念：他们的框架会将一些任务标记为高专业知识，而我们的框架则将其指定为低教育——例如，电工任务“将电线连接到断路器、变压器或其他组件”。而且这些预测基于当前的Claude使用模式，随着模型在新技术上接受训练以及用户发现新的应用，这些模式将会改变——可能会改变哪些任务被覆盖，以及净效应是去技能化还是技能提升。

### 重新审视Claude使用的总体生产力影响

在早期的工作中，我们[估计广泛采用AI可能在未来十年内使美国劳动生产率增长每年提高1.8个百分点](https://www.anthropic.com/research/estimating-productivity-gains)。在这里，我们重新审视该分析，纳入了本报告引入的任务成功原始数据以及对任务互补性的更丰富处理。

基于与我们100万条Claude.ai对话样本中至少200次观察的任务相关的加速比⁶，我们重复了之前的发现，即当前一代AI模型和当前使用模式意味着未来十年每年1.8个百分点的生产力效应⁷。

通过纳入1P API数据，我们可以评估隐含的劳动生产率效应是否因企业Claude部署模式而异。两种相反的力量在起作用：API使用更集中在更狭窄的任务和职业集（特别是与编码相关的工作），这往往会减少隐含效应；但任务级别的加速比在API任务中平均更高，如图4.1所示。这些力量大致相互抵消：API样本同样意味着未来十年劳动生产率每年提高1.8个百分点。

对该分析的一个显著批评是它未能考虑模型可靠性。如果工人必须验证AI输出，那么生产力收益将比原始加速比所暗示的要小。为了评估这个渠道在数量上的重要性，我们纳入了本报告引入的任务成功原始数据，在汇总之前将任务级别的时间节省乘以任务特定的成功率⁸。

这一调整产生了有意义的影响：基于Claude.ai的使用，未来十年隐含的生产率增长从每年1.8个百分点下降到1.2个百分点，对于API流量则下降到1.0个百分点。然而，即使在考虑了可靠性之后，隐含的影响仍然具有经济意义——未来十年每年持续增加1.0个百分点将使美国的生产率增长恢复到1990年代末和2000年代初的水平。

第二个批评涉及任务互补性。如果某些任务是必不可少的并且不容易被替代，那么无论其他任务上的加速比如何，总体生产力效应都将受到限制。教师可能使用AI更有效地准备教案，但这不会影响他们在课堂上与学生相处的时间。

为了将这一想法付诸实践，我们在汇总职业内部任务级别的时间节省时施加了一些结构，但除此之外，像主要分析一样累加职业效率提升。具体来说，我们假设在每个职业内部，任务根据一个恒定替代弹性（CES）聚合器进行组合，其中每个任务按其估计花费时间的权重进行加权，该时间是根据[我们之前对Claude使用隐含的生产力影响的分析](https://www.anthropic.com/research/estimating-productivity-gains)计算的⁹。

关键参数是任务间的替代弹性σ。当替代弹性小于1时，任务是互补的，那些没有被AI加速的任务成为更广泛生产力提升的瓶颈。或者，当替代弹性大于1时，工人可以重新分配到更具生产力的任务上——从而在职业层面放大总体的时间节省。替代弹性等于1是一种特殊情况，它复制了上面的主要分析。

图4.6报告了对于不同任务可替代性值的这一练习的结果。正如预期，当替代弹性等于1时，隐含的生产力效应与我们的基线分析相同：Claude.ai和API样本都意味着未来十年劳动生产率增长每年提高约1.8个百分点。

然而，当任务是互补的时，隐含的总体劳动生产率影响急剧下降，因为经济效应受到AI加速最少任务的瓶颈限制。例如，当σ=0.5时，隐含的总体劳动生产率效应为每年0.7-0.9个百分点——大约是我们基线估计值的一半。此外，根据任务成功率进行调整，进一步将Claude.ai的隐含生产力效应降低到0.8个百分点，API降低到0.6个百分点。

另一方面，当替代弹性大于1时，基于Opus 4.5之前使用模式的隐含劳动生产率显著更高。例如，当σ=1.5时，隐含的劳动生产率效应上升到每年2.2-2.6个百分点，这与在AI提供最大加速比的任务上实现更大专业化是一致的。

在这两种情况下，基于 API 流量推断的生产力影响，对任务可替代程度的反应更敏感。这与一个事实相符：相比 [Claude.ai](http://claude.ai/redirect/website.v1.281285a0-a972-493f-852d-b0c09b78ff5b)，API 流量中有更大比例集中在更少的任务和相关职业上：当任务是互补关系时，这种集中会加剧瓶颈问题；当任务是替代关系时，则会放大任务专业化带来的生产力提升。

这项分析表明，自动化的生产力效应最终可能受到瓶颈任务的制约——这些任务目前还无法被 AI 自动化。而 AI 能力不断增强对劳动力市场的影响，也可能受到类似力量的左右。例如，[Gans 和 Goldfarb (2026)](https://www.nber.org/papers/w34639) 认为，工作中存在瓶颈任务意味着，部分 AI 自动化可能导致劳动收入增加，因为这些任务的经济价值会提升（至少在该工作被完全自动化之前是这样）。

### 结论

本章的要点是，AI 对经济的影响不太可能是均匀的。正如我们的有效 AI 覆盖框架所展示的，AI 对不同劳动者的劳动力市场影响，将取决于前沿 AI 工具对其核心任务的可靠程度。

但劳动力市场效应也可能取决于 AI 能熟练处理的任务相对于经济其他部分的技能要求。事实上，我们发现，如果从经济中移除 Claude 已经能处理的任务，会产生净的去技能化效应：留给人类完成的任务，其教育要求低于 AI 处理的任务。

虽然这个结论很有启发性，但它可能忽略了一个重要细节：Claude 使用最多的最复杂任务，往往也是它最吃力的任务。这非但不会取代高技能专业人士，反而可能强化他们互补性专长的价值——即理解 AI 的工作并评估其质量。

与这些变革性的劳动力市场效应相对应的是对增长和生产力更广泛的影响。一方面，将任务可靠性纳入我们的分析，会降低根据当前 Claude 使用模式推断出的劳动生产率增长效应。如果瓶颈任务形成制约，这种推断的影响会进一步减弱。另一方面，模型能力的持续增长表明，任务覆盖范围和任务成功率都可能提高，这反过来又可能增强生产力影响。

1 当我们研究原始任务与 O*NET 的相关性时，我们只分析出现在至少 100 次对话中的任务，以减少测量误差。在覆盖范围分析中，我们使用所有超过隐私阈值（15 次）的任务。

2 我们的在线附录可在 [https://huggingface.co/datasets/Anthropic/EconomicIndex](https://huggingface.co/datasets/Anthropic/EconomicIndex) 获取。

3 另见 [Tomlinson 等人 (2025)](https://arxiv.org/pdf/2507.07935) 提出的相关 AI 适用性评分。

4 我们使用预训练的句子转换器（all-mpnet-base-v2）为每个任务描述生成嵌入向量，并用岭回归预测教育水平。

5 另一方面，一些历史证据表明，当自动化工作任务的技术出现在专利数据中时，受影响职业的就业和工资随后会下降（[Webb 2020](https://www.michaelwebb.co/webb_ai.pdf)）。

6 当我们首次评估 Claude 使用的总体生产力影响时，我们依赖的是 2025 年秋季 10 万次 Claude.ai 对话的样本。基于我们观察到加速的任务集，我们估计未来十年劳动生产率每年可能提高 1.8 个百分点。将样本扩大到 100 万次观察意味着，我们需要决定如何处理非常罕见的任务——鉴于使用遵循幂律分布（正如我们之前的报告所述），这类任务非常普遍。我们选择 0.02% 的阈值，因为它能复制我们之前对 Claude.ai 对话样本的分析结果。出于隐私保护原因，我们只分析至少有 15 次观察的任务，对于 10 万样本来说，这相当于 0.015% 的隐含阈值。因此，我们的结果在不同样本之间是内部一致的。如果我们不对 100 万样本施加限制，并假设样本中任何任务（即使是百万次中仅有 15 次观察的任务）都存在效率提升，那么未来十年隐含的总体劳动生产率增长将约为每年 5 个百分点——这是基于包含更多任务集而机械产生的增长。

7 如前所述，这一结果基于将 [Hulten 定理](https://doi.org/10.3982/ECTA15202) 应用于任务层面的生产率冲击，并假设相应的全要素生产率一次性提升会在未来十年内，伴随着资本深化效应而实现。8 提醒一下，在汇总到隐含劳动生产率时，我们将任务层面的效率提升计算为没有 AI 时人类时间与有 AI 时人类时间的对数差。当然，还有其他基于任务可靠性进行调整的方法。如果我们样本中的任务由 AI 适用性不同的子任务组成，并且工人只在 AI 有效的子任务上最优地部署 AI，那么用成功率来缩放效率提升，就捕捉了任务内部 AI 采用的广泛边际。

9 我们使用 CES（恒定替代弹性）生产函数将任务层面的时间节省汇总为经济范围内的生产力影响。弹性参数 σ 决定了工人在任务之间替代的难易程度。当 σ=1 时，我们直接应用 Hulten 定理：总体生产力提升等于各任务对数加速的工资份额加权和。当 σ≠1 时，我们使用两级汇总：首先，在每个职业内部，我们计算一个职业层面的加速，作为任务加速的 CES 汇总（以时间比例加权），使用 ρ=(σ-1)/σ。然后，我们将 Hulten 定理应用于这些职业层面的加速。当 σ<1（互补关系）时，生产力提升受到加速最小的任务的瓶颈制约。当 σ>1（替代关系）时，工人可以专门从事 AI 提供最大加速的任务，从而放大总体收益。对于没有观察到 AI 加速数据的任务，我们假设生产力没有变化。我们感谢 Pascual Restrepo 建议进行这项具体的分析。

## 结语

这份第四期 Anthropic 经济指数报告引入了经济原始要素——AI 使用的基础特征——展示了消费者和企业如何使用 Claude。我们利用 Claude 来估算使用在这些维度上的变化程度；这些度量在方向上准确，即使单个分类不完美，综合起来也能提供重要信号。

我们的发现对 AI 将如何重塑经济和劳动力市场具有重大意义。值得注意的是，Claude 往往在需要更高教育水平的任务上使用更多，并且似乎能提供更大的生产力提升。如果这些任务对美国工人来说减少了，净效应可能是工作的去技能化。但这些影响关键取决于任务之间的互补性，以及某个任务生产力的提高是否会增加对其的需求。

在全球层面，人均收入与使用模式之间的强相关性——高收入国家协作式地使用 Claude，而低收入国家则侧重于课程作业和特定应用——表明 AI 的影响将通过现有制度结构来传导，而不是均匀展开。地理扩散模式强化了这一图景。在美国国内，人均使用量略有趋同；在全球范围内，扩散速度较慢。结合 AI 使用方式因收入不同而产生的差异，这引发了关于 AI 是会缩小还是扩大国际经济差距的问题。

与本文记录的模式同样重要的是，这份报告及后续报告可能发生的变化。随着 AI 能力的进步，Claude 的成功率可能会提高，使用模式可能显示出更大的自主性，用户可能会处理新的、更复杂的任务，而可自动化的任务可能会从交互式聊天转向 API 部署。我们将持续追踪这些动态，提供 AI 在经济中作用的纵向视角。

在前几期报告的基础上，本期报告显著扩大了所分享使用数据的范围和透明度，包括沿新维度的任务级分类，以及首次提供全球区域细分数据。我们发布这些数据，是为了让研究人员、记者和公众能够探究关于 AI 经济影响的新问题，从而为政策应对奠定实证基础。

用户愿意尝试 AI 的程度，以及政策制定者是否创造一个既能促进安全又能推动创新的监管环境，将决定 AI 如何改变经济。为了让 AI 惠及全球用户，仅仅扩大访问是不够的——发展人力资本，使人们能够有效使用 AI，特别是在低收入经济体中，这一点至关重要。

## 作者与致谢

Ruth Appel, Maxim Massenkoff, Peter McCrory

*报告主要作者

Miles McCain, Ryan Heller, Tyler Neylon, Alex Tamkin

Xabi Azagirre, Tim Belonax, Keir Bradwell, Andy Braden, Dexter Callender III, Sylvie Carr, Miriam Chaum, Ronan Davy, Evan Frondorf, Deep Ganguli, Kunal Handa, Andrew Ho, Rebecca Jacobs, Owen Kaye-Kauderer, Bianca Lindner, Kelly Loftus, James Ma, Jennifer Martinez, Jared Mueller, Kelsey Nanan, Kim O'Rourke, Dianne Penn, Sarah Pollack, Ankur Rathi, Zoe Richards, Alexandra Sanderford, David Saunders, Michael Sellitto, Thariq Shihipar, Michael Stern, Kim Withee, Mengyi Xu, Tony Zeng, Xiuruo Zhang, Shuyi Zheng, Emily Pastewka, Angeli Jain, Sarah Heck, Jared Kaplan, Jack Clark, Dario Amodei

```
@online{anthropic2026aeiv4,
        author = {Ruth Appel and Maxim Massenkoff and Peter McCrory and Miles McCain and Ryan Heller and Tyler Neylon and Alex Tamkin},
        title = {Anthropic Economic Index report: economic primitives},
        date = {2026-01-15},
        year = {2026},
        url = {https://www.anthropic.com/research/anthropic-economic-index-january-2026-report},
}
```

## 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，它容纳了不会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？他们用它来做什么？以及他们如何看待 AI 对其工作的影响？

---

英文原文：[Anthropic Economic Index report: Economic primitives](https://www.anthropic.com/research/anthropic-economic-index-january-2026-report)