经济研究

Economic Research

Anthropic 经济指数：追踪 AI 在美国及全球经济中的作用

Anthropic Economic Index: Tracking AI's role in the US and global economy

2025年9月15日探索我们的数据

然而，这些国家的人口规模差异巨大。为了考虑这一因素，我们根据各国在全球劳动人口中的占比，调整了其 Claude.ai 的使用份额。由此得出我们的 Anthropic AI 使用指数（Anthropic AI Usage Index，简称 AUI）。AUI 大于 1 的国家，其 Claude 使用频率高于仅基于劳动年龄人口的预期值，反之亦然。

从 AUI 数据可以看出，一些规模较小但技术先进的国家（如以色列和新加坡）在 Claude 的采用率上，相对于其劳动年龄人口处于领先地位。这在很大程度上可能可以用收入来解释：我们发现人均 GDP 与 Anthropic AI 使用指数之间存在强相关性（人均 GDP 每提高 1%，AUI 相应提高 0.7%）。这合乎情理：最常使用 Claude 的国家通常也拥有强大的互联网连接，以及以知识工作而非制造业为导向的经济结构。但这确实引发了一个关于经济分化的问题：以往的通用的技术（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巨大分化。如果 AI 的影响在较富裕国家最为显著，那么这种通用技术可能会产生类似的经济影响。

美国国内的模式

Patterns within the United States

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，使用量随收入的增长比跨国比较更为迅速：美国国内人均 GDP 每提高 1%，经人口调整后的 Claude 使用量相应提高 1.8%。尽管如此，在美国国内，收入对使用量的解释力实际上低于跨国比较，因为整体趋势内的方差要大得多。也就是说，除了收入之外，其他因素必然能解释更多经人口调整后使用量的变化。

还有什么能解释这种采用率差距呢？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），在那里，Claude 最频繁的用途是编辑文档和搜索信息，以及其他与华盛顿特区知识工作相关的任务。同样，编码相关任务在加利福尼亚州（AUI 总体排名第三的州）尤为常见，而金融相关任务在纽约州（排名第四）尤为常见¹。即使在 Claude 经人口调整后使用量较低的州，如夏威夷，使用情况也与经济结构密切相关：夏威夷居民请求 Claude 协助处理旅游相关任务的频率是美国其他地区的两倍。我们的交互式网站包含许多其他类似的统计数据。

Claude 使用趋势

Trends in Claude use

自 2024 年 12 月以来，我们一直在追踪人们如何使用 Claude。我们采用一种保护隐私的分类方法，将匿名化的对话记录归类到由 O*NET（美国政府的职业与任务分类数据库）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 的任务发生了怎样的变化，以及人们选择的协作方式——即他们对 Claude 的工作施加多少监督和输入——发生了怎样的变化。

任务

Tasks

自 2024 年 12 月以来，在我们的分类中，Claude 在计算机和数学方面的用途一直占主导地位，约占对话总量的 37-40%。

但情况已经发生了很大变化。在过去九个月里，我们观察到“知识密集型”领域持续增长。例如，教育教学任务增长了超过 40%（从占所有对话的 9% 上升到 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% 上升到 8%）。与此同时，传统商业任务的相对频率有所下降：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则减半，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。）

总体趋势存在噪音，但一般而言，随着一个国家人均 GDP 的增长，Claude 的使用会从计算机和数学职业组的任务转移，转向各种其他活动，如教育、艺术与设计、办公与行政支持，以及物理与社会科学。比较下面第一个图表中的趋势线与其余三个图表：

尽管如此，在我们追踪的每一个国家，软件开发仍然是最常见的用途。美国的情况看起来类似，尽管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的能力。

交互模式

Patterns of interaction

正如我们之前讨论过的，我们通常区分涉及自动化（automation）（AI 在用户输入极少的情况下直接产出工作）和增强（augmentation）（用户与 AI 协作完成任务）的任务。我们进一步将自动化细分为指令式（directive）和反馈循环（feedback loop）交互，其中指令式对话涉及最少的人机交互，而在反馈循环任务中，人类将现实世界的结果反馈给模型。我们还将增强细分为学习（learning）（请求信息或解释）、任务迭代（task iteration）（与 Claude 协作）和验证（validation）（请求反馈）。

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%）更为普遍。一种可能的解释是，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。）随着模型在预测用户需求和产出高质量工作方面变得更好，用户可能更愿意在首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们则更倾向于自动化。在控制了相关任务组合后，经人口调整后的 Claude 使用量每增加 1%，与自动化率大约降低 3% 相关。同样，经人口调整后的 Claude 使用量的增加与远离自动化（如下表所示）相关，而非趋向自动化。

我们尚不确定原因。这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，也可能归因于其他文化和经济因素。

企业

Businesses

使用与 Claude.ai 对话相同的隐私保护方法，我们已开始从 Anthropic 第一方 API 客户的一个子集中采样交互数据，这是首次此类分析³。API 客户（通常是企业和开发者）使用 Claude 的方式与通过 Claude.ai 访问的用户截然不同：他们按 token 付费，而非固定月费，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码和行政任务上：我们样本中 44% 的 API 流量映射到计算机或数学任务，而 Claude.ai 上这一比例为 36%。（巧合的是，大约 5% 的 API 流量专门用于开发和评估 AI 系统。）这被与教育职业相关的对话比例较小（API 中为 4%，而 Claude.ai 上为 12%）以及艺术与娱乐（5% 对比 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 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 上，这一比例几乎持平。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，我们还可以探讨任务成本的差异（由它们消耗的 token 数量不同导致）是否会影响企业选择“购买”哪些任务。在这里，我们发现价格与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，对模型基础能力以及模型产生的经济价值的考量，对企业而言比完成任务本身的成本更重要。

结论

Conclusion

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。那么，我们目前发现了什么？

在本报告涵盖的每一项衡量指标中，AI 的采用都显得极不均衡。高收入国家的人们更可能使用 Claude，更可能寻求协作而非自动化，并且更可能追求编码之外的广泛用途。在美国国内，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。此外，企业比消费者更倾向于赋予 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 对话中的指令式自动化变得更为普遍。人们使用 Claude 的性质显然仍在定义之中：我们仍在集体决定对 AI 工具有多大信心，以及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，并愿意让它代表我们工作。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，用户的选择会稳定在何处——或者，实际上，是否会稳定下来。

如果您想自行探索我们的数据，可以访问我们专门的 Anthropic 经济指数网站，该网站包含我们关于国家、州和职业数据的交互式可视化图表。我们未来将用更多数据更新该网站，以便您能够持续追踪 AI 对工作和经济影响的演变，方式任您选择。

我们的完整报告可在此处获取。我们希望它能帮助政策制定者、经济学家及其他人士更有效地为 AI 带来的经济机遇和风险做好准备。

开放数据

Open data

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/增强分解，以及 API 使用概览。数据可在 Anthropic 经济指数网站上下载。

与我们合作

Work with us

如果您有兴趣在 Anthropic 工作，帮助构建支持这项研究的系统，我们鼓励您申请我们的研究工程师职位。

脚注

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有相当一部分似乎与协调滥用（coordinated abuse）的指标相关——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最终结果。

2. 我们辅以“自下而上”的任务分类，即 Claude 根据其自身的分类法对对话进行分类，以弥补 O*NET 类别中的任何空白。我们隐私保护分析方法的全部细节可在此处获取。

3. 本节数据涵盖 2025 年 8 月的 100 万条记录，从构成我们第一方 API 使用量约一半的第一方 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

Related content

AI 模型中双重用途知识的关闭开关

An off switch for dual use knowledge in AI models

阅读更多

语言模型中的全局工作空间

A global workspace in language models

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

阅读更多

Anthropic 经济指数报告：节奏

Anthropic Economic Index report: Cadences

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：人们何时使用 Claude？他们用它来做什么？他们如何看待 AI 对其工作的影响？

阅读更多