Anthropic经济指数：AI对软件开发的影响

Anthropic Economic Index: AI's impact on software development

📅2026-07-09👤AnthropicAnthropic Blog
🔗原文：https://www.anthropic.com/research/impact-software-development
✍️翻译：DeepSeek

社会影响与经济研究

Societal ImpactsEconomic Research

Anthropic 经济指数：AI 对软件开发的影响

Anthropic Economic Index: AI's impact on software development

2025 年 4 月 28 日

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虽然只占一小部分，但却极具影响力。过去几年里，能够协助并自动化大量编码工作的 AI 系统的引入，极大地改变了这些工作。

在我们之前的经济指数研究中，我们发现美国从事计算机相关职业的工人对 Claude 的使用比例极高：也就是说，与计算机相关的任务对话数量远超根据相关岗位从业人数所预测的水平。在教育领域也是如此：计算机科学学位（涉及大量编码工作）显示出极高的 AI 使用比例。

为了更详细地理解这些变化，我们对 Claude.ai（大多数人使用 Claude 的“默认”方式）和 Claude Code（我们新的专业编码“智能体”，能够使用多种数字工具独立完成一系列复杂任务）上的 50 万次编码相关交互进行了分析。

我们发现了三个关键模式：

  • 编码智能体更多地用于自动化。 Claude Code 上 79% 的对话被识别为“自动化”——即 AI 直接执行任务——而非“增强”，即 AI 与人类协作并增强人类能力（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 智能体变得越来越普遍，以及更多智能体 AI 产品的构建，我们应预期任务自动化程度会更高。
  • 程序员普遍使用 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，而用户界面和用户体验任务是编码用途中最常见的类别之一。这表明，专注于构建简单应用程序和用户界面的工作，可能比纯粹专注于后端工作更早面临 AI 系统的颠覆。
  • 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。采用差距表明，使用尖端 AI 工具的敏捷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

How we analyzed conversations on Claude Code and Claude.ai

我们使用隐私保护分析工具分析了总共 50 万次 Claude 交互（在 Claude Code 和 Claude.ai 之间分配），该工具将用户对话提炼为更高级、匿名的洞察。在这里，我们用它来识别对话的主题（例如，“UI/UX 组件开发”），或者——如下文所述——将对话分类为侧重于“增强”还是“自动化”。

开发者如何与 Claude 交互？

How do developers interact with Claude?

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 显示出显著更高的自动化率——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进一步细分为几个子类型（如我们之前工作中所讨论的）。“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给 Claude），在 Claude Code 上（占交互的 35.8%）几乎是 Claude.ai（21.3%）的两倍。“指令式”对话，即 Claude 在最少用户交互下完成任务，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 上的比例都显著低于 Claude.ai。

子类型定义如下。指令式：以最少交互完成完全任务委派；反馈循环：通过环境反馈引导任务完成；任务迭代：协作式优化过程；学习：知识获取与理解；验证：工作验证与改进。

这些结果说明了专业、专注于编码的智能体（此处指 Claude Code）与用户与大型语言模型交互的更“标准”方式（即通过像 Claude.ai 这样的聊天界面）之间的差异。随着更多智能体产品的发布，我们可能会看到 AI 融入人们工作的方式发生变化。至少在编码领域，这可能意味着更多任务的自动化。

这引发了一个问题：随着 AI 使用变得更加普遍，开发人员将在多大程度上仍然参与其中？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给 Claude）。但这种模式是否会持续到未来，当能力更强的智能体系统可能逐渐需要更少的用户输入时，这一点尚不确定。

开发者正在用 Claude 构建什么？

What are developers building with Claude?

总体而言，我们发现开发者普遍使用 Claude 来构建网站和移动应用程序的用户界面及交互元素。虽然没有单一语言占据主导地位，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%。

百分比代表两个平台上编码相关任务的总百分比。由于 Claude Code 和 Claude.ai 权重相等，每个条形中对应每个平台的部分代表该平台使用量的一半。

后端开发语言（用于幕后逻辑、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 具有双重用途——既用于后端开发，也用于数据分析。结合 SQL（另一种以数据为中心的语言，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。

编码语言使用百分比代表两个平台的总百分比。由于 Claude Code 和 Claude.ai 权重相等，每个条形中对应每个平台的部分代表该平台使用量的一半。

这些模式进一步延伸到涉及 Claude 的常见编码任务类型。前五大任务中有两个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%。这类任务越来越倾向于一种被称为“氛围编码”（vibe coding）的现象——即不同经验水平的开发者用自然语言描述他们期望的结果，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”以及“调试与性能优化”，在 Claude.ai 和 Claude Code 中也占有很高比例。

推测而言，这些发现表明，如果不断增强的能力使“氛围编码”更多地融入主流工作流程，那么专注于构建简单应用程序和用户界面的工作可能更早面临 AI 系统的颠覆。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？

Who is using Claude for coding?

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 的响应被使用的真实世界背景，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。

点之间的距离表示每种项目类型在 Claude.ai（蓝色）和 Claude Code（橙色）上普及程度的差距。

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。初创公司相关工作占 Claude Code 对话的 32.9%（比其在 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%（略低于其在 Claude.ai 上 25.9% 的份额）。

此外，涉及学生、学者、个人项目构建者以及教程/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为谨慎，并且在全公司范围内采用新工具之前通常会进行详细的安全检查。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显著的竞争优势。

局限性

Limitations

我们的分析基于现实世界中的 AI 使用情况——开发者如何在实际工作流程中使用 Claude。尽管这种方法使我们的发现具有实际意义，但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 Team、Enterprise 和 API 使用情况，这些可能会显示出不同的模式，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进行的推断。在将对话分类为“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进行了有根据的猜测。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。我们将此类别从分析中排除并重新归一化了结果；
  • 我们的数据集可能捕获了早期采用者。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于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，可能遗漏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 编码辅助的采用，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，这意味着我们仅呈现了他们 AI 参与模式的部分视图；
  • 我们仅研究了开发者委托给 AI 的任务——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

Looking ahead

AI 正在从根本上改变开发者的工作方式。我们的分析表明，在使用像 Claude Code 这样的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 能力的进步，人类仍然参与其中的“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引导这些系统，而不是自己编写代码？哪些软件开发角色变化最大，哪些可能会完全消失？

AI 日益增长的编码能力也可能对 AI 开发本身产生重大影响。由于如此多的 AI 研究和开发依赖于软件，AI 辅助编码的进步有可能帮助加速突破，创造一个正向循环，进一步加速 AI 的进步。

从宏观角度来看，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。尽管我们不能假设从软件开发中得出的教训会直接适用于其他职业类型，但软件开发可能是一个领先指标，为我们提供关于其他职业在未来随着能力越来越强的 AI 模型的推出而如何变化的有用信息。

与我们合作

Work With Us

如果您有兴趣在 Anthropic 研究 AI 对劳动力市场的影响，我们鼓励您申请我们的经济学家和数据科学家（政策）职位。

附录

Appendix

作为补充分析，我们还比较了软件相关的自动化与增强模式与不涉及软件的交互模式。我们仅在 Claude.ai 上进行此分析，因为 Claude Code 专门用于软件应用。

Claude.ai 中按软件与非软件用例划分的自动化与增强细分。有关每种模式的描述，请参见上文第一张图的说明。

与不涉及软件的用例相比，软件开发的自动化程度更高。反馈循环的显著增加（+18.3%）驱动了这一趋势，并且值得注意的是，它抵消了指令式行为的明显减少（-11.2%）。换句话说，与非编码任务相比，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。

脚注

  1. Claude.ai 对话特指来自 Claude.ai Free 和 Pro 的对话。此样本仅包含由第一方 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）。我们在 Claude.ai 和 Claude Code 分析中使用的所有对话均来自 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 Artifacts 利用了 HTML。虽然我们过滤掉了与编码无关的 Artifacts，但我们并未明确从分析中过滤掉包含编码相关内容的 Artifacts，因为大量编码使用发生在 Artifacts 内部。

  3. Claude.ai 的使用量不包括 Claude For Work（Team 和 Enterprise 计划）的使用量，这意味着 Claude.ai 的企业数字可能被低估，因为 Claude.ai 上大量的企业使用发生在 Claude For Work 产品中。

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，它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，以询问：人们何时来找 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