Anthropic经济指数的最新报告，旨在为我们提供一个早期且实证性的视角，审视人工智能如何开始重塑全球的工作形态与经济格局。通过深入分析Claude（一种先进的AI模型）的使用模式，本报告揭示了AI采纳在地理区域、时间演变以及不同用户群体间的显著差异。从夏威夷的旅行规划到马萨诸塞州的科学研究，再到印度的网络应用开发，AI的应用场景正日益多样化，超越了传统上对软件工程的单一依赖，预示着一个由AI驱动的新经济时代的到来。
在全球范围内，Claude的使用量呈现出明显的不均衡。美国以显著优势领先，其次是印度、巴西、日本和韩国。为了更准确地衡量AI采纳程度，我们引入了“Anthropic AI使用指数”（AUI），该指数通过调整各国的工作年龄人口比例来反映其AI采纳强度。数据显示，以色列和新加坡等小型科技发达国家在AUI排名中居前。研究发现，国家的GDP与AUI之间存在强烈的正相关性：人均GDP每提高1%，AUI相应提高约0.7%。这表明，拥有坚实互联网基础设施和以知识型工作为主导的经济体，更倾向于积极采纳AI。然而，这也引出了一个关于经济分化的重要问题：若AI的影响主要集中在富裕国家，那么这一通用技术可能会像历史上的电力或内燃机一样，在带来巨大经济增长的同时，加剧全球生活水平的差距。
在美国国内，人均GDP与Claude使用量之间也存在类似的关联，且其增长速度甚至超过了跨国比较（人均GDP每提高1%，人口调整后的Claude使用量提高1.8%）。然而，与跨国数据相比，美国内部的收入解释力较低，这暗示着除了收入，还有其他因素在塑造各州的AI采纳模式。我们推测，各州经济构成差异是关键。例如，哥伦比亚特区的AUI最高，其中文档编辑和信息搜索等知识型工作任务异常频繁。加利福尼亚州（AUI第三高）的编码任务尤为突出，而纽约州（AUI第四高）则侧重于金融相关任务。即使是那些AI使用量相对较低的州，如夏威夷，其AI使用模式也与当地经济结构紧密相关——夏威夷居民在旅游相关任务上寻求Claude协助的频率是全国平均水平的两倍。这些细致的地域差异凸显了AI技术与区域经济生态的深度融合。
自2024年12月以来，我们持续追踪Claude使用模式的变化。计算机和数学相关的任务一直占据主导地位，约占总对话量的37%至40%。然而，过去九个月中，知识密集型领域的使用量显著增长。例如，教育指导任务增长了40%以上（从9%增至13%），物理和社会科学相关任务也增加了三分之一（从6%增至8%）。与此同时，传统的商业任务（如管理和商业金融运营）的相对频率有所下降。尽管整体趋势存在一些波动，但普遍而言，随着国家人均GDP的增加，Claude的使用正从计算机和数学领域转向更多元化的活动，例如教育、艺术设计、办公行政支持以及物理和社会科学。
在人机交互模式方面，我们主要区分“自动化”与“增强协作”两种类型。自动化是指AI直接完成任务，用户输入最少；增强协作则是用户与AI共同完成工作。自2024年12月以来，“指令式自动化”（即AI在最少人类干预下直接执行任务）的比重急剧上升，从27%增至39%。这使得自动化模式首次超越了增强协作模式（49.1%对47%）。这一转变可能反映了AI模型能力的显著提升（例如，从2024年12月的Sonnet 3.6到后续更优版本），以及用户对AI完成复杂任务的信心和信任度日益增强。然而，值得注意的是，在Claude使用率较高的国家，用户反而更倾向于增强协作模式，而不是自动化。这可能是由于早期采纳者对AI的互动方式有更复杂的理解，或受其他文化和经济因素的影响。
针对商业用户，我们首次分析了Anthropic API客户的匿名数据。API客户，通常是企业和开发者，与Claude.ai的消费者用户在使用模式上存在显著差异。API客户按令牌付费，并通过自定义程序进行请求，他们使用Claude主要集中在编码和行政任务：在我们的样本中，44%的API流量与计算机或数学任务相关，而Claude.ai上这一比例为36%。此外，约5%的API流量专门用于开发和评估AI系统。
更为重要的是，我们的API客户在任务自动化方面的倾向远高于Claude.ai用户。77%的API对话呈现出自动化模式，其中绝大多数是指令式自动化，而增强协作模式仅占12%。相比之下，Claude.ai上的自动化和增强协作模式几乎各占一半。这种高自动化程度对经济具有深远影响，因为历史上的任务自动化往往伴随着巨大的生产力提升和劳动力市场的转型。有趣的是，我们还发现，在API使用中，任务的平均成本与使用频率呈正相关关系：成本较高的任务类别反而更常被使用。这表明，对企业而言，AI模型的底层能力及其所创造的经济价值，比完成任务本身的直接成本更为重要。
综上所述，Anthropic经济指数报告描绘了一幅AI采纳的复杂而多样的图景。无论是在不同收入水平的国家间、美国各州内部，还是在消费者与商业用户之间，AI的采纳都呈现出显著的不平衡性。指令式自动化在消费者端迅速增长，预示着用户对AI的信任度及其承担责任的意愿正在增强。人工智能的角色及其人机协作模式仍在不断演变和定义中，随着AI模型能力的持续提升，用户的选择也将随之调整。这些早期洞察对于政策制定者、经济学家以及各行各业的领导者而言至关重要，它有助于我们更好地理解并准备应对人工智能所带来的巨大经济机遇与潜在风险。
