在夏威夷规划旅行，在马萨诸塞州进行科学研究，以及在印度构建网络应用程序。表面上，这三项活动几乎没有共同点。但事实上，这些正是Claude在不同地区使用最为突出的三种应用场景。
这并不意味着这些是最受欢迎的任务：软件工程在全球几乎所有国家和地区仍然遥遥领先。相反，这意味着马萨诸塞州的人们比其他地区的人更有可能向Claude寻求科学研究的帮助——或者，例如，巴西的Claude用户似乎对语言特别热衷：他们使用Claude进行翻译和语言学习的频率是全球平均水平的六倍左右。
这些是我们从第三份《Anthropic经济指数报告》中发现的数据。在最新一期中，我们扩大了记录AI早期采用模式的努力，这些模式正开始重塑工作和经济。我们测量了Claude的使用方式如何不同……
- **……在美国境内：**我们首次提供了各州AI使用差异的详细评估。我们发现，各州经济结构决定了哪些州人均使用Claude最多——而且，令人惊讶的是，人均使用率最高的州并非以编程为主导的州。
- **……在不同国家之间：**我们的新分析发现，各国对Claude的使用与收入水平密切相关，而且较低使用率国家的用户比高使用率国家的用户更频繁地使用Claude来自动化工作。
- **……随时间变化：**我们将最新数据与2024年12月至2025年1月以及2025年2月至3月的数据进行了比较。我们发现，"指令式"自动化任务的比例从27%急剧上升到39%，表明AI的责任（以及用户的信任）正在迅速增加。
- **……以及企业用户：**我们现在包括了Anthropic第一方API客户的匿名数据（除了Claude.ai的用户），使我们首次能够分析企业的互动。我们发现，API用户比消费者更倾向于使用Claude自动化任务，这表明可能即将出现重大的劳动力市场影响。
地理分布：AI使用的全球图景
我们将Anthropic经济指数扩展到包括地理数据。以下是我们了解到的Claude在不同国家和美国各州的使用情况。
各国AI采用模式
美国对Claude的使用远超其他国家。印度位居第二，其次是巴西、日本和韩国，这些国家的份额相似。
全球Claude.ai使用份额领先的国家。
然而，这些国家的人口规模存在巨大差异。为了解决这个问题，我们将各国Claude.ai的使用份额按其占世界劳动人口的份额进行了调整。这得出了我们的Anthropic AI使用指数（AUI）。AUI大于1的国家使用Claude的频率仅根据其劳动年龄人口来预期更高，反之亦然。
Anthropic AI使用指数得分最高的二十个国家。
从AUI数据中，我们可以看到一些小型、技术先进的国家（如以色列和新加坡）相对于其劳动年龄人口在Claude采用方面处于领先地位。这在很大程度上可以用收入来解释：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提高0.7%）。这是有道理的：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。但这确实提出了一个经济分化的问题：之前的通用技术，如电气化或内燃机，都带来了巨大的经济增长和全球生活水平的巨大分化。如果AI的影响被证明在富裕国家最大，这种通用技术可能具有类似的经济影响。
各国人均Claude使用量与人均收入呈正相关。（坐标轴为对数刻度。）
美国境内的使用模式
在比较美国各州时，人均GDP与人均Claude使用之间的联系同样成立。事实上，在美国内部，使用量随收入增长的速度比国家间更快：人均GDP每提高1%，人口调整后的Claude使用量提高1.8%。也就是说，在美国内部，收入的解释力实际上比国家间要小，因为整体趋势内的方差要高得多。也就是说：除收入外的其他因素必须解释人口调整后使用量差异的大部分。
什么可以解释这种采用差距？我们最好的猜测是这与各州经济结构的差异有关。美国最高的AUI是华盛顿特区（3.82），在那里Claude使用最不成比例频繁的任务包括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，与编码相关的任务在加利福尼亚州（总体AUI第三高的州）特别常见，而与金融相关的任务在纽约（排名第四）特别常见。1即使在人口调整后Claude使用量较低的州，如夏威夷，使用量也与经济结构密切相关：夏威夷人请求Claude协助与旅游相关任务的频率是美国其他地区的两倍。我们的互动网站包含许多其他类似统计数据。
美国各州相对于其劳动年龄人口的Claude采用情况。
Claude使用趋势
自2024年12月以来，我们一直在追踪人们如何使用Claude。我们使用一种隐私保护的分类方法，将匿名对话转录分类为ONET定义的任务组，ONET是美国政府分类工作和相关任务的数据库。2通过这样做，我们可以分析自去年以来人们给Claude的任务发生了哪些变化，以及人们选择协作的方式——他们选择对Claude的工作有多少监督和输入——也发生了哪些变化。
任务分布
自2024年12月以来，计算机和数学领域的Claude使用在我们的类别中占主导地位，约占对话的37-40%。
但情况发生了很大变化。在过去的九个月里，我们看到"知识密集型"领域持续增长。例如，教育指导任务增长了40%以上（从所有对话的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：与管理相关的任务从所有对话的5%下降到3%，与商业和金融运营相关的任务份额减半，从6%下降到3%。（当然，从绝对值来看，每个类别的对话数量仍然显著增加。）
Claude使用随时间的变化，显示科学和教育任务使用增加。
总体趋势有些波动，但通常，随着国家人均GDP的增加，Claude的使用从计算机和数学职业组的任务转向更多样化的其他活动，如教育和艺术设计；办公和行政支持；以及物理和社会科学。将下图中的趋势线与剩下的三个进行比较：
随着我们从采用率较低的国家转向较高的国家，Claude的使用似乎转向更多样化的任务组合，尽管整体模式有波动。
话虽如此，软件开发仍然是我们跟踪的每个国家最常见的用途。在美国的情况也类似，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。
互动模式
正如我们之前讨论的，我们通常区分涉及_自动化_（AI直接产生工作，用户输入最少）和_增强_（用户和AI协作完成任务）的任务。我们将进一步自动化分解为_指令式_和_反馈循环_互动，其中指令式对话涉及最少的人类互动，而在反馈循环任务中，人类将现实世界的结果反馈给模型。我们还增强分解为_学习_（请求信息或解释）、任务迭代（与Claude协作工作）和_验证_（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%上升到39%。其他互动模式（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，自动化（49.1%）首次在总体上变得比增强（47%）更常见。一个可能的解释是，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。
这可能是模型能力改进的结果。（在2024年12月，当我们首次收集经济指数数据时，Claude的最新版本是Sonnet 3.6。）随着模型在预测用户需求和产生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。
自动化随时间似乎在增加。
也许令人惊讶的是，在人均Claude使用率较高的国家，Claude的用途倾向于增强，而较低使用率国家的人则更倾向于选择自动化。在控制相关任务的组合后，人口调整后的Claude使用每增加1%，自动化减少约3%。同样，人口调整后的Claude使用增加与自动化减少（如下图所示）而非增加相关。
我们尚不确定为什么会这样。这可能是因为每个国家的早期采用者更愿意让Claude自动化任务，或者可能是由于其他文化和经济因素。
人均Claude使用率较高的国家往往以更协作的方式使用Claude。
企业AI应用
使用我们在Claude.ai上对话相同的隐私保护方法，我们已经开始从Anthropic第一方API客户子集中抽样互动，这是首次此类分析。3倾向于成为企业和开发者的API客户与通过Claude.ai访问Claude的用户使用方式非常不同：他们按代币付费，而不是固定月度订阅，并且可以通过自己的程序发出请求。
这些客户对Claude的使用特别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上为36%。（巧合的是，大约5%的所有API流量专门集中在开发和评估AI系统上。）这与教育职业相关的对话比例较小相抵消（API上为4%，而Claude.ai上为12%），以及艺术和娱乐（API上为5%，而Claude.ai上为8%）。
我们还发现，我们的API客户比Claude.ai用户更频繁地使用Claude进行任务自动化。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，比例几乎持平。这可能具有重要的经济意义：过去，任务的自动化与重大的经济转型以及生产力的显著增长相关。
Claude.ai和API上的Claude增强与自动化。
最后，考虑到API的使用方式，我们还可以探索任务成本（由它们消耗的代币数量差异引起）的差异是否影响企业选择"购买"哪些任务。在这里，我们发现价格和使用之间存在_正相关_：较高成本的任务类别往往看到更频繁的使用，如下图所示。这向我们表明，基本的模型能力和模型产生的经济价值对企业和任务本身的成本更重要。
每任务成本与任务类别占总对话的份额对比。
经济影响分析
经济指数旨在提供AI如何影响人们工作和经济的早期实证评估。到目前为止我们发现了什么？
在本报告涵盖的每个衡量标准中，AI的采用似乎极不均衡。高收入国家的人们更有可能使用Claude，更有可能寻求协作而非自动化，更有可能追求超越编码的广泛用途。在美国，AI使用似乎深受当地经济中主导产业的影响，从科技到旅游业。而企业比消费者更愿意将Claude委托给代理和自主权。
除了不均衡的事实，我们特别注意到指令式自动化在过去九个月中在Claude.ai上的对话中变得常见得多。人们使用Claude的性质显然仍在被定义：我们仍在集体决定我们对AI工具有多少信心，以及我们应该给它们多少责任。然而，到目前为止，看起来我们正在对AI越来越感到舒适，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，看看用户的选择在AI模型改进后会如何——或者，确实，_是否会_稳定下来。
如果您想亲自探索我们的数据，可以在我们专门的Anthropic经济指数网站上做到这一点，其中包含我们国家、州和职业数据的交互式可视化。我们将在未来用更多数据更新此网站，因此您可以继续以您感兴趣的方式跟踪AI对工作和经济的影响演变。
区域发展不平衡的启示
AI采用的不均衡分布揭示了一个关键问题：技术进步可能加剧而非缩小全球差距。富裕国家凭借其强大的互联网基础设施和以知识为导向的经济结构，正在更快地整合AI技术，从而可能获得更大的经济收益。这种"AI鸿沟"可能导致新一轮的全球不平等，类似于电气化和工业革命带来的分化。
然而，这种不均衡也创造了独特的机遇。对于采用率较低的国家而言，可以从先行者那里学习，跳过某些发展阶段，直接采用最新技术。同时，这些国家可能专注于AI在特定领域的应用，如农业或本地服务，从而找到自己的竞争优势。
未来展望
随着 directive自动化比例的持续上升，AI正从辅助工具向独立工作伙伴转变。这一转变将对就业市场产生深远影响，不仅涉及工作任务的重新分配，还可能改变工作的本质和企业组织方式。
企业用户与消费者用户之间的差异也值得关注。企业对自动化的偏好可能预示着大规模生产力变革的前奏，而消费者对增强的偏好则表明人机协作模式可能成为主流。这两种趋势的平衡发展将决定AI在未来经济中的最终角色。
政策建议
基于这些发现，我们提出以下政策建议：
缩小数字鸿沟：投资基础设施，确保所有地区都能获得必要的互联网连接和计算资源。
教育转型：重新设计教育系统，培养人机协作能力，而非仅仅关注可能被AI取代的技能。
劳动力市场准备：建立灵活的再培训机制，帮助工人适应AI带来的工作性质变化。
监管框架：制定前瞻性AI监管政策，平衡创新与风险，确保AI发展包容且公平。
数据共享：鼓励跨组织和国家的数据共享，以更全面地理解AI的经济影响。
结论
Anthropic经济指数为我们提供了AI在全球经济中影响的早期快照。数据显示，AI的采用和使用模式呈现出显著的地域和经济差异，这些差异既反映了现有不平等，也可能塑造未来的经济格局。随着AI技术的不断发展和普及，持续监测这些变化对于理解并引导AI向普惠、可持续的方向发展至关重要。政策制定者、企业和个人都需要基于这些证据做出明智决策，以确保AI带来的经济利益广泛分布，而不仅仅是集中在某些地区或群体中。
