人工智能正以前所未有的速度融入全球经济结构，而Anthropic最新发布的第三期经济指数报告为我们提供了这一变革的详尽数据支持。通过对全球Claude用户行为的大规模分析，报告揭示了AI应用在不同地区、行业和人群中的差异化分布，以及随时间演变的显著趋势。
全球AI应用版图：不均衡的数字化图景
在美国夏威夷的旅游规划、马萨诸塞州的科学研究，以及印度的网络应用开发——这三项看似毫不相关的活动，实际上代表了Claude在不同地区被过度使用的特定应用场景。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州仍遥遥领先。相反，这表明马萨诸塞州的人们比其他地区更倾向于使用Claude协助科学研究，例如巴西用户对语言学习的热情尤为高涨——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。
国家层面的AI采用率
数据显示，美国以21.6%的全球Claude使用率遥遥领先，印度位居第二，巴西、日本和韩国紧随其后，使用份额相近。然而，考虑到各国人口规模的巨大差异，研究人员引入了Anthropic AI使用指数（AUI），将各国的Claude使用率按其劳动年龄人口比例进行调整。AUI大于1的国家表明其Claude使用频率超出基于劳动年龄人口的预期。
全球Claude.ai使用份额领先的国家
Anthropic AI使用指数排名前20的国家
AUI数据显示，一些小型技术先进国家（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因素解释：研究发现人均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%）。这符合逻辑：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体。但这引发了一个关于经济分化的问题：以往的通用技术，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的影响在富裕国家最为显著，这种通用技术可能产生类似的经济影响。
各国人均Claude使用量与人均收入呈正相关关系（坐标轴为对数刻度）
美国各州的经济结构影响
在比较美国各州时，人均GDP与人均Claude使用之间的关联同样存在。事实上，美国内部的收入增长与使用增长之间的关联比国家间更为紧密：美国内人均GDP每提高1%，人口调整后的Claude使用率提高1.8%。然而，在美国内部，收入的解释力实际上低于国家间比较，因为整体趋势内的方差更高。也就是说：除了收入之外，其他因素必须解释人口调整后使用差异的更大比例。
什么因素可以解释这种采用差距？我们的最佳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），那里Claude使用最不成比例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，与编码相关的任务在加利福尼亚州（整体AUI第三高的州）特别常见，与金融相关的任务在纽约州（排名第四）特别常见。¹即使在人口调整后Claude使用率较低的州，如夏威夷，使用率也与经济结构密切相关：夏威夷人请求Claude协助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的统计数据。
美国各州相对于其劳动年龄人口的Claude采用率
Claude使用趋势：从协作到自动化的转变
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，将匿名对话记录分类为ONET定义的任务组，ONET是美国政府数据库，用于分类工作和相关任务。²通过这种方法，我们既可以分析自去年以来人们给Claude的任务如何变化，也可以分析人们选择协作方式的变化——他们选择对Claude的工作有多少监督和投入。
任务演变：从编码到多元化
自2024年12月以来，计算机和数学类别的Claude使用在我们的类别中占主导地位，代表约37-40%的对话。
但变化巨大。在过去的九个月里，我们观察到"知识密集型"领域的持续增长。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，从绝对数量来看，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的使用增加，而艺术、商业和建筑用途的使用减少
整体趋势虽有波动，但总体而言，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。比较下图中的第一条趋势线与其他三条：
随着我们从采用率较低的国家向采用率较高的国家过渡，Claude的使用似乎转向了更多样化的任务组合，尽管整体模式存在波动
话虽如此，软件开发仍然是我们追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在更详细地探索任务组合如何随采用率变化的能力。
交互模式的演变：自动化超越协作
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_指令性_和_反馈循环_交互，其中指令性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，我们发现指令性对话的份额急剧上升，从27%跃升至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，自动化（49.1%）首次在总体上超过了增强（47%）。一个可能的解释是，AI正在迅速赢得用户的信任，并承担起完成复杂工作的责任。
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。
自动化随时间呈增长趋势
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，而使用率较低国家的人们则更倾向于自动化。在控制相关任务的组合后，人口调整后的Claude使用率每增加1%，自动化率大约减少3%。同样，人口调整后的Claude使用率增加与自动化率下降相关（如下图所示），而非上升。
我们尚不确定为何如此。这可能是因为每个国家的早期采用者感觉更舒适地让Claude自动化任务，或者这可能是由于其他文化和经济因素。
人均Claude使用率较高的国家倾向于以更协作的方式使用Claude
企业与个人用户的AI采用差异
使用我们用于Claude.ai对话的相同保护隐私的方法，我们开始从Anthropic部分第一方API客户中抽样互动，这是首次此类分析。³倾向于成为企业和开发者的API客户使用Claude的方式与通过Claude.ai访问的用户截然不同：他们按令牌付费，而非固定月度订阅，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，约5%的所有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所抵消（API上为4%，而Claude.ai上为12%），以及艺术和娱乐（5%对8%）。
我们还发现，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对话显示自动化模式，其中绝大多数是指令性的，而只有12%显示增强模式。在Claude.ai上，比例几乎持平。这可能产生重大的经济影响：过去，任务的自动化与重大的经济转型以及生产力的巨大增长相关联。
Claude.ai与API上的增强和自动化
最后，考虑到API的使用方式付费，我们还可以探索任务成本（由其消耗的令牌数量差异引起）的差异是否影响企业选择"购买"哪些任务。在这里，我们发现使用与价格之间存在_正相关_关系：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，基本的模型能力以及模型产生的经济价值，对企业来说比完成任务本身的成本更为重要。
每个任务的成本 plotted against 任务类别占总对话的份额
经济不平等与AI的未来
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的采用似乎都极不均衡。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，更有可能追求编码之外的广泛用途。在美国，AI使用似乎受到当地经济主导行业的强烈影响，从技术到旅游业。企业比消费者更可能将代理权和自主权委托给Claude。
除了不均衡这一事实外，特别值得注意的是，在过去九个月里，指令性自动化在Claude.ai对话中变得更加普遍。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，我们应该给予它们多少责任。然而，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，看看用户的选择在AI模型改进后会在哪里——或者，确实，是否会——稳定下来。
如果您想自己探索我们的数据，可以在我们专门的Anthropic经济指数网站上进行，该网站包含我们国家、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。
我们的完整报告可在此处获取。我们希望它有助于政策制定者、经济学家和其他人更有效地为AI提供的经济机会和风险做好准备。
数据驱动的AI经济政策制定
随着AI在全球经济中扮演越来越重要的角色，基于数据的政策制定变得至关重要。Anthropic的经济指数为决策者提供了宝贵的参考框架，帮助理解AI在不同地区和行业中的差异化影响。
收入差距与AI采用
报告最引人注目的发现之一是AI采用与收入之间的强相关性。这一发现引发了关于AI是否会加剧还是缩小全球收入差距的重要问题。历史经验表明，通用技术如电力和计算机最初主要惠及富裕国家，但随着时间推移，其效益逐渐扩散到全球。AI是否会遵循类似模式，还是由于其本质特性而可能导致更持久的不平等，这是政策制定者需要密切关注的问题。
区域经济转型的机遇
对美国各州的分析表明，AI采用与当地经济结构密切相关。这一发现为区域经济政策提供了重要启示：
- 经济多元化战略：依赖单一产业的经济体（如夏威夷的旅游业）应考虑如何利用AI增强而非颠覆其核心产业。
- 技能再培训计划：随着AI改变工作性质，政策制定者需要投资于终身学习体系，帮助工人适应新的技能需求。
- 基础设施投资：高AI采用率地区通常拥有强大的数字基础设施，这表明投资宽带和计算资源对AI普及至关重要。
企业AI采用的经济影响
企业用户（尤其是API客户）更倾向于自动化而非协作的发现，预示着劳动力市场可能面临重大转变。政策制定者需要考虑：
- 自动化过渡政策：设计安全网和再培训计划，帮助工人从可能被自动化的任务转向新角色。
- 税收政策调整：考虑如何调整税收制度，以反映AI驱动的生产力增长，同时确保广泛共享这些收益。
- 数据治理框架：建立保护工人数据同时允许有益分析的政策框架。
未来研究方向
Anthropic的经济指数为我们理解AI的经济影响奠定了基础，但仍有许多关键问题需要进一步研究：
- 长期影响评估：随着AI技术成熟，其经济影响将如何演变？当前的趋势是暂时的还是持久的？
- 跨文化比较：不同文化背景如何影响AI采用模式和交互偏好？这些差异如何影响全球经济？
- 性别与AI采用：当前数据是否揭示了AI采用的性别差异？这些差异如何影响劳动力市场的性别动态？
- 环境影响：AI应用的扩展对能源消耗和碳足迹有何影响？如何平衡AI的经济效益与环境影响？
结论
Anthropic的经济指数报告不仅是对当前AI采用现状的快照，更是理解技术如何重塑经济结构的窗口。报告揭示的不均衡采用模式、交互方式的演变以及企业与个人用户之间的差异，共同描绘了一幅复杂而动态的AI经济图景。
随着 directive自动化比例的显著上升，表明用户对AI的信任度正在迅速提高，这可能导致工作性质的根本性转变。然而，这种转变的最终影响——是创造更多机会、加剧不平等，还是两者兼而有之——将取决于我们如何塑造AI的发展轨迹和应用方式。
对于政策制定者、企业领袖和研究人员而言，这份报告提供了宝贵的参考点，帮助他们在AI经济时代做出明智决策。随着技术的不断发展和数据的持续积累，我们有望建立更全面的理解，从而引导AI朝着造福全人类的方向发展。
