人工智能技术的全球扩散呈现出前所未有的速度，但其采用模式却呈现出显著的不平等性。Anthropic最新发布的经济指数报告揭示了这一现象，从地理分布到企业部署，AI技术正沿着历史悠久的路径扩散——高度集中在特定地区和行业，可能重塑全球经济格局并加剧现有不平等。
AI采用的历史性加速
AI技术的采用速度远超历史上任何其他技术。仅在美国，就有40%的员工报告在工作中使用AI，而2023年这一比例仅为20%。这种快速增长反映了AI技术的实用性、现有数字基础设施上的可部署性以及无需专业培训的易用性。相比之下，电力技术在城市电气化后花了30多年才进入农村家庭；第一台个人电脑于1981年进入市场，又花了20年才进入美国家庭的多数；即使是快速普及的互联网也花了约五年时间才达到AI在两年内达到的采用率。
这种加速采用反映了AI技术的独特性质：它能够快速整合到现有工作流程中，通过简单的输入（打字或语音）即可使用，并且随着模型能力的提升而变得更加有用。这种模式与历史技术扩散的早期阶段相似——集中在少数地理区域和企业的特定任务上。
地理不平等：AI采用的全球图景
Anthropic报告首次发布了Claude.ai在150多个国家和美国各州的地理使用数据，引入了Anthropic AI使用指数(AUI)来衡量Claude.ai使用是否相对于劳动年龄人口过度或不足。
国家层面的不平等
数据揭示了AI采用与收入之间的强烈相关性：新加坡和加拿大的使用率分别达到预期值的4.6倍和2.9倍，而印度尼西亚(0.36倍)、印度(0.27倍)和尼日利亚(0.2倍)等新兴经济体的使用率则远低于预期。
这种不平等反映了多种因素：数字基础设施的可用性、经济结构（知识工作者的比例）、监管环境、技术意识和公众对AI的信任度。高收入国家通常拥有更完善的互联网连接和云计算基础设施，更大比例的知识工作者，以及更鼓励创新的监管环境。
美国国内的差异
在美国，虽然加利福尼亚州在总使用量上领先(25.3%)，但按人均计算，哥伦比亚特区(3.82倍)和犹他州(3.78倍)领先于加利福尼亚州(2.13倍)。这种差异反映了当地经济特征：加州在IT方面的使用率较高，佛罗里达在金融服务方面的使用率较高，而哥伦比亚特区在文档编辑和职业援助方面的使用率较高。
采用成熟度与使用模式的演变
报告发现，AI采用程度较高的国家呈现出更加多样化的应用场景，而采用程度较低的国家则主要集中在编程任务上。例如，印度超过一半的使用是编程任务，而全球平均约为三分之一。同时，高采用率国家倾向于更多地使用学习和人机迭代等增强模式，而低采用率国家则更倾向于自动化模式。
企业API采用：系统化部署的早期迹象
报告首次分析了Anthropic的一手(1P)API流量，揭示了企业和开发者如何使用Claude来完成任务的独特见解。API用户通过编程方式访问Claude，而非通过网页用户界面，这反映了早期采用企业如何部署前沿AI能力。
企业与消费者使用的异同
虽然1P API使用与Claude.ai使用都集中在编程任务上，但两者存在专业差异：API使用在编程和办公/行政任务上比例更高，而Claude.ai在教育写作任务上比例更高。API使用中77%涉及自动化模式，而Claude.ai用户约为50%。
成本与能力的权衡
值得注意的是，企业似乎更关注模型能力和任务自动化的经济价值，而非成本。API数据中最常用的任务往往成本更高，整体来看，价格敏感度较低。这表明模型能力和给定任务自动化的经济价值在塑造企业使用模式方面起着更大作用。
上下文约束与复杂任务
分析表明，为模型提供合适的上下文对于在复杂领域进行高影响力的AI部署至关重要。这意味着，对于某些企业而言，昂贵的数据现代化和组织投资以获取上下文信息可能成为AI采用的瓶颈。
不平等采用的经济影响
早期AI采用的地理不平等引发了对经济收敛的重要问题。19世纪末和20世纪初的变革性技术——广泛电气化、内燃机、室内 plumbing——不仅开启了现代经济增长时代，还伴随着全球生活标准的巨大分歧。
如果高采用经济体的生产率增益更大，当前的使用模式表明，AI的好处可能集中在已经富裕的地区——可能增加全球经济不平等，并逆转近几十年来 seen的增长收敛。这种分化可能体现在多个方面：
生产率增长的集中
AI的生产率收益可能集中在已经拥有先进技术基础设施和人才储备的地区和行业，进一步扩大这些地区与落后地区之间的经济差距。
劳动力市场的分化
报告指出，AI可能对劳动力市场产生差异化影响：拥有适应新技术能力的工人可能看到需求增加和工资上涨，而适应能力较低的工人可能面临工作干扰。这可能导致工资不平等加剧，特别是如果AI主要增强高技能工人的生产力。
创新与创业的不平等机会
AI工具和基础设施的获取不平等可能限制新兴市场创业者和创新者参与AI驱动的经济变革，进一步强化现有的创新中心优势。
政策挑战与应对策略
面对AI采用的地理不平等，政策制定者需要采取多管齐下的方法：
数字基础设施投资
扩大高速互联网和云计算基础设施的覆盖范围，特别是发展中国家和农村地区，为更广泛的AI采用奠定基础。
技能培训与教育改革
投资于AI相关技能培训，帮助工人适应AI增强的工作流程，减少技术变革带来的就业冲击。教育系统需要重新设计，培养与AI协作而非被AI取代的能力。
监管框架的平衡
制定鼓励创新同时确保安全和公平的监管框架，防止AI技术加剧现有的经济不平等。这包括考虑数据治理、算法透明度和问责制等问题。
国际合作与知识共享
促进发达国家与发展中国家之间的技术转移和知识共享，帮助后者建立AI能力并参与全球AI经济。
未来展望
AI技术的经济影响仍处于早期阶段，当前的采用模式可能会随着技术成熟和互补性创新的出现而演变。历史表明，技术采用的模式并非固定不变：它们随着技术的成熟、互补性创新的出现以及社会对其部署的有意选择而转变。
我们今天观察到的集中使用模式可能会演变为更广泛的分布——捕捉更多AI的生产力提升潜力，加速落后部门的创新，并创造新的经济价值形式。我们仍处于AI驱动的经济转型初期。政策制定者、商业领袖和公众现在采取的行动将塑造未来几年的发展轨迹。
Anthropic通过开源其数据集，希望支持独立研究，帮助回答关于AI经济影响的关键问题：AI采用对工人和企业当地劳动力市场的后果是什么？决定国家和美国内部AI采用的因素是什么？如何确保AI的好处不仅累积于已经富裕的经济体？
最终，变革性AI的经济影响将同样由技术能力和社会选择的政策所塑造。通过明智的政策和战略决策，社会可以引导AI的发展方向，使其成为减少而非扩大不平等的工具，为更广泛的人群创造经济机会。
