Anthropic 经济指数周期报告 – 2026 年 6 月
概要
Anthropic 2026 年 6 月的经济指数显示，Claude 的使用模式如今与每日工作节奏一致，高薪职业产生的输出（即更长的文本）需要更多计算资源，而将任务委托给 Claude 的用户对人工智能未来对薪资、就业安全和技能价值的影响最为乐观。
1. 新的测量周期揭示了每日工作模式
结论： 每小时采样显示，Claude 的使用在工作日的白天因工作相关查询而激增，周末则因个人用途查询而上升，证实人工智能的采用遵循现实世界的工作节奏。
- 数据现在按每小时采样，而非七天窗口，从而能够对每日周期进行更细致的分析。
- 个人使用对话在工作日约占 ~35 %，周末则上升至接近 50 %（图 1.1）。
- 每小时峰值包括早上 7 点的新闻请求、晚上 6 点的食谱请求（是平均值的 2.3 倍），以及凌晨 5 点左右的睡眠建议（图 1.2）。
- 4 月 14 日至 15 日税务相关查询激增八倍，与美国报税截止日期一致（图 1.4）。
- 夜间和周末的工作对话中，高薪职业用户占比更高，即使剔除计算机/数学类任务后依然如此。
2. 输出物分类揭示了 Claude 的产出内容
结论： 超过 90 % 的 Claude 会话生成了具体输出物；最常见的类型是解释（17 %）、文档/报告（15 %）和指导建议（11 %）。
- 输出物被归入 30 多个类别；分布情况见图 2.1。
- 工作相关输出物主导了文档、解释和邮件草稿，而个人输出物则以解释（25 %）和推荐（22 %）为主。
- 某些输出类型几乎总是个人用途（如创意写作、食谱），而另一些则主要是工作相关（如营销内容、数据库查询）。
3. 计算资源消耗与经济价值相关
结论： 与高薪职业相关的会话消耗更多 token，且 token 使用量与输出的经济价值高度相关。
- 中位 token 数随中位职业薪资上升（对数-对数关系，图 2.3 左侧）。
- 应用程序开发消耗的 token 超过中位数的 3 倍，而简单解释仅消耗约 0.2 倍。
- 约 44 % 的 token 使用量与薪资梯度的差异由输出物类型构成（高薪岗位产生更多计算密集型输出）。
- 高薪会话中，每轮对话的 Claude 输出量高出 1.34 倍，用户轮次也高出 1.53 倍，表明是劳动增强而非替代（表 2.4）。
4. AI 自主性因使用场景和输出类型而异
结论： 即使使用相同模型（如 Sonnet），Claude Code 会话的 AI 自主性也高于聊天或 Cowork 模式。
- 自主性按 1–5 分评分；Claude Code 平均高出 0.37 分（图 2.5）。
- 差距主要源于 Claude Code 中更高的任务委派程度（约占差异的 2/3），以及输出类型组合不同（约占 1/3）。
- 高自主性输出（如应用或网站创建）也具有最高的 token 消耗量（相关系数 r = 0.68）。
5. Claude 的回复通常比提示更复杂
结论： 在各类输出中，Claude 的回复平均比用户提示高出一个教育年份，设计密集型任务的差距最大（如图形设计 +2.6 年）。
- 阅读水平估算基于理解所需教育年限（图 2.6）。
- 学术论文输出需要 >16 年教育水平；食谱仅需 <10 年。
- 面向受众的写作（博客、邮件）中，提示与回复之间的差距接近零。
6. 调查洞察：期望、乐观情绪与人口统计
结论： 调查的 Claude 用户（约 9,700 人）普遍预期未来一年 AI 能力将扩展，而自动化程度更高的用户对薪资、就业安全和技能价值的未来最为乐观。
- 受访者中计算机/数学类（约 30 %）和管理类（约 23 %）职业占比远高于美国就业市场的平均水平。
- 60 % 的人预计未来 12 个月其工作内容中 AI 可自动化部分将增加；超过 33 % 期望 AI 处理其大部分或全部工作。
- 实际接触情况与观察和理论预期一致，但预期接触情况在各职业间趋于均匀。
- 自动化比例越高，对六个工作质量维度的乐观情绪也越强（图 3.6）。
- 女性用户（占样本 12 %）即使在控制职业后，仍较少用于工作和自动化，且更倾向于迭代使用（图 3.8）。
7. 人们对 AI 变革经济的期望
结论： 最常见的愿望是通过 AI 协同增强有意义的工作，自动化繁琐任务以释放时间，以及广泛共享 AI 产生的经济收益。
- 超过 50 % 的开放式回答提到了 AI 与人类在有意义任务上的协作。
- 相当比例的人希望自动化繁琐工作以获得更多休闲时间。
- 约三分之一的人希望 AI 的生产率提升能被广泛分配。
8. 对研究人员和政策制定者的启示
结论： 细粒度的使用数据和输出物分类为 AI 经济扩散提供了早期指标，而调查结果揭示了实际接触与用户预期之间的差距，这可能影响劳动力市场政策制定。
- 每小时遥测数据可实现对 AI 采用周期的实时监控，并可为劳动力规划工具提供支持。
- token 与薪资的关系表明，计算成本可作为 AI 产出经济价值的代理指标。
- 高自动化用户中的乐观情绪可能推动更快的采用，但各职业对快速能力提升的统一预期，提示在预测特定行业影响时需保持谨慎。
- 性别使用差异表明，需要更具包容性的设计，以确保公平获取高自主性 AI 工具。
完整的方法论附录和数据可视化可在原始报告的 PDF 文件中获取。
Sources
相关
- Dispatch
- Dispatch
- Dispatch
- Dispatch
- Dispatch