Anthropic 经济指数 2026 年 3 月报告：学习曲线

概要

Anthropic 2026 年 3 月经济指数报告发现，Claude 的使用在任务类型和工资水平上呈现多样化趋势，而经验丰富的用户取得了更高的成功率并处理更高价值的工作，表明存在“边做边学”现象以及新兴的技能偏向型经济效应。

新发现概览

• 任务多样化：Claude.ai 上排名前 10 的任务所占流量从 2025 年 11 月的 24% 下降至 2026 年 2 月的 19%，表明使用场景更加广泛。
• 向低薪任务转移：Claude.ai 上的平均任务价值从每小时 49.3 美元降至 47.9 美元，主要受更多个人查询（如体育、产品对比、家庭维护）以及编码工作向 API 迁移的影响。
• 地理集中度：目前前 20 个国家占人均使用量的 48%（较 45% 上升）。在美国境内，各州使用量正缓慢趋同，前 5 个州的占比从 30% 降至 24%。
• 学习曲线：使用 Claude 超过 6 个月的用户更倾向于处理高等教育类任务，对话成功率高出 10%，且个人用途对话占比低 10%，即使在控制任务、国家和模型后依然成立。

Claude.ai 上使用场景的多样化

• 采样方法：Anthropic 的隐私保护系统聚合了 Claude.ai（网页端）和第一方 API 的 100 万次对话。
• 编码迁移：编码任务仍是最大类别（占 Claude.ai 对话的 35%），但已转向 API，被拆分为多个小型任务，API 的任务集中度保持稳定。
• 工作与个人用途混合：课程作业类对话占比从 19% 降至 12%，而个人用途占比从 35% 升至 42%。
• 协作模式：在 Claude.ai 上，增强型协作（验证、学习）略有上升，而在 API 上自动化模式则显著下降。

模型选择与任务价值的匹配

• Opus 偏好：付费 Claude.ai 用户在编码任务中选择 Opus 模型的比例比平均水平高 4 个百分点，在辅导任务中低 7 个百分点；API 用户的偏好更明显。
• 工资相关性：对于 Claude.ai，任务的估算时薪每增加 10 美元，Opus 使用率上升 1.5 个百分点；API 上则上升 2.8 个百分点。
• 职业细分：在 Claude.ai 上，34% 的软件开发任务使用 Opus，而辅导任务中仅 12% 使用 Opus。

学习曲线与使用时长效应

• 使用时长分组定义：高使用时长用户在数据采集前已注册 ≥6 个月；低使用时长用户为新用户。
• 行为差异：
  • 高使用时长用户使用 Claude 处理工作的可能性高出 7 个百分点。
  • 他们的对话平均需要的人类教育年限多出 1 年。
  • 个人用途占比从新用户群体的 44% 下降至一年期用户的 38%。
  • 简单回归中成功率高出 5 个百分点；加入任务固定效应后仍高出 3 个百分点，全控制条件下高出 4 个百分点。
• 解读：证据支持“边做边学”——用户随时间推移在提示工程和任务定义方面变得更好，尽管无法完全排除群体效应和幸存者偏差。

地理趋同与分化

• 美国各州：人均使用量正在扩散；基尼系数下降，但趋同预计需 5–9 年（此前预测为 2–5.8 年）。
• 国家层面：使用集中度上升；前 20 个国家的占比从 45% 上升至 48%。

API 中新兴的自动化模式

• 自动化上升：API 工作流越来越具有指令性，减少了人工介入的步骤。
• 快速增长的应用场景（相比上一份报告占比翻倍）：
  • 业务销售与推广自动化（潜在客户筛选、冷邮件撰写）。
  • 自动化交易与市场操作（持仓监控、投资建议）。

对劳动力市场的启示

• 技能偏向型技术变革：早期采用者处理高技能、高薪任务，AI 成功率更高，可能加剧工资差距。
• 潜在反馈循环：掌握 Claude 的用户可能提取更多价值，强化其优势，而后期采用者则面临低价值任务。
• 政策意义：及早追踪这些动态，可为研究人员和政策制定者提供时间设计干预措施，以缓解不平等。

局限性与未来工作

• 数据范围：本报告仅涵盖一周时间（2026 年 2 月 5 日至 12 日），可能无法捕捉长期趋势。
• 幸存者偏差：停止使用 Claude 的用户未被观测到，可能高估了高使用时长群体的成功率。
• 群体效应：早期采用者与后期用户可能存在系统性差异；未来分析将致力于区分群体效应与经验效应。

数据与引用

• 数据集：可在 https://huggingface.co/datasets/Anthropic/EconomicIndex 获取。
• 引用：

@online{anthropic2026aeiv5,
  author = {Maxim Massenkoff and Eva Lyubich and Peter McCrory and Ruth Appel and Ryan Heller},
  title = {Anthropic Economic Index report: Learning curves},
  date = {2026-03-24},
  year = {2026},
  url = {https://www.anthropic.com/research/economic-index-march-2026-report}
}