Anthropic 经济指数 2025 年 9 月报告

概要

AI 的采用在富裕国家和美国少数州高度集中，企业 API 使用主要集中在编码和自动化任务上，表明生产率提升可能主要惠及已有富裕的经济体。

主要发现概览

地理集中度：Anthropic AI 使用指数（AUI）显示，高收入国家的人均 Claude AI 使用量是低收入国家的数倍（例如以色列 7 倍，新加坡 4.6 倍，印度 0.27 倍）。
任务多样化：在高采用率地区，使用范围已从编码扩展到教育、科学和商业任务，而低采用率地区仍以编码为主。
协作模式转变：随着人均使用量上升，用户从以自动化为主的“指令式”交互转向更具协作性的“增强式”模式。
企业 API 部署：77% 的 API 流量以自动化为主导，编码和办公/行政任务占比过高；成本敏感性较弱，且上下文数据的可得性限制了复杂部署。

1. Claude.ai 使用模式的演变

结论：Claude 的使用已转向知识密集型任务和更自主的交互，反映出模型改进和新功能的推出。

教育与科学增长：教育类任务占比从 9.3% 上升至 12.4%；科学类任务从 6.3% 上升至 7.2%。
编码仍占主导：编码占所有采样对话的 36%。
指令式自动化上升：“指令式”对话占比从 27% 上升至 39%，自动化首次成为主要交互模式。
功能驱动的任务变化：网络搜索功能发布（2025 年 3 月）使“搜索电子资源”占比从 0.03% 提升至 0.49%；研究模式发布（2025 年 4 月）使“基于互联网的研究”从 0.003% 提升至 0.27%；教学材料创建任务增长六倍（0.2% → 1.5%）。
代码创建 vs. 调试：代码创建任务增长 4.5 个百分点（4.1% → 8.6%）；调试任务下降 2.9 个百分点（16.1% → 13.3%）。

"指令式使用量的上升也可能表明人们对将完整任务委托给 AI 的信心正在增强，这是一种通过实践学习的方式。" – Anthropic 报告

2. AI 采用的地理扩散

结论：人均 AI 使用量与国家收入高度相关，导致全球差距扩大，高收入经济体获得不成比例的收益。

2.1 全球使用模式

美国主导地位：美国占 Claude 总使用量的 21.6%。
AUI 与收入的相关性：人均 GDP 越高的国家，AUI 值越高（例如以色列 7 倍，新加坡 4.6 倍，加拿大 2.9 倍）。新兴经济体如印度尼西亚（0.36 倍）、印度（0.27 倍）和尼日利亚（0.2 倍）远落后于发达国家。
任务组合差异：低 AUI 国家将超过 50% 的使用量用于编码，而高 AUI 地区则将使用量分散在教育、科学和商业任务中。
自动化 vs. 增强：在控制任务组合后，高 AUI 国家表现出更多增强式（协作）使用，而低 AUI 国家更偏好自动化。

2.2 美国各州层面的洞察

人均领先者：华盛顿特区以 AUI 3.82 领先，紧随其后的是犹他州（3.78），均超过加利福尼亚州（2.13）。
经济相关性：州人均 GDP 每增长 1%，AI 使用指数上升 1.8%，但收入仅解释了州间差异的不到一半。
专业化使用：华盛顿特区在文档编辑、信息提供和求职协助方面占比过高；加利福尼亚州侧重 IT 和数字营销任务；佛罗里达州则偏向商业建议和健身相关查询。

3. Claude 的企业 API 部署

结论：早期企业采用者主要将 Claude 用于高价值、适合自动化的任务，如软件开发，对价格不敏感，且严重依赖现成的上下文数据。

3.1 API 使用格局

任务集中度：约 44% 的 API 流量对应计算机与数学类职业；办公/行政任务占约 10%。
自动化主导：77% 的 API 通话记录表现出自动化模式（任务完全委托），而增强模式仅占约 12%。
成本 vs. 使用量：高成本任务（如高级编码）使用量更高；在控制任务特征后，成本每上升 1%，使用量仅下降 0.29%，表明价格弹性较弱。

3.2 上下文信息作为瓶颈

输入-输出关系：在各类任务中，输入 token 长度每增加 1%，输出 token 长度增加 0.38%，表明长上下文的边际收益递减。
复杂任务限制：若企业缺乏集中式数据存储库，需要大量上下文的任务（如销售策略生成）可能面临采用障碍。

"在复杂领域实现高影响力 AI 部署，需要获取适当的上下文信息。" – Anthropic 报告

4. 不均衡采用的经济影响

结论：当前 AI 使用的集中趋势可能加剧全球不平等，并重塑劳动力市场，使高技能劳动者受益，同时可能取代低技能岗位。

增长趋同风险：与电力和互联网的历史相似，早期集中可能导致长期分化；AI 的生产率提升可能主要惠及富裕地区。
劳动力市场动态：以自动化为主的采用可能取代常规编码和数据录入岗位，而拥有隐性组织知识的劳动者可能因与 AI 协同而需求上升。
政策考量：为避免加深数字鸿沟，政策制定者应解决基础设施差距，推动 AI 素养，并考虑制定鼓励更广泛、包容性 AI 扩散的监管措施。

5. 开放数据支持独立研究

Anthropic 已发布 Claude.ai 和 1P API 流量的底层任务级使用数据（地理分布目前仅限 Claude.ai）。数据集包含：

O*NET 映射的任务分类
自下而上的请求分类体系
协作模式细分
方法论文档

研究人员可探索的问题包括：本地劳动力市场影响、跨国 AI 采用决定因素、企业部署的价格敏感性，以及上下文数据在塑造 AI 效能中的作用。

6. 结语

Anthropic 2025 年 9 月经济指数表明，AI 采用正以前所未有的速度推进，但在地区和企业应用场景之间仍存在显著不均衡。使用集中在高收入经济体，且企业部署以自动化为核心，暗示生产率提升可能分布不均，可能进一步扩大现有的经济差距。持续监测、开放数据共享以及积极的政策干预，将是引导 AI 的变革潜力走向包容性增长的关键。