Anthropic 2025 年 9 月經濟指數報告

TL;DR

Anthropic 2025 年 9 月的經濟指數顯示，Claude 的使用率在富裕國家和知識密集型的美國州份最高；企業自動化任務的程度遠高於消費者用戶；此外，指令式自動化（directive automation）在九個月內從對話佔比的 27% 跳升至 39%，顯示出對 AI 的信任度正在增長。

2025 年 9 月經濟指數概覽

第三份 Anthropic 經濟指數擴大了地理數據的範圍，比較了隨時間變化的使用情況，並加入了來自第一方客戶的匿名 API 流量。本報告量化了 Claude 在不同國家、美國州份、職業類別及互動模式（自動化 vs. 增強）中的採用情況。

Claude 使用的地理分佈

各國全球份額

美國佔所有 Claude 互動的 21.6%，遠超下一個最大的用戶國印度。
巴西、日本和南韓緊隨其後，份額相近。

Anthropic AI 使用指數 (AUI)

AUI 根據各國在全球勞動適齡人口中所佔的比例來標準化 Claude 的使用率。
AUI > 1 的國家使用 Claude 的程度高於預期；AUI < 1 的國家使用程度較低。
前五名的 AUI 分數分別是 以色列、新加坡、澳洲、紐西蘭和南韓。

收入相關性

人均 GDP 每增加 1%，與 AUI 增加 0.7% 相關。
高收入、技術導向的經濟體（例如以色列、新加坡）對 Claude 的採用比例相對於其人口規模而言是不成比例地高。
這反映了歷史模式，即通用技術首先在較富裕的地區放大增長，引發了對新「大分流」的擔憂。

美國州級採用情況

美國境內的收入效應

美國境內人均 GDP 每上升 1%，與人口調整後的 Claude 使用率增加 1.8% 相關。
收入解釋的變異量比跨國分析時要少，這意味著存在其他驅動因素。

經濟結構驅動因素

哥倫比亞特區 (District of Columbia) 以 3.82 的 AUI 領先，主要由文件編輯和資訊搜尋任務主導。
加州 (California) 顯示出極高比例的程式碼相關查詢（總體 AUI 第三高）。
紐約州 (New York) 以金融相關任務為特色（AUI 第四高）。
夏威夷州 (Hawaii) 展現出兩倍於全國平均水平的旅遊導向使用率。

任務組合的演變 (2024 年 12 月 – 2025 年 9 月)

主導類別

電腦與數學任務仍佔最大份額（約佔對話的 37-40%）。

顯著變化

任務類別	變化 (2024 年 12 月 → 2025 年 9 月)
教育指導	+40% (對話佔比 9% → 13%)
物理與社會科學	+33% (6% → 8%)
管理	–40% (5% → 3%)
商業與金融營運	–50% (6% → 3%)

所有類別的絕對對話量都在增長，但相對組成已轉向知識密集型領域。

收入驅動的任務多樣化

隨著人均收入上升，Claude 的使用會從電腦數學任務轉向教育、藝術與設計、辦公室支援以及物理/社會科學。
這種模式雖然存在雜訊，但在數據集中是一致的。

互動模式：自動化 vs. 增強

定義

Automation (自動化) – AI 以極少的用戶輸入產生輸出。
- Directive (指令式)：用戶給出單一指令，AI 完成任務。
- Feedback loop (回饋迴圈)：用戶提供結果回饋以進行模型微調。
Augmentation (增強) – 用戶與 AI 協作。
- Learning (學習)：用戶詢問資訊或解釋。
- Task iteration (任務迭代)：來回的微調過程。
- Validation (驗證)：用戶尋求 AI 對其工作的回饋。

近期趨勢

指令式自動化 從所有 Claude 對話的 27% 上升至 39%。
整體 自動化 現在佔互動的 49.1%，已超過增強 (47%)。
這種轉變顯示用戶對 Claude 在首次嘗試中交付高品質結果的能力信心日益增強。

跨國對比

較高的人均 Claude 使用率與 更多增強 和 更少自動化 相關。
人口調整後的每單位使用率每增加 1%，預計自動化份額將減少約 3%。
因果機制尚不明確；可能性包括早期採用者自動化的意願，或是文化/經濟因素。

企業 (API) vs. 消費者 (Claude.ai) 使用情況

任務分佈

受眾	電腦/數學	教育	藝術與娛樂
API 客戶	44%	4%	5%
Claude.ai 用戶	36%	12%	8%

API 流量更偏重於程式碼編寫和行政任務；教育和創意任務的代表性較低。

自動化偏好

API 客戶：77% 的對話表現出自動化（主要是指令式）；僅 12% 表現出增強。
Claude.ai：自動化與增強大致平衡。
這種差異指向一個潛在的勞動力市場影響，即企業越來越依賴 AI 進行自主任務執行。

成本敏感度

高成本任務類別（以平均 Token 消耗量衡量）在 API 客戶中的使用率更高。
這種正相關表明，企業優先考慮 AI 增值超過 Token 成本的任務，而不是迴避昂貴的互動。

影響與展望

採用不均 – 富裕國家和知識密集型的美國州份採用 Claude 的速度更快，增加了全球生產力差距的風險。
轉向自動化 – 指令式自動化的快速上升顯示了信任度的增加，但也預示了常規職業可能面臨的取代風險。
企業驅動的自動化 – 企業使用 Claude 進行自主運作的比例已經高於個人消費者，這暗示了 AI 驅動工作流轉型的早期跡象。
政策相關性 – 數據為決策者提供了早期的實證證據，可供考慮針對性的重新培訓、數位基礎設施投資以及公平的 AI 普及策略。

數據獲取與進一步探索

完整數據集——包括地理細分、任務級模式和 API 使用指標——可在 Anthropic 經濟指數網站 以及 HuggingFace 儲存庫 Anthropic/EconomicIndex 公開獲取。
互動式儀表板允許用戶按美國州份、職業和國家查詢 Claude 使用情況。

參考資料

Anthropic 2025 年 9 月經濟指數報告 – https://www.anthropic.com/research/anthropic-economic-index-september-2025-report
先前的報告 (2024 年 12 月–2025 年 1 月, 2025 年 2 月–3 月) 用於縱向比較。
CLIO 隱私保護分類方法論 – https://www.anthropic.com/research/clio