Anthropic 經濟指數 2025 年 9 月報告

簡要重點

AI 的採用高度集中在富裕國家與美國少數州，企業 API 使用主要集中在程式設計與自動化，顯示生產力提升可能主要惠及已富裕的經濟體。

主要發現概覽

地理集中：Anthropic AI 使用指數（AUI）顯示，高收入國家的 Claude AI 使用頻率是低收入國家的數倍（例如以色列 7×，新加坡 4.6×，印度 0.27×）。
任務多元化：在高採用地區，使用範圍已擴展至教育、科學與商業任務，而低採用地區仍以程式設計為主。
合作模式轉變：隨著每人使用量上升，使用者從以自動化為主的「指令式」互動，轉向更具合作性的「增強式」模式。
企業 API 部署：77% 的 API 流量以自動化為主，程式設計與辦公/行政任務過度集中；成本敏感度低，且上下文資料的可取得性限制了複雜部署。

1. Claude.ai 使用模式的演變

結論：Claude 的使用已轉向知識密集型任務與更自主的互動，反映出模型改進與新功能的推出。

教育與科學成長：教育類任務占比從 9.3% 上升至 12.4%；科學類任務從 6.3% 增至 7.2%。
程式設計仍主導：程式設計佔所有採樣對話的 36%。
指令式自動化上升：「指令式」對話從 27% 增至 39%，自動化首次成為主要互動模式。
功能驅動的任務變遷：網路搜尋功能（2025 年 3 月）使「搜尋電子來源」從 0.03% 提升至 0.49%；研究模式（2025 年 4 月）使「基於網際網路的研究」從 0.003% 提升至 0.27%；教學材料製作增加六倍（0.2% → 1.5%）。
程式碼創作 vs. 調試：程式碼創作任務增加 4.5 個百分點（4.1% → 8.6%）；調試則下降 2.9 個百分點（16.1% → 13.3%）。

"指令式使用量的上升，也可能反映出對將完整任務委託給 AI 的信心日益增加，這是一種『邊做邊學』的表現。" – Anthropic 報告

2. AI 採用的地理擴散

結論：每人使用量與國家收入高度相關，導致全球出現差距，高收入經濟體獲得不成比例的優勢。

2.1 全球使用模式

美國主導：美國佔總 Claude 使用量的 21.6%。
AUI 與收入的關聯：人均 GDP 越高的國家，AUI 值越高（例如以色列 7×，新加坡 4.6×，加拿大 2.9×）；新興經濟體如印尼（0.36×）、印度（0.27×）、奈及利亞（0.2×）遠落後。
任務組合差異：低 AUI 國家將超過 50% 的使用量投入程式設計，而高 AUI 地區則將使用分散於教育、科學與商業任務。
自動化 vs. 增強：控制任務組合後，高 AUI 國家更傾向於增強式（合作）使用，低 AUI 國家則偏好自動化。

2.2 美國各州洞察

每人使用領先者：華盛頓特區以 AUI 3.82 領先，緊接其後的是猶他州（3.78），遠超加州（2.13）。
經濟關聯性：每增加 1% 的州人均 GDP，AI 使用指數上升 1.8%，但收入僅解釋不到一半的州間差異。
專門化使用：華盛頓特區在文件編輯、資訊提供與求職協助方面過度集中；加州強調 IT 與數位行銷任務；佛羅里達州則偏向商業建議與健身相關查詢。

3. Claude 的企業 API 部署

結論：早期企業採用者主要將 Claude 用於高價值、適合自動化的任務，如軟體開發，對價格敏感度低，且高度依賴 readily available 的上下文資料。

3.1 API 使用現況

任務集中：約 44% 的 API 流量對應至「電腦與數學」職業；辦公/行政任務佔約 10%。
自動化主導：77% 的 API 記錄顯示自動化模式（完整任務委派），僅約 12% 為增強模式。
成本 vs. 使用量：高成本任務（如進階程式設計）使用比例更高；在控制任務特徵後，成本每增加 1%，使用量僅下降 0.29%，顯示價格彈性極弱。

3.2 上下文資訊作為瓶頸

輸入-輸出關係：在各任務中，輸入 token 長度每增加 1%，輸出 token 長度增加 0.38%，顯示長上下文的回報遞減。
複雜任務限制：若企業缺乏集中式資料倉儲，需要大量上下文的任務（如銷售策略生成）可能面臨採用障礙。

"在複雜領域中實現高影響力的 AI 部署，需要適當的上下文資訊。" – Anthropic 報告

4. 不均勻採用的經濟影響

結論：目前 AI 使用的集中化威脅著加劇全球不平等，並重塑勞動市場，使高技能勞工受惠，同時可能取代低技能職位。

成長趨同風險：與電力與互聯網的歷史類比顯示，早期集中可能導致長期分化；AI 的生產力提升可能主要惠及富裕地區。
勞動市場動態：以自動化為主的採用可能取代例行性程式設計與資料輸入工作，而具備隱性組織知識的勞工則可能因與 AI 搭配而需求上升。
政策考量：為避免加深數位落差，政策制定者應解決基礎設施缺口、推動 AI 認知教育，並考慮促進更廣泛、包容性 AI 推廣的法規。

5. 開放資料以供獨立研究

Anthropic 已釋出 Claude.ai 與 1P API 流量的底層任務級使用資料（目前僅提供 Claude.ai 的地理分布）。資料集包含：

O*NET 對應的任務分類
自下而上的請求分類法
合作模式細分
方法論文件

研究人員可探索的議題包括：地方勞動市場影響、跨國 AI 採用的決定因素、企業部署的價格敏感度，以及上下文資料在塑造 AI 效能中的角色。

6. 結語

Anthropic 2025 年 9 月的經濟指數指出，AI 採用正以前所未有的速度發展，但在地區與企業應用上仍極度不均。使用集中在高收入經濟體，且企業部署以自動化為主，顯示生產力提升可能分配不均，進一步擴大現有的經濟差距。持續監測、開放資料共享與主動的政策干預，將是引導 AI 的變革潛力朝向包容性成長的關鍵。