Anthropic最新报告《人类经济指数：追踪AI在美国及全球经济中的作用》

发布于 2025-09-17 · 《人类经济指数：追踪AI在美国及全球经济中的作用》通过分析全球Claude人工智能使用数据，揭示AI应用呈现显著不均衡性，高收入国家及知识经济主导地区使用率...

《人类经济指数：追踪AI在美国及全球经济中的作用》这份报告盯的是 AI（尤其是 Claude）在全球和美国各州到底被怎么用。结论挺有意思：美国的 Claude 使用量把其他国家甩在身后，印度、巴西、日本、韩国跟在后面排。拉到国家层面看，Claude 的使用和人均 GDP 成正相关，高收入国家更爱拿它干知识活，而不只是写代码。落到美国各州，经济结构不同，用法也跟着变：华盛顿特区偏文档编辑，加州更看重编程。还有一点，时间一长，Claude 的自动化任务占比从 27% 涨到 39%，用户对 AI 的信任明显在加深。

夏威夷的旅行规划、马萨诸塞州的科学研究、印度的网页应用开发——单拎出来八竿子打不着。但实际上，Claude 在这些地方的用法格外普遍。

这不代表它们是 Claude 的头号用途：软件工程依然在全球几乎所有州和国家稳坐第一。这里的“最为广泛”是这么个意思：马萨诸塞州用户找科研帮助的概率远高于其他地方，巴西用户对语言类任务格外上头——他们拿 Claude 做翻译、学语言的频率是全球平均水平的六倍。

这些发现出自我们第三期的《Anthropic经济指数》。这一期里，我们继续追踪 AI 如何重塑工作与经济的早期趋势，重点拆了 Claude 在不同维度上的应用差异：

美国各州对比：头一回细评各州 AI 使用率的差距。结果显示各州经济结构直接决定人均 Claude 用量，而且用量最高的州，主力任务并不是编程。
跨国对比：新的分析显示国家收入水平与 Claude 使用强度高度挂钩，低收入国家的用户更爱用 AI 把工作任务自动化。
时间演变：对照2024年12月-2025年1月与2025年2月-3月两组数据发现，“指令型自动化”任务占比从 27% 猛增到 39%，AI 扛起的责任（以及用户给的信任）都在快速加码。
企业用户：新增了 Anthropic 第一方 API 客户的匿名数据（覆盖Claude.ai之外的用户），头一次揭开企业侧的用法：API 用户想把任务自动化的意愿明显强于消费者，劳动力市场可能要变天。

下面是报告核心摘要。我们同时上线了交互式网站，大家可以自己查全美各州和所有被追踪职业的Claude.ai使用趋势，看看自己所在地区或相关行业正在怎么使用 AI。想做深度研究的话，本期和往期经济指数数据集全部公开。

区域维度怎么看

这次的指数新增了地理维度数据，Claude 在全球各国、美国各州分别被怎么用，一目了然。

跨国模式

美国的 Claude 使用量一骑绝尘，印度排第二，巴西、日本、韩国的份额咬得很近。

各国人口基数差得远，所以我们用“AnthropicAI使用指数（AUI）”做了校正：AUI>；1 意味着这个国家的人均使用量高于其劳动年龄人口的预期水平。

数据摆出来，技术发达的小体量经济体（比如以色列、新加坡）在 Claude 采用率上相对劳动年龄人口跑得最前。收入大概率是关键变量：人均 GDP 与 AUI 指数强相关（人均 GDP 每增 1%，AUI 增 0.7%）。这符合直觉——Claude 用得多的国家，互联网基础设施一般都齐全，产业也以知识型为主。但经济的两极分化也让人捏把汗：回看历史，电气化、内燃机这类通用技术既拉动过增长，也拉大过全球生活水平的差距。要是 AI 的红利只落在高收入国家手里，类似的分裂剧本很可能重演。

美国州际模式

人均 GDP 与 Claude 使用量的正相关，在美国州一级同样成立，而且相关性更猛（人均 GDP 每增 1%，人均使用量增 1.8%）。不过收入在州层面的解释力不如跨国数据，说明还有别的因素在起作用。

我们猜各州的经济结构才是主导。美国 AUI 最高的是哥伦比亚特区（3.82），那里 Claude 用得最频繁的是编辑文档、搜索信息，清一色和华盛顿特区的知识工作沾边。同样，编码相关任务集中在加利福尼亚州（AUI 总体排第三的州）。

哪怕是使用率偏低的州也有各自的偏好：夏威夷的旅游相关任务使用频率是全美平均的两倍。更多数据可以去交互式网站里翻。

Claude 都被拿来干了什么

从 2024 年 12 月起，我们就在持续跟踪大家怎么用 Claude。方法是一种保护隐私的分类方法，把匿名对话记录按 O*NET（美国政府用来给工作及相关任务分类的数据库）定义的任务组归类。靠这套办法，我们能看清去年以来人们派给 Claude 的任务发生了什么变化，人们选择的协作方式（愿意让 Claude 自主干多少、自己监督投入多少）又是怎么变的。

任务类型

自 2024 年 12 月以来，计算机和数学类用途在我们划的分类里始终占大头，约占对话的 37-40%。

不过局面已经变了不少。过去九个月，“知识密集型”方向一路走强：教育指导类任务多了四成以上（占所有对话的比例从 9% 升到 13%），物理、社会科学相关的任务比例涨了三分之一（从 6% 到 8%）。与此同时，传统商业任务的相对频率在掉：管理相关任务占比从 5% 滑到 3%，商业和金融运营相关任务占比直接腰斩，从 6% 降到 3%。（当然按绝对量算，每个类别的对话数都在明显增长。）

整体趋势是：国家人均 GDP 越高，Claude 的应用就越从计算机/数学任务往教育、艺术设计、行政支持、科学研究这些多元场景迁移。软件开发仍是所有国家的头号用途，美国各州也差不多这个规律，只是样本量限制了我们细究任务组合如何随采用率变化的能力。

交互模式

正如我们之前提到的，我们把 AI 应用切成两类：自动化（AI 尽量少插手、直接出活）和增强（人机搭伙干活）。自动化再往下拆，分指令性对话和反馈循环：前者人机交互极少，后者是人把现实世界的结果回灌给模型。增强则拆成学习（来要信息或解释）、任务迭代（与 Claude 边做边磨）、验证（来要反馈）。

2024 年 12 月以来，指令型对话占比从 27% 跳到 39%，其他模式（尤其学习、任务迭代、反馈循环）都略有回落，自动化总量（49.1%）因此首次反超增强（47%）。AI 拿到用户信任的速度相当快，被托付的自主权也越来越大。

模型能力升级可能是主要推手（2024 年 12 月我们刚开始收经济指数数据时，Claude 的最新版本还是 Sonnet 3.6）。模型越会预判用户需求、越能产出高质量结果，用户就越可能第一次输出就直接采信。

怪的是这么个现象：使用率高的国家反而偏爱增强模式，使用率低的国家更想自动化——在控制任务组合的前提下，人均使用量每增 1%，自动化率约降 3%。原因还没定论，可能和各国早期使用者的文化或经济因素有关。

企业应用

还是那套保护隐私的方法，我们从 Anthropic 第一方 API 客户的子集里抽样了交互数据——这是头一回做这种分析。API 客户多半是企业和开发者，他们用 Claude 的路子和 Claude.ai 用户很不一样：按 token 付费、不搞包月订阅，还能通过自家程序发请求。

这些客户用 Claude 高度扎堆在编码和管理任务上：我们样本里 44% 的 API 流量落在计算机或数学任务，而Claude.ai 上这个比例是 36%。（差不多 5% 的 API 流量专门拿来开发和评估人工智能系统。）教育职业相关的对话占比（API 是 4%，Claude.ai上是 12%）以及艺术娱乐相关对话占比（API 是 5%，Claude.ai 上是 8%）相对小一些，把差距对冲掉了。