Anthropic 经济指数：追踪 AI 在美国及全球经济中的角色¶

发布于 2025 年 9 月 15 日

探索我们的数据

AI 采用呈现显著的不均匀分布：高收入国家使用 Claude 更多、更协作、更多样化；而在过去九个月中，"指令式"自动化对话从 27% 飙升至 39%，自动化首次超过增强成为主导使用模式。

在夏威夷规划旅行、在马萨诸塞州进行科学研究、在印度构建 Web 应用程序。这三项活动分别是 Claude 在这些地方最过度代表的用途之一。

这并不意味着这些是最受欢迎的任务：软件工程在几乎每个州和国家仍然领先。这意味着马萨诸塞州的人比其他地方的人更可能向 Claude 寻求科学研究方面的帮助——或者巴西的 Claude 用户使用 Claude 进行翻译和语言学习的频率约为全球平均水平的六倍。

这些统计数据来自第三份 Anthropic 经济指数报告。在这一最新期中，Anthropic 扩大了记录 AI 采用重塑工作和经济的早期模式的努力。他们衡量了 Claude 在以下维度的不同使用方式：

• ……在美国各州之间： 首次对 AI 使用在美国各州之间差异的详细评估。各州的经济构成影响了哪些州人均使用 Claude 最多——令人惊讶的是，使用率最高的州并非那些编程占主导的州。
• ……在不同国家之间： 各国对 Claude 的使用与收入强相关，低使用率国家的人比高使用率国家的人更频繁地使用 Claude 来自动化工作。
• ……随时间变化： 将最新数据与 2024 年 12 月至 2025 年 1 月以及 2025 年 2-3 月进行比较。"指令式"自动化任务的比例从 27% 急剧上升到 39%，表明 AI 的责任和用户信任正在快速增长。
• ……以及企业用户： 现在包括来自 Anthropic 第一方 API 客户（除 Claude.ai 用户外）的匿名化数据，首次可以分析企业交互。API 用户使用 Claude 自动化任务的可能性明显高于消费者，表明重大劳动力市场影响可能即将到来。

报告总结如下。一个交互式网站允许探索数据。用户首次可以搜索 Claude.ai 在每个美国州和所有追踪职业中的趋势和结果。数据集公开可用，同时提供之前经济指数报告的数据。

地理分布¶

指数已扩展至包括地理数据，涵盖 Claude 在不同国家和美国各州的使用情况。

跨国比较¶

美国在 Claude 使用量上远超其他国家，但按人均调整后，以色列、新加坡、澳大利亚等小型技术先进国家领先——Claude 使用与人均 GDP 呈强正相关。

美国使用 Claude 的量远超其他任何国家。印度位居第二，其次是巴西、日本和韩国，份额相近。

各国在全球 Claude.ai 使用份额方面的领先地位。

这些国家的人口规模存在巨大差异。为了考虑这一点，每个国家的 Claude.ai 使用份额按其在世界劳动年龄人口中的份额进行调整。这给出了 Anthropic AI 使用指数，即 AUI。AUI 大于 1 的国家使用 Claude 的频率高于仅基于劳动年龄人口的预期。

Anthropic AI 使用指数排名最高的 20 个国家。

一些小型技术先进国家（如以色列和新加坡）在相对于其劳动年龄人口的 Claude 采用方面领先。这在很大程度上可能由收入解释：人均 GDP 与 AUI 之间存在强相关性（人均 GDP 每高 1%，AUI 高约 0.7%）。使用 Claude 最频繁的国家通常拥有强大的互联网连接性和以知识工作而非制造业为导向的经济。这引发了经济分化的问题：以前的通用技术，如电气化或内燃机，既带来了巨大的经济增长，也导致了生活水平的大分化。如果 AI 的效果在较富裕的国家最大，这项技术可能产生类似的影响。

各国人均 Claude 使用量与人均收入呈正相关。（坐标轴为对数刻度。）

美国各州内的模式¶

美国各州之间，人均 GDP 与 Claude 使用的关系比跨国更陡峭（弹性 1.8% vs 0.7%），但收入的解释力更低——各州的经济构成（如 DC 的知识工作、加州的编程、纽约的金融）发挥了更大作用。

人均 GDP 与人均 Claude 使用之间的关系在美国各州之间同样成立。在这里使用量随收入增长得更快：美国内部人均 GDP 每高 1% 与人口调整后的 Claude 使用率高 1.8% 相关。然而，在美国内部，收入的解释力不如跨国比较，因为方差高得多。除收入之外的其他因素必须解释更多的变异。

最佳猜测是各州经济构成的差异。美国最高的 AUI 是哥伦比亚特区（3.82），其中最不成比例地频繁使用的是编辑文档和搜索信息，以及与 DC 知识工作相关的其他任务。编程相关任务在加利福尼亚（第三高 AUI）特别常见，金融相关任务在纽约（第四位）特别常见。[1] 即使在人口调整后使用率较低的州中，如夏威夷，使用也与经济结构密切相关：夏威夷的人请求 Claude 协助旅游相关任务的频率是美国其他地区的两倍。交互式网站包含更多类似的统计数据。

美国各州相对于其劳动年龄人口的 Claude 采用情况。

Claude 使用趋势¶

任务变化¶

自 2024 年 12 月以来，教育类任务增长 40% 以上（从 9% 到 13%），物理和社会科学增长三分之一；同时随着人均 GDP 增加，Claude 使用从编程主导转向多样化的活动组合。

自 2024 年 12 月以来一直使用隐私保护分类方法追踪 Claude 使用情况，该方法将匿名化的对话转录分类为由 O*NET（美国政府分类职业和相关任务的数据库）定义的任务组。[2] 这允许分析任务自去年以来如何变化以及协作模式如何演变。

自 2024 年 12 月以来，计算机和数学用途占主导地位，占对话的约 37-40%。

但许多事情已经改变。在过去九个月中，"知识密集型"领域出现了持续增长。教育指导任务增长了 40% 以上（从所有对话的 9% 增至 13%），物理和社会科学任务的份额增加了三分之一（从 6% 增至 8%）。与此同时，传统商业任务相对下降：管理相关任务从 5% 降至 3%，商业和金融运营从 6% 减半至 3%。（就绝对数量而言，每个类别的对话数量仍然显著增长。）

Claude 使用随时间的变化，显示科学和教育任务使用的增加。

总体趋势虽然有噪声，但一般而言，随着人均 GDP 的增加，Claude 使用从计算机和数学任务转向多样化的其他活动：教育、艺术和设计、办公和行政支持，以及物理和社会科学。

从低采用率国家到高采用率国家，Claude 使用似乎转向更多样化的任务组合，尽管总体模式有噪声。

软件开发在追踪的每一个国家中仍然是最常见的用途。美国的情况看起来类似，尽管样本量限制了对任务组合如何随采用率变化的详细探索。

交互模式¶

自 2024 年 12 月以来，指令式对话份额从 27% 急剧上升至 39%，自动化（49.1%）首次超过增强（47%）成为主导模式——但高使用率国家反而更偏向协作式使用。

如之前所讨论的，任务按自动化（AI 以最少用户输入直接产生工作）和增强（用户和 AI 协作）进行区分。自动化分为指令式和反馈循环交互。增强分为学习（询问信息或解释）、任务迭代（协作工作）和验证（征求反馈）。

自 2024 年 12 月以来，指令式对话的份额从 27% 急剧上升至 39%。其他模式（特别是学习、任务迭代和反馈循环）的份额略有下降。自动化（49.1%）首次超过增强（47%）成为总体中更常见的模式。一种可能的解释是：AI 正在快速赢得用户的信任，并越来越多地负责完成复杂的工作。

这可能是模型能力提升的结果。（在 2024 年 12 月，最新版本是 Sonnet 3.6。）随着模型在预测用户需求和产生高质量工作方面的改进，用户可能更愿意在首次尝试时就信任输出。

自动化似乎随时间增加。

或许令人惊讶的是，在人均 Claude 使用率较高的国家，使用倾向于增强，而低使用率国家的人更经常偏好自动化。控制任务组合后，人口调整后使用率每增加 1%，与自动化减少约 3% 相关。人口调整后使用率的增加与远离自动化的转变相关。

原因尚不清楚。可能是因为每个国家的早期采用者对允许 Claude 自动化任务感到更舒适，也可能是由于其他文化和经济因素。

人均 Claude 使用率较高的国家倾向于以更协作的方式使用 Claude。

企业用户¶

API 客户 77% 的对话展示自动化模式（消费者约 50%），且成本更高的任务使用频率反而更高——表明模型能力和经济价值比完成成本本身更重要。

使用与 Claude.ai 对话相同的隐私保护方法论，已开始从 Anthropic 第一方 API 客户的子集中进行采样，这是首次此类分析。[3] API 客户（往往是企业和开发者）使用 Claude 的方式与 Claude.ai 用户非常不同：他们按 token 付费而非固定月度订阅，并可以通过自己的程序发出请求。

这些客户的使用特别集中在编程和管理任务上：44% 的 API 流量映射到计算机或数学任务，而 Claude.ai 上为 36%。约 5% 的 API 流量专门用于开发和评估 AI 系统。这被教育对话比例的降低（API 中 4% vs Claude.ai 上 12%）和艺术娱乐的降低（5% vs 8%）所抵消。

API 客户使用 Claude 进行任务自动化的频率远高于 Claude.ai 用户。77% 的 API 对话显示自动化模式（绝大多数是指令式的），而只有 12% 显示增强模式。在 Claude.ai 上，比例几乎持平。这可能具有重大的经济影响：历史上，任务自动化与大规模经济转型和重大生产力提升相关联。

Claude.ai 与 API 上 Claude 的增强和自动化使用。

鉴于 API 使用的付费方式，可以探索任务成本（由 token 消耗差异导致）的差异。价格与使用之间存在正相关性：成本更高的任务类别使用频率更高。这表明对企业来说，基础模型能力和产生的经济价值比完成成本本身更重要。

每任务成本与该任务类别在总对话中的份额。

结论¶

经济指数提供了对 AI 如何影响就业和经济的早期实证评估。

在本报告的每项指标中，AI 采用呈现出显著的不均匀性。高收入国家的人更可能使用 Claude，更可能寻求协作而非自动化，更可能追求超越编程的多样化用途。在美国内部，AI 使用似乎受到当地经济主导产业的强烈影响，从技术到旅游。企业比消费者更可能赋予 Claude 代理权和自主权。

除了不均匀性之外，特别值得注意的是，在过去九个月中 Claude.ai 上的指令式自动化变得更加普遍。人们使用的性质显然仍在被定义中：集体决定对 AI 工具有多大信心以及赋予它们多大责任。到目前为止，对 AI 的舒适度增加和愿意让它代表用户工作是明显的。随着 AI 模型的改进，将重新审视这一分析，以观察用户的选择在哪里——或是否——趋于稳定。

专用的 Anthropic 经济指数网站包含国家、州和职业数据的交互式可视化，未来将更新更多数据。

完整报告可在此处获取，旨在帮助政策制定者、经济学家和其他人为 AI 提供的经济机遇和风险做好准备。

开放数据¶

发布了一个综合数据集，包括地理数据、任务级使用模式、按任务划分的自动化/增强分解，以及 API 使用概览。数据可在 Anthropic 经济指数网站获取。

加入我们¶

有兴趣在 Anthropic 工作以帮助构建支持这项研究的系统的人可以申请研究工程师职位。

脚注¶

1. 关于犹他州排名第二的情况：在进一步调查犹他州的活动时，一个显著的比例似乎与协调滥用的迹象相关——这也反映在犹他州远高于平均水平的"指令式"自动化分数上。然而，我们进行了稳健性检查，并认为此活动不会影响结果。

2. 这还辅以"自下而上"的任务分类，其中 Claude 根据自己的分类法对对话进行分类，以弥补 O*NET 类别中的缺口。隐私保护分析方法的完整详情可在此处获取。

3. 本节数据涵盖 2025 年 8 月的 100 万条转录记录，从构成约一半第一方 API 使用量的第一方 API 客户池中随机抽样。数据按照隐私和保留政策进行管理，分析与条款、政策和合同协议一致。