create: 2025-04-28

update: 2026-08-10

author: thinkycx

title: 【译】Anthropic 经济指数：AI 对软件开发的影响

description: 日期： 2025年4月28日类别：社会影响 / 经济研究

category: translation

tags: anthropic, research, translation, economic-index, software-development

refs: https://www.anthropic.com/research/impact-software-development

Anthropic 经济指数：AI 对软件开发的影响¶

日期： 2025年4月28日
类别： 社会影响 / 经济研究

Anthropic 经济指数：AI 对软件开发的影响

编程是一个规模虽小但影响深远的行业，AI 的引入正在从根本上重塑开发者的工作方式。 计算机编程相关岗位在现代经济中占比不大，但影响力巨大。过去两年，随着能够辅助甚至自动完成大量编码工作的 AI 系统问世，这一领域正在经历剧变。

Anthropic 在此前的经济指数研究中发现，美国计算机相关从业者使用 Claude 的比例远超预期——相对于从业人数，涉及计算机任务的对话量明显偏高。教育领域也呈现相同趋势：计算机科学专业学生的 AI 使用率显著高于其他学科。

为深入理解这些变化，Anthropic 分析了 50 万次编程相关交互，数据来源覆盖 Claude.ai（大多数用户与 Claude 交互的默认方式）和 Claude Code（一款专业编程 Agent，能独立运用各种数字工具完成复杂任务链）。

三大核心发现¶

Claude Code 更偏向自动化、前端开发是主流用途、初创公司是率先采用者。

发现	核心结论
编程 Agent 更倾向自动化	Claude Code 中 79% 的对话属于"自动化"（AI 直接执行任务），仅 21% 属于"增强"（AI 与人类协作）；Claude.ai 中自动化占比为 49%
开发者常用 AI 构建面向用户的应用	JavaScript 和 HTML 是最常用的编程语言，UI/UX 任务名列前茅
初创公司是 Claude Code 的主要早期用户，企业级采用滞后	Claude Code 中 33% 的对话服务于初创公司，仅 13% 涉及企业级应用

关于第一点，研究指出："这可能意味着，随着 AI Agent 日益普及……我们应预期更多任务将被自动化。"

关于第二点："这表明，以制作简单应用和用户界面为核心的岗位，可能比纯后端岗位更早受到 AI 系统的冲击。"

关于第三点："这一采用差距揭示了敏捷型组织与传统企业之间在前沿 AI 工具使用上的分化。"

分析方法¶

研究使用隐私保护工具 Clio 对 50 万次 Claude 交互进行匿名化主题分类。 这 50 万次交互（Claude Code 和 Claude.ai 各占一半）通过 Anthropic 的隐私保护分析工具进行处理。该工具将用户对话提炼为更高层级的匿名化洞察，用于识别对话主题（如"UI/UX 组件开发"）或将对话归类为"增强"与"自动化"。

开发者如何与 Claude 交互？¶

Claude Code 的自动化率远高于 Claude.ai，反映出专业 Agent 工具正在推动更深层次的任务委托。 在此前的经济指数报告中，Anthropic 将"自动化"（AI 直接执行任务）与"增强"（AI 与用户协作）加以区分。Claude Code 表现出显著更高的自动化率——79% 的对话涉及某种形式的自动化，而 Claude.ai 仅为 49%。

自动化和增强被进一步细分为子类型（详见此前研究）：

子类型分布¶

交互模式	Claude Code	Claude.ai
反馈循环（Feedback Loop）	35.8%	21.3%
指令式（Directive）	43.8%	27.5%

所有增强类模式——包括"学习"（用户从 AI 模型中获取知识）——在 Claude Code 上的占比均显著低于 Claude.ai。

自动化与增强对比柱状图
堆叠柱状图：Claude.ai 与 Claude Code 在自动化和增强模式上的占比对比。

子类型定义：

子类型	含义
指令式（Directive）	完全委托任务，交互极少
反馈循环（Feedback Loop）	基于环境反馈引导任务完成
任务迭代（Task Iteration）	协作式逐步优化
学习（Learning）	知识获取与理解
验证（Validation）	对工作成果的检验与改进

这些结果清晰揭示了专业编程 Agent（Claude Code）与通用聊天界面（Claude.ai）之间的差异。随着更多 Agent 产品面世，AI 融入工作的方式将出现分化——在编程领域，这可能意味着更多任务被自动化。

这引发了一个问题：随着 AI 使用日益普及，开发者的参与程度将如何变化？即便在自动化场景中，人类仍大量参与：比如"反馈循环"模式仍需用户输入（哪怕只是将错误信息粘贴回 Claude）。但这一模式能否持续尚不确定——更强大的 Agent 系统可能需要越来越少的用户输入。

开发者在用 Claude 构建什么？¶

前端开发和用户界面构建是最主流的使用场景，JavaScript/TypeScript 和 HTML/CSS 占据近六成用量。 开发者普遍使用 Claude 构建网站和移动应用的用户界面及交互元素。编程语言分布如下：

语言	查询占比
JavaScript + TypeScript	31%
HTML + CSS	28%
Python	14%
SQL	6%

主要编程用途
百分比代表两个平台编程相关任务的总占比。由于 Claude Code 和 Claude.ai 被等权加权，每个平台对应的柱状区域代表该平台用量的一半。

Python 承担双重角色——既用于后端开发，也用于数据分析。结合 SQL 来看，这些语言的使用很可能包含大量超越传统后端开发的数据科学和分析应用。

主要编程语言
编程语言使用百分比代表两个平台的总占比。由于 Claude Code 和 Claude.ai 被等权加权，每个平台对应的柱状区域代表该平台用量的一半。

主要编程任务¶

任务类型	占比
UI/UX 组件开发	12%
Web 与移动应用开发	8%

这类任务越来越适合"氛围编程"（vibe coding）——不同经验水平的开发者用自然语言描述期望结果，让 AI 处理实现细节。

更通用的用途，如"软件架构与代码设计"和"调试与性能优化"，在 Claude.ai 和 Claude Code 上同样有大量分布。

从推测角度看，如果 AI 能力的提升使"氛围编程"进入主流工作流，以简单应用和用户界面为核心的岗位可能更早面临冲击。当 AI 接管组件创建和样式工作后，开发者可能转向更高层次的设计和用户体验工作。

谁在用 Claude 编程？¶

初创公司是 Claude Code 的主力用户，个人开发者和学生群体同样不可忽视。 分析系统识别了最能描述用户编程交互的项目类型（如个人项目、初创公司项目）。由于缺乏真实场景信息，这些分析依赖于对不完整数据的推断——相比前述发现，这部分结论更具初步性。

项目类型分布
点之间的距离表示各类项目在 Claude.ai（蓝色）和 Claude Code（橙色）上流行度的差异。

核心数据¶

类别	Claude Code	Claude.ai
初创公司相关	32.9%	~13%+
企业级相关	23.8%	25.9%

初创公司工作占 Claude Code 对话的 32.9%（比 Claude.ai 高出近 20 个百分点），而企业级工作仅占 Claude Code 对话的 23.8%（略低于 Claude.ai 的 25.9%）。

学生、学术研究者、个人项目开发者和教程/学习用户合计占两个平台交互量的一半——编程辅助工具的重要采用者不仅是企业，还有大量个人用户。

这些采用模式与历史上的技术变革如出一辙：初创公司率先利用新工具获取竞争优势，成熟组织则因需要详细的安全审查等流程而行动迟缓。AI 的通用性可能会加速这一动态：如果 AI Agent 带来显著的生产力提升，早期采用者与后来者之间的差距可能转化为巨大的竞争优势。

研究局限性¶

本研究在数据范围、分类精度和代表性方面存在多项局限。

局限	说明
数据范围有限	仅分析了 Claude.ai 和 Claude Code 数据，排除了 Team、Enterprise 和 API 用量（这些可能呈现不同模式）
自动化/增强边界模糊	在 Agent 工具中两者界限日益模糊；"反馈循环"模式仍需用户监督，与传统自动化有质的区别
用户分类依赖推断	对"谁在使用 Claude"的判断基于有限上下文推断，部分分类可能有误；5% 的 Claude.ai 对话和 2% 的 Claude Code 对话被归为"无法分类"（已排除并重新归一化）
早期采用者偏差	数据集很可能捕获的是早期采用者，不一定代表更广泛的开发者群体
时间窗口受限	出于隐私考虑，仅分析特定留存窗口内的数据，可能遗漏周期性模式
代表性存疑	Claude 的使用情况与整体 AI 编程辅助采用率的关系尚不明确；许多开发者同时使用多种 AI 工具
仅研究委托行为	仅研究了开发者委托给 AI 的内容，未涉及输出使用方式、代码质量或是否提升了生产力

展望未来¶

AI 正在根本性地改变开发者的工作方式，而这一趋势在 Agent 系统、前端开发和初创公司中表现最为突出。

本分析表明，这一变革在使用 Claude Code 等专业 Agent 系统时尤为明显，在面向用户的应用开发领域尤为强烈，并可能为初创公司带来相对于成熟企业的特殊优势。

研究提出的关键问题：

随着 AI 能力提升，包含人类参与的"反馈循环"模式会持续存在，还是会向更完全的自动化演进？
当 AI 系统能够构建更大规模的软件时，开发者是否会转向以管理和引导系统为主，而非亲自编写代码？
哪些软件开发角色将发生最大变化，哪些可能完全消失？

"由于大量 AI 研发本身依赖软件，AI 辅助编程的进步可能加速技术突破，形成正反馈循环，进一步加速 AI 的整体进展。"

从宏观视角看，AI 系统诞生至今时间极短，但编程已是 AI 在经济中最成熟的应用之一。软件开发可能是一个领先指标，为其他职业在更强 AI 模型面前将如何变化提供有价值的参考。

加入我们¶

Anthropic 欢迎有志于研究 AI 对劳动力市场影响的人才申请经济学家和数据科学家（政策方向）岗位。

附录¶

软件开发相比非软件任务呈现更强的自动化倾向，但其自动化更依赖人类参与的反馈循环。 一项补充分析在 Claude.ai（因 Claude Code 专注于软件）中对比了软件相关与非软件场景下的自动化/增强模式。

附录对比图
Claude.ai 中软件与非软件用例在自动化/增强模式上的分布对比。

与非软件用例相比，软件开发更具自动化倾向。这主要由"反馈循环"模式的显著增加（+18.3%）驱动，同时伴随"指令式"行为的明显下降（-11.2%）。换言之，即使 Claude 承担了大部分工作，当前 AI 辅助编程相比非编程任务仍需要大量的人工审查和迭代。

脚注¶

Claude.ai 对话特指 Claude.ai Free 和 Pro 版本。样本仅包含由第一方 API 驱动的 Claude Code 会话（Claude Code 可由 Anthropic 第一方 API 或第三方云服务商 API 驱动）。所有对话时间窗口为 2025 年 4 月 6-13 日。初始样本在 Claude.ai 和 Claude Code 之间均分；对于 Claude.ai，使用基于 Claude 的过滤器筛选编程相关对话。为校正过滤器影响，分析结果经重新归一化处理，使 Claude Code 和 Claude.ai 交互等权加权。
Claude.ai 中 HTML 的数据可能略有偏高，因为 Artifacts 功能基于 HTML 实现。虽然与编程无关的 Artifacts 已被过滤，但包含编程相关内容的 Artifacts 未被显式排除，因为大量编程使用确实发生在 Artifacts 中。
Claude.ai 的使用数据不包含 Claude For Work（Team 和 Enterprise 计划），这意味着 Claude.ai 的企业级数据可能被低估，因为大量企业使用发生在 Claude For Work 中。