原创 R.Zen 2025-09-15 21:40 北京
Anthropic首次承认：命令AI，是最低效的用法
原文链接：https://www.anthropic.com/research/economic-index-geography它首次系统披露了 Claude 在全球范围的使用分布与经济影响数据。基于真实用户行为数据，围绕四个核心维度展开分析：国家级使用密度、州级使用强度、职业类别使用渗透率、使用后的工作方式变化趋势。报告还配套上线了一个可交互的数据可视化网站：
https://www.anthropic.com/economic-index#us-usage而且，这份报告并不像商业宣发那样只报喜不报忧，它说出了很多藏着剧变的小细节，包括：AI 使用极不均衡，和收入水平强相关。Claude 问世以来的第一次任务“换位”：自动化 > 协作型。越是发达，越更愿意和 AI 协作，而不是直接命令 AI。企业不在乎钱，更在乎效果。Claude 用在哪儿？这份报告最让我感兴趣的一点，是 Anthropic 不是停留在「总用户量」这种宏观数字上，而是把“谁在用 Claude”“怎么用 Claude”“用得有多深”这三个问题，拆成了几个非常具体的维度——按州、按国家、按人均、按任务类型、甚至按你是普通用户还是 API 客户，全部分开算。然后你就能看到很多以前没法看见的东西。比如，美国当然是 Claude 使用最多的国家，但你往下翻，第二名不是欧洲国家，而是印度；第三名是巴西，后面紧跟着的是日本和韩国。看到这，你可能会说：“哦，那是不是经济越发达，用得越多？”结果你再看一个指标叫「AUI（Anthropic AI Usage Index）」，也就是 Anthropic AI 使用指数，它是用 Claude 的次数除以该国的劳动人口。结果前几名完全变了：以色列、新加坡这些科技密集但国家不大的地方反而冲到了前排，说明什么？「使用密度」才是更敏感的信号。这些国家的共通点是啥？教育水平高、互联网普及度高、经济以知识工作为主，不靠制造业。这就很合理了：Claude 这种模型，本质上就是个数字秘书、超级外包、自动化研究员。谁平时就靠脑力吃饭，谁就越容易用它干活。如果你对技术传播史稍有了解，你会知道，每一次通用技术的扩散都伴随着两个后果：一是生产力暴涨，二是阶层断层。工业革命让部分国家先制造出钢铁，电气革命让部分城市先点亮灯泡，信息革命让部分公司先拿到了全世界的用户数据。这次 AI 也不例外。Anthropic 干脆把 GDP per capita 和 AUI 拉出来做了一张图，发现两者几乎是线性正相关：人均 GDP 每上涨 1%，AI 使用指数就涨 0.7%。你赚钱多，就能接触到更多任务，你的任务越标准化、越符合理性结构，Claude 就越发挥效能。你可能会说：“那是国家之间的对比，美国内部应该就很均衡了吧？”不，Anthropic 这次的还提供了美国各个州级的数据，恰好说明，美国内部的 Claude 使用分布，是一张再明显不过的经济地图。用得最多的不是加州，也不是纽约，而是哥伦比亚特区（D.C.）——政府文件、研究报告、政策建议、法案审校，全是需要 AI 的活。公务员们危了。。你原本以为 AI 是来解决高难任务的，结果它最先接手的，全是这种“低感知、高消耗”的东西。谁在用 Claude？过去大家提起 AI，第一反应是啥？“写代码”。这没错，程序员确实是最早一批“上 AI”的职业群体，Claude 刚出来那几个月，大模型的主要人设就是“你的副程”，能搭框架、能写逻辑、能补注释，甚至还能帮你骂 Review 你的那位同事。Claude 在计算机和数学领域的应用，依旧占主导地位，约占对话总数的 37%-40%。但 Anthropic 这份《人类经济指数》给了我们一个非常鲜明的信号：AI 的任务结构已经悄悄发生了翻转。不是说编程不重要了，而是说，有些原本冷门的任务类型，正在突然崛起，抢走 Claude 越来越多的注意力。比如，教育任务。2024 年底，教育类任务占所有 Claude 对话的 9%。到了 2025 年 8 月，已经涨到 13%，整整提升了 40% 以上，涨得比股市都狠。而且是连续 9 个月，每月都稳步上升。这些活以前谁干？老师、助教、课研组。现在，Claude 在做，而且做得悄无声息。你甚至能从数据里看到“文理两开花”：不仅教育任务在涨，和自然科学、社会科学相关的任务占比也从 6% 涨到了 8%，是整整三分之一的增长。说得通俗点就是：越是靠知识吃饭的行业，越早在用 AI。这跟我们以为的“AI 先干掉运营岗、客服岗”有点不一样。它还不是先从底部开始翻盘，而是从学术性强、逻辑要求高、脑力密度大的地方开始渗透。有个细节特别值得说。Anthropic 在报告里指出，传统商业任务的比例在下降。比如，和管理相关的任务，从 5% 降到了 3%；金融、运营类任务从 6% 直接腰斩，变成了 3%。这个变化太值得玩味了。你本来以为，AI 最能帮上忙的，不就是那些开会、写日报、算预算的事吗？为什么这些任务反而在 Claude 这边存在感变低了？我的理解是，这不是 AI 干不了，而是传统管理任务太依赖“上下文关系”。它不像一个公式、一个推导、一道题、有明确边界。比如你让它改一封邮件、写一个教学案例、解释一个科研模型、翻译一份历史资料、设计一个英语单元测试……它干得就非常漂亮，而且你也没心理负担。所以，Claude 越来越像是你团队里的「知识劳工」。你不会让它去开会、去谈判、去做组织沟通，但你可以把你那堆「没人想干又不能不干」的硬知识工作一股脑甩给它。它写得快、写得全、写得不像人（反而符合很多场合的要求），而你只需要最后润个色、签个名。这才是 AI 偷走中产技能的真正方式。人和 Claude 的关系，正在快速从“合作”变成“交办”说实话，我看到这一段的时候，心里一紧。因为 Anthropic 的这份报告，第一次用数据把我们和 AI 的关系变化勾勒得清清楚楚：从 2024 年 12 月到 2025 年 8 月，短短九个月，用户「指令式交办任务」的占比，从 27% 飙到了 39%。什么是指令式交办任务？——对话需要最少人力介入。这个转变意味着什么？意味着你跟 Claude 说的，不再是“你觉得这段写得怎么样”，而是“你直接帮我改了”。以前你跟 Claude 合作是有个过程的：你提个想法，它给点建议，你挑挑拣拣，然后一起来把活干完。现在不一样了，越来越多的用户直接上来就是一句：“你帮我写一篇电动车行业分析报告。”指令型对话占比从 27% 急剧上升至 39%，其他交互模式（尤其是学习型、任务迭代和反馈循环）的占比因此略有下降。这背后是用户对 AI 的信任度在上升。
AI 的任务区分为自动化（AI 在极少用户输入下直接产出成果）和增强（用户与 AI 协作完成任务）两类。自动化细分为指令型与反馈循环型交互——指令型对话需要最少人力介入，而反馈循环任务中人类需将现实结果回传模型。增强模式则细分为学习型（获取信息或解释）、任务迭代型（与 Claude 协同工作）及验证型（征求反馈意见）。Anthropic 说，截至目前，Claude 所有对话中，“自动化”的比例已经从 49.1% 正式超过了“增强型协作”的 47%。这是 Claude 问世以来的第一次“换位”。乍听之下，没什么大不了的。你甚至可能会想，这不正常吗？谁不想省点事儿，直接让 AI 做完就行。但你仔细想，这个变化其实意味着：AI 第一次在“产出责任”上，开始接过了主权。再往下看这份报告，Anthropic 做了一个我觉得很妙的交叉分析。他们去比了两个国家用 Claude 的方式：是用来协作的多，还是用来自动化的多。这个结论一出来你就明白了：人均用得越少的国家，越喜欢让 Claude 直接帮自己干活；人均用得越多的国家，越愿意和 Claude 合作。什么意思？举个例子。一个印度用户用 Claude 写代码，很可能是为了完成 Upwork 上的远程任务，越快交稿越好，Claude 写完他就拿去交了，不多问为什么。但一个美国硅谷创业者用 Claude 写代码，往往是他先设计结构，Claude 帮他写基础版本，再一起调，Claude 相当于是他“虚拟团队”的一员，写完还要讨论是不是可以再精简、可读性够不够。同样是“用 Claude 写代码”，一个是交付导向，一个是质量导向；一个是“用完即走”，一个是“共创闭环”。你可以说是文化差异，但更底层的，其实是对 AI“信任”和“使用习惯”的成熟程度差异。Anthropic 在报告里没有明说这件事的价值判断，但我们能看出来：越是经济成熟的国家，对 AI 的“信任方式”越像是在培养新同事，而不是指挥工具人。未来，AI 在不同国家可能将走出完全不同的就业结构演化。企业用 Claude 不是为了省钱？很多人误会 AI 这波，是从 ToC 开始烧起来的，是一群自由职业者、创作者、打工人先用起来的。可 Anthropic 这次悄悄放出的企业端 API 数据，让我们看到了另一幅更冷静、更真实的图景：真正用 Claude 用得猛的，是企业。报告提到，Anthropic 分析了 100 万条企业调用 Claude 的 API 数据，结果发现：
有 77% 的任务是「自动化模式」，而且其中绝大部分是「指令式」。也就是完全不给 Claude 反馈、不给它修正机会的直接输出型任务。反过来看普通用户，Claude.ai 网页上的交互，自动化和增强型协作比例几乎五五开。而且，当 Anthropic 把 API 调用中不同任务的平均 token 消耗量（也就是成本）和调用频率画成一张图，发现：越是“贵”的任务类型，调用频率越高。
