Anthropic 经济指数(Economic Index)概览
原文链接:https://www.anthropic.com/economic-index#us-usage
Anthropic 经济指数(Economic Index)
- 如果你想快速理解“AI 在真实经济中到底被谁、在什么地方、用来做什么”,Anthropic 的经济指数(Economic Index) 是少数把“使用行为数据”做成公共指标的尝试之一。它不是意见调查,也不是论文 benchmark,而是基于 Claude 平台的真实匿名对话,按人口、任务和地域做了标准化与归一化展示,并每季更新可下载数据与互动图表。
- 定位与目标:该指数用来跟踪与分析 AI(主要是 Anthropic 的 Claude)在经济中的真实使用方式,评估对劳动市场与更广泛经济活动的影响,并提供可下载的数据与互动图表。最新一次更新为 2025 年 9 月 15 日。
关键发现(截至 2025 年的多次报告)
-
AI扩散速度远超历史技术,但仍遵循"早期集中"规律——仅在少数地理区域和企业任务中高度集中,这可能加剧而非缩小经济不平等。
- 美国40%员工在工作中使用AI,而2023年仅为20%,2年内翻倍
- 对比历史技术:电力普及到农村用了30年,个人电脑达到多数家庭用了20年,互联网达到AI的采用率用了5年
-
Claude 任务类型变化
- 编码仍占36%主导地位,但教育任务从9.3%增至12.4%(+3.1pp),科学任务从6.3%增至7.2%(+0.9pp)
- 商务和金融运营任务从6%降至3%,管理任务从5%降至3%
-
使用领域集中度:AI 使用高度集中在软件开发与技术写作等任务,但覆盖面正在扩展;约 36% 的职业至少有 25% 的相关任务使用 AI(早期论文/报告中的代表性结论)。

-
协作模式演变:从 2024 年末到 2025 年中,AI 使用从“增强(augmentation)”逐步向“自动化(automation)”倾斜;至 2025 年 9 月发布的第三期报告,自动化占比首次超过增强。


- 学科与行业变化:除编码外,教育与自然科学相关使用占比在 2025 年 2–3 月的样本中上升(报告强调是“占比”变化而非总量)。
地理维度(全球与美国)
-
全球:在首度发布地理扩展后,跨 150+ 国家展示采用分布。较富裕、技术前沿国家(如以色列、新加坡、加拿大等)人均使用更高;部分中低收入国家人均使用偏低。前列多为高收入、技术前沿经济体;媒体与解读稿将以色列、新加坡、澳大利亚、新西兰、韩国列为高使用区,美国整体排第六

以色列使用的一些最常见话题

除了美国以外,印度、巴西、日本这些国家的调用量也很大

-
为消除人口规模差异的影响,我们按劳动年龄人口(15–64 岁)对使用量进行调整,并引入一个新指标——Anthropic AI 使用指数(AUI):对每个地区,先计算其在 Claude 使用量中的占比,以及其在劳动年龄人口中的占比,然后用这两个占比相除,得到 AUI:
Anthropic AI 使用指数公式
AUI =(该地区的 Claude 使用占比)÷(该地区的劳动年龄人口占比)
该指数揭示了一个国家相对于其劳动年龄人口规模,使用 Claude 是高于还是低于预期。若某地区 AUI > 1,则表示在经过人口调整后使用量高于预期;若 AUI < 1,则表示低于预期。
结果显示,小而技术先进的经济体呈现出显著的集中度:以色列的人均 Claude 使用量全球领先,其 AUI 为 7——这意味着按人口基准,它的劳动年龄人口使用 Claude 的强度是预期的 7 倍。新加坡以 4.57 位居其后,澳大利亚(4.10)、**新西兰(4.05)和韩国(3.73)**分列人均使用量前五。
印度0.27、尼日利亚0.20,使用率远低于人口预期
美国3.62、加拿大2.91、英国2.67处于领先梯队

-
收入相关性:
- GDP人均每增加1%,Claude使用增加0.7%
- 高收入国家使用多样化(教育、科学、商业),低收入国家50%以上集中在编码

-
美国州别:华盛顿特区、犹他州、加利福尼亚州等人均使用靠前;美国南部与大平原多州偏低。媒体总结强调扩散不均衡可能加剧既有差异。

-
重要注记:指数基于 Claude 的使用数据,不包含其它平台(如 ChatGPT、Gemini)的活动,因此反映的是 “部分视角”。
企业API部署:自动化主导模式
- 关键对比数据:
- API使用: 77%自动化 (指令式)vs 12%增强协作
- Claude.ai使用:约50%自动化 vs 50%增强协作
97%的任务在API中显示自动化主导,而Claude.ai仅47%
结论
- AI 被人们接纳的速度前所未有,但集中化模式暗示不平等加剧——采用差距可能扩大而非缩小全球贫富差距
- 从协作到委托的范式转变——"指令式"使用占比39%且持续上升,标志AI正从工具变为代理人
- 地理专业化决定使用模式——高AUI地区显示多样化、增强型使用;低AUI地区集中自动化编码
- 企业部署以自动化为主导——77%自动化率预示系统性劳动力市场冲击,但上下文瓶颈可能保护拥有隐性知识的资深员工
- 能力比成本重要10倍——企业愿意为高价值任务支付更高费用,价格弹性仅为-0.29,远低于常规技术采用模型预测
