Anthropic 经济指数报告：学习曲线

引言

Anthropic 经济指数利用隐私保护数据分析系统，追踪 Claude 在整个经济领域中的应用情况。这是Anthropic 努力的一部分，旨在尽早理解 AI 对经济的影响，以便研究人员和政策制定者有充足的时间做好准备。

在最新一期的报告中，首先观察到了与先前报告相比使用情况的变化：增强率——即 AI 补充用户能力的协作互动——在 Claude.ai 和 API 流量中均略有增加。在 Claude.ai 中，使用情况变得多样化，上个月排名前 10 的任务所占份额低于 2025 年 11 月。由于这种多样化，Claude.ai 中对话的平均任务薪资略低于先前报告。

然后，重点关注 Claude 对劳动力市场和更广泛经济影响的一个重要决定因素：Claude 采用过程中的学习曲线。提供的数据表明，高使用年限用户已经形成了习惯和策略，使他们能够更好地利用 Claude 的能力。事实上，数据记录到，经验更丰富的用户不仅尝试更高价值的任务，而且在对话中更有可能获得成功的响应。

• Claude.ai 上的用例多样化
  编码任务继续从 Claude.ai 中的增强型使用迁移到第一方 API 流量中更自动化的流程¹。在本报告中，Claude.ai 的使用更加分散：2 月份排名前 10 的任务占所有流量的 19%，低于 11 月份的 24%。也就是说，此样本中的几乎所有任务在之前的样本中都至少出现过一次。约 49% 的工作岗位中，至少有四分之一的子任务已经开始使用 Claude 来完成。
• Claude 的采用扩展到较低薪资任务
  随着用例的多样化，Claude 上所进行工作的平均经济价值——以相关职业中美国工人支付的工资衡量——略有下降。从机制上看，这是由于围绕体育、产品比较和家庭维护的个人查询增加所致。这种模式与标准的“采用曲线”故事一致，即早期采用者青睐特定的高价值用途（如编码），而后期采用者则承担更广泛的任务。
• 全球使用的不平等现象持续存在
  使用量仍然高度集中：排名前 20 的国家占据了 48% 的人均使用量，高于 45%，凸显了全球采用方面持续存在的差距。然而，Claude 在美国境内的人均使用量持续趋同：自上次报告以来，使用量最高的 10 个州所占的份额从 40% 下降到 38%。

数据统计

经济指数的一个核心发现是，Claude 的早期采用非常不均衡：Claude 在高收入国家、美国境内知识工作者较多的地方，以及相对较少的一类专业任务和职业中被更密集地使用。

一个重要的问题是，采用的不平等将如何决定 AI 的益处在何处以及向谁累积。例如，如果有效的 AI 使用需要互补技能和专业知识——在之前的报告中论证过这一点——并且如果这些技能可以通过使用和试验获得，那么早期采用带来的好处可能会自我强化。

Anthropic研究了用户如何塑造他们从 Claude 中获得的价值：他们如何将模型能力与手头任务相匹配，以及使用模式和结果如何随着平台使用经验而变化。结果基于隐私保护分析。在整个报告中，分析了来自 Claude.ai 免费版、专业版和 Max 版的 100 万次对话的随机样本（也将此称为“消费者数据”，因为它主要代表消费者使用情况），以及来自第一方（1P）API 流量的 100 万份对话记录（Anthropic也将此称为“企业数据”，因为它主要代表企业使用情况）。当分析日志级数据时，依赖统计模型，其中任何报告的统计数据都满足唯一账户和对话的最低聚合阈值。例如，在回归分析中，仅对满足隐私要求的分组估算固定效应——否则，这些单元在估算之前会被剔除。

• 模型选择与任务匹配
  数据表明，用户会选择最智能的模型类别 Opus 来处理那些通常在劳动力市场上获得更高薪资的任务。例如，在付费 Claude.ai 用户中，Opus 用于编码任务的频率比平均水平高 4 个百分点，而用于辅导相关任务的频率比平均水平低 7 个百分点。这种模型切换在 API 用户中大约要明显两倍。
• 使用年限越长，成功率越高
  总的来说，经验最丰富的 Claude 用户更多地将其用于高教育要求的任务，而较少用于个人用途。例如，使用 Claude 达 6 个月或更长时间的人，个人对话减少 10%，其输入内容反映出的教育水平则高出 6%。最引人注目的是，这个高使用年限组的对话成功率高出 1