就在刚刚，Anthropic 发布了首份全面分析 AI 在美国各州及全球使用情况的经济指数报告。
这篇报告得出几个特别有意思的结论。
在美国，AI 使用强度并不等于“码农数量”，决定因素更像是当地产业结构。
报告显示，以文档编辑和信息检索为主的华盛顿特区，以AUI3.82领跑全美。（AUI是指Anthropic 人工智能使用指数，AUI =某国的 Claude 使用占比÷该国的全球劳动年龄人口占比）
而以编码见长的加州、以金融为主的纽约、甚至连夏威夷，都在以各自的方式深度依赖AI。
夏威夷人请求AI协助旅游相关任务的频率，更是全美平均水平的2倍。
在全球，AI 使用模式与财富高度相关。虽然美国以 21.6%Claude 使用率遥遥领先，印度第二。
但把人口差异抹平后，排名前五的竟是以色列、新加坡、澳大利亚、新西兰和韩国。
这并非巧合，报告发现AUI与人均GDP强相关：人均GDP每提高1%，AUI就会增加约0.7%。这有力地证明，那些“小而富、以知识型经济为主”的国家，正成为AI应用的先驱。
在企业侧，API 用户把 Claude 当作自动化引擎：77% 的对话呈自动化（多为指令式），编码与行政任务占比更高；
而且“越贵的任务用得越多”，说明能力与价值比单次成本更重要。
为了方便，Anthropic还配了个交互式网站，可以上去自行进行探索数据。
下面是此次报告的全文。
旅行计划在夏威夷，科学研究在马萨诸塞州，以及在印度构建网页应用程序。表面上看，这三项活动几乎没有什么共同之处。
但事实证明，它们是Claude在这些地方最常见的特定用途。
这并不意味着这些是最受欢迎的任务：软件工程仍然是世界上几乎所有州和国家最主要的任务。
相反，这指的是马萨诸塞州的人们比其他地方的人更有可能寻求克劳德在科学研究方面的帮助——或者，例如，巴西的克劳德用户似乎对语言特别热衷：他们使用克劳德进行翻译和语言学习的频率是全球平均水平的六倍左右。
这些是我们第三份《Anthropic 经济指数报告》中发现的统计数据。在最新发布的这份报告中，我们扩展了工作范围，以记录正在开始重塑工作和经济的早期人工智能应用模式。我们衡量了克劳德在使用上的不同之处，主要在以下几个方面：
在美国境内：我们首次详细评估了美国各州之间人工智能使用的差异。我们发现，各州经济构成决定了哪些州的人均克劳德使用量最高，并且令人惊讶的是，使用量最高的州并非是编码工作占主导地位的州。
在不同国家之间：我们的新分析发现，各国对克劳德的使用与收入密切相关，且低使用量国家的人们比高使用量国家的人们更频繁地使用克劳德来自动化工作。
随着时间的推移：我们将最新的数据与 2024 年 12 月至 2025 年 1 月以及 2025 年 2 月至 3 月的数据进行了比较。我们发现，“指令式”自动化任务的比例从 27% 急剧增加到 39%，这表明人工智能的责任（以及用户的信任）正在迅速增加。
商业用户：我们现在纳入了来自 Anthropic 第一方 API 客户的匿名数据（除了 Claude.ai 的用户），这使我们首次能够分析企业的互动。我们发现，API 用户比消费者更有可能使用克劳德来自动化任务，这表明重大的劳动力市场影响可能即将到来。
我们在下文中总结了这份报告。此外，我们还设计了一个互动式网站，您可以在其中亲自探索我们的数据。您首次可以搜索 Claude.ai 在美国每个州和我们追踪的所有职业中的使用趋势和结果，从而了解您所在地区或从事类似工作的人们是如何使用人工智能的。最后，如果您想在此分析的基础上进行研究，我们已将数据集以及我们之前经济指数报告的数据公开提供。
-1-
地理分布
我们将《经济指数》扩展到地理维度，总结了 Claude 在各国及美国各州的使用情况。
国家之间
美国对 Claude 的使用远高于其他国家。印度位列第二，之后是巴西、日本和韩国，这几国占比接近。
由于各国人口规模差异很大，我们引入“Anthropic 人工智能使用指数”，简称使用指数（AUI）：用一个国家在 Claude.ai 上的使用占比，除以其在全球劳动年龄人口中的占比。数值 >1 表示使用强度高于按人口规模推算的水平，<1 则低于预期。
按“使用指数(AUI)”排名靠前的二十个国家中，以色列、新加坡、澳大利亚、新西兰、韩国位居前五。
总体上看，一些体量较小、技术先进、知识型经济占比高的国家，对 Claude 的采用强度更高。
收入是重要因素：我们发现人均 GDP 每提高 1%，使用指数大约提高 0.7%。
这很合理：这些国家通常拥有良好的互联网连接，且经济更偏知识工作。不过，这也带来一个问题：像电气化、内燃机这类“通用技术”曾推动增长、也拉大差距；如果 AI 的效应在富裕国家更显著，那么它可能产生类似的经济分化影响。
美国境内的差异
在美国各州之间，“人均 GDP 越高，Claude 使用越频繁”的关系同样存在，而且更陡峭：人均 GDP 每提高 1%，按人口调整后的 Claude 使用大约提高 1.8%。
但在州内比较时，收入的解释力反而更弱，因为围绕总体趋势的波动更大,这意味着收入之外还有很多因素在起作用。
我们的判断是：各州经济结构差异是关键。华盛顿特区（美国首都）的使用指数最高（3.82），最“超额代表”的任务是文档编辑和信息检索等知识工作；
加利福尼亚州以编程相关任务更常见，在全国使用指数中排第三；纽约州更偏金融（全国第四）。
即使在人均使用较低的州，如夏威夷，使用结构也与当地经济高度相关：当地用户提出的旅游相关请求是全美平均的两倍。更多细分数据可在我们的交互网站查看。
-2-
Claude使用趋势
我们自 2024 年 12 月起持续跟踪 Claude 的使用方式。我们采用保护隐私的分类方法，把匿名对话归入美国政府职业数据库 O*NET 定义的任务组。借此既能观察任务结构自去年以来的变化，也能观察人机协作方式（用户给模型多大自主权）如何演变。
任务类型的变化
自 2024 年 12 月以来，计算机与数学类任务始终占据主导，大约占 37%—40%。
但过去九个月里，知识密集型领域持续增长：
教育教学从 9% 升至 13%（增幅 40%+）；
自然科学与社会科学从 6% 升至 8%（增长三分之一）。
与此同时，传统商业类任务的相对占比下降：
管理类从 5% 降至 3%；
商务和财务运营从 6% 降至 3%。
总体趋势是有噪声的，但一般来说，随着一个国家的人均 GDP 增加，Claude的使用会从计算机和数学职业组的任务转向各种各样的其他活动，如教育、艺术和设计；办公室和行政支持；以及物理和社会科学。将下面第一张图中的趋势线与其余三张图进行比较：
随着我们从较低的应用国家转向较高的应用国家，Claude的使用似乎转向了更多样化的任务组合，尽管总体模式有噪声。
尽管如此，软件开发仍然是我们追踪的每个国家中最常见的用途。在美国，情况也类似，尽管我们的样本量限制了我们更详细地探讨任务组合如何随应用率变化的能力。
互动方式的变化
正如我们之前所讨论的，我们通常将涉及自动化（人工智能直接产生工作，用户输入最少）的任务与增强（用户和人工智能协作完成任务）的任务区分开来。
我们进一步将自动化分解为指令式和反馈循环互动，其中指令式对话涉及最少的人类互动，而在反馈循环任务中，人类将现实世界的结果反馈给模型。我们还将增强分解为学习（询问信息或解释）、任务迭代和验证
自 2024 年 12 月以来，我们发现指令式对话的份额急剧上升，从 27% 增加到 39%。
其他互动模式（特别是学习、任务迭代和反馈循环）的份额因此略有下降。
这意味着自动化（49.1%）首次变得比增强（47%）更常见。对此的一个潜在解释是，人工智能正在迅速赢得用户的信任，并越来越负责完成复杂的工作。
这可能是模型能力提高的结果。（在 2024 年 12 月，当我们首次为经济指数收集数据时，克劳德的最新版本是 Sonnet 3.6。）随着模型越来越擅长预测用户的需求并产生高质量的工作，用户可能更愿意在第一次尝试时就信任模型的输出。
可能令人惊讶的是，在人均Claude使用量较高的国家，克劳德的用途倾向于增强，而低使用量国家的人们更倾向于自动化。控制了所讨论的任务组合，克劳德的人口调整使用量每增加 1%，与自动化减少约 3% 相关。同样，人口调整后的克劳德使用量的增加与远离自动化（如下表所示）而不是趋向自动化相关。
我们尚不确定原因。这可能是因为每个国家的早期采用者更愿意让克劳德自动化任务，也可能是由于其他文化和经济因素。
企业
我们使用与 Claude.ai 对话相同的保护隐私的方法，开始对 Anthropic 的一部分第一方 API 客户的互动进行抽样，这是首次进行此类分析。API 客户使用Claude的方式与通过 Claude.ai 访问的用户非常不同：他们按令牌付费，而不是固定的月度订阅，并且可以通过他们自己的程序发出请求。
这些客户对克劳德的使用特别集中在编码和管理任务上：我们样本中 44% 的 API 流量映射到计算机或数学任务，而 Claude.ai 上的这一比例为 36%。（碰巧，大约 5% 的 API 流量专门用于开发和评估人工智能系统。）这被与教育职业相关的对话比例较小所抵消（API 中为 4%，而 Claude.ai 上为 12%），以及艺术和娱乐（分别为 5% 和 8%）。
我们还发现，我们的 API 客户使用克劳德进行任务自动化的频率比 Claude.ai 用户高得多。我们 77% 的 API 对话显示出自动化模式，其中绝大多数是指令式的，而只有 12% 显示出增强模式。在 Claude.ai 上，这个比例几乎是均等的。这可能具有重大的经济影响：在过去，任务自动化与巨大的经济转型以及主要的生产力提升相关。
最后，考虑到 API 使用的付费方式，我们还可以探讨任务成本的差异（由它们消耗的令牌数量差异引起）是否会影响企业选择“购买”哪些任务。在这里，我们发现价格与使用之间存在正相关：成本较高的任务类别往往使用频率更高，如下图所示。这向我们表明，模型的基本能力以及模型产生的经济价值对企业来说比完成任务本身的成本更重要。
-3-
结论
这份《经济指数》旨在用数据早期评估 AI 对工作与经济的影响。总体来看：
采用极不均衡：高收入国家更常使用 Claude，更倾向与 AI 协作，并在编码之外开展更广泛用途；在美国境内，当地主导产业深刻影响 AI 的使用面貌。
自动化在上升：过去九个月，指令式自动化显著走高；我们还在整体上首次看到自动化占比超过增强。
企业更愿意“放权”：与消费者相比，企业更愿意让 Claude 直接把事做完。
人们如何与 AI 分工、如何给 AI 赋权，这一切仍在形成中。但到目前为止，可以看出大家越来越愿意让 AI 代劳。我们将继续跟踪，看看随着模型能力提升，用户选择会走向哪里、是否会稳定下来。
