Anthropic 报告:约 20 万次科研对话中,数据分析与写作占比最高

关键要点

  • Anthropic 对 207,049 次科研对话的分析显示,数据分析占 Claude 使用的 33.7%,写作占 32.0%;提出假说的比例最低,仅为 4.2%。
  • 在 AI 能力按当前水平普及的情景下,统计学领域的研究产出将增加 2.02 倍,计算机科学领域将增加 1.96 倍;由于实验操作和需要深入思考的工作难以自动化,增幅因此受到限制。
  • 在对 528 位科学家的调查中,94% 预计到 2030 年前,AI 的数据分析能力将达到领域顶尖水平;约 64% 预计到 2035 年前,AI 能独立完成整个研究计划。

依 Anthropic 报告,样本为 8 月 2 日至 9 月 30 日的个人方案对话,由模型为每段对话标注领域与研究任务并进行分析,研究团队无法看到研究内容。从使用领域来看,计算机科学研究者虽然只占全球 4.3%,却占 Claude Code 科研对话的 32.7%。

Anthropic 报告:数据分析与写作占比最高、提出假说占比最低

依 Anthropic 报告,样本为 2026 年 8 月 2 日至 9 月 30 日的个人方案对话(Claude 128,914 次、Claude Code 78,135 次),由模型为每段对话标注领域与研究任务并进行分析,研究团队无法看到研究内容。

从使用领域来看,计算机科学研究者虽然只占全球 4.3%,却占 Claude Code 科研对话的 32.7%;形式科学(计算机科学、数学、统计学)是使用者最多的领域,医学与化学等需要进入实验室的领域使用最少。从任务分布来看,数据分析占 Claude 对话的 33.7%(Claude Code 达 48.1%),高于研究者实际花在该任务上的 27.6% 时间;写作与沟通占 Claude 对话的 32.0%,研究者实际只花 16.0% 的时间在这上面。

相比之下,收集数据占研究者 28.6% 的时间,在 Claude 对话中却只占 11.5%;提出点子与假说占研究者 7.1% 的时间,在 Claude 中只占 4.2%、在 Claude Code 中占 2.1%。报告称,收集数据多半需要动手做实验;至于提出假说,可能是科学家偏好自己思考,也可能是 AI 在选题与研究设计上较弱。

现有 AI 能力普及情境:各科学领域研究产出增幅,统计学为 2.02 倍

依报告第一种情境(假设现有 AI 能力普及),AI 能承担一项新研究所需研究者工作时间的 27% 到 52%,中位数为 38%;在相同预算下,各领域研究产出增幅如下:

统计学:2.02 倍

计算机科学:1.96 倍

化学:1.41 倍

人类学:1.36 倍

艺术:1.35 倍

依报告说明,增幅有限的主要原因有两点:其一,农业、生物医学、化学、材料等实验与田野科学有 38% 到 41% 的时间花在动手操作的步骤上(各领域中位数仅为 4%);其二,艺术与历史虽然动手操作的步骤少,但其思考型工作的 AI 评分偏低。报告指出,目前的 AI 多半只是辅助,研究者几乎每个步骤仍需花不少时间,因此增幅相对有限。

AI 包办非实验步骤情境:75% 情境下计算机科学产出增 8 倍

依报告另外两种说明性情境(非预测),若 AI 完全接手 75% 的非实体研究步骤,计算机科学产出增约 8 倍、统计学 7 倍、经济学 6 倍,实验与医学科学约 2 至 3 倍。若 AI 完全接手 100% 的非实体研究步骤,统计学、计算机科学、经济学、数学、心理学与多数人文社科约达 15 至 16 倍;生物学、化学、材料、农业、生物医学则只有 3 至 4 倍,因为约四成时间花在实验步骤上,没有自动化实验室就会受阻。

依报告的经济模型,AI 代理每小时成本设定为 30 美元,研究者为 95 美元;完全自动化任务的成本约为研究者的十六分之一,增幅上限约为 16 倍(若 AI 成本减半,上限也随之翻倍)。报告也指出,模型未计入仪器与实验材料成本,也未考虑 AI 是否能想出更好的假说。

528 位科学家调查:38% 认为 AI 数据分析已追平顶尖水平

依 Anthropic 报告对 528 位受访科学家的调查(多数来自生命与健康科学),受访者认为对重要研究成果最关键的任务,正是提出点子与收集数据——恰好是 AI 目前使用最少的两项。

据报道,38% 的受访者认为 AI 在数据分析上已追平领域顶尖研究者,94% 预期 2030 年前 AI 在数据分析上将追平顶尖水平;约四成预期 AI 在 2030 年前能独立完成整个研究计划,2035 年前的比例约升至 64%,另有 16% 认为 AI 永远无法独立完成研究计划。

常见问题

Anthropic 11 月 5 日报告的样本规模与分析方法,以及科学家使用 Claude 最多和最少的研究任务分别是什么?

依 Anthropic 报告,样本为 2026 年 8 月 2 日至 9 月 30 日共 207,049 次科研对话(Claude 128,914 次、Claude Code 78,135 次),由模型为对话标注领域与任务类别。使用比例最高的任务是数据分析(占 Claude 对话的 33.7%),最低的是提出点子与假说(Claude 仅占 4.2%)。

现有 AI 能力普及情境下,各科学领域研究产出增幅是多少,增幅有限的主要原因是什么?

依报告第一种情境,统计学增为 2.02 倍、计算机科学 1.96 倍、化学 1.41 倍、人类学 1.36 倍、艺术 1.35 倍。增幅有限的原因是:实验与田野科学有大量时间花在动手操作的步骤上(AI 无法替代),且思考型任务(如艺术、历史)的 AI 评分偏低;现阶段 AI 多作为辅助,研究者几乎每个步骤仍需主导。

528 位科学家调查中,对 AI 在 2030 年追平数据分析顶尖水平的预期比例,以及独立完成研究计划的时间预期是什么?

依报告调查,38% 的受访科学家认为 AI 数据分析已追平领域顶尖水平,94% 预期 2030 年前追平;约四成预期 AI 在 2030 年前能独立完成整个研究计划,2035 年前比例升至约 64%,另有 16% 认为 AI 永远无法独立完成研究计划。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论