2025 年 9 月 15 日——在对人工智能部署的里程碑式分析中，Anthropic 最新的经济指数报告强调了该技术前所未有的采用速度，同时强调了明显的地理和部门差异。该报告利用有关 Claude.ai 使用情况和企业 API 流量的大量数据，记录了人工智能如何改变集中区域的工作流程，引发了人们对如果当前模式持续下去可能出现的经济分歧的担忧。
这项名为“不均匀的地理和企业人工智能采用”的研究以之前的迭代为基础，纳入了 150 多个国家和美国所有州的地理细分，同时对第一方 (1P) API 使用情况进行了开创性的检查。这种扩展使研究人员不仅可以跟踪消费者模式，还可以跟踪企业如何以编程方式将 Claude 等前沿人工智能模型集成到运营中。该报告的调查结果基于来自数百万次交互的匿名汇总数据，映射到 O*NET 等职业分类法，并强调人工智能作为自动化工具和生产力增强器的双重性质。
该报告的核心是观察到人工智能的推出速度比历史先例更快。报告中引用的盖洛普数据显示，在美国，员工在工作中人工智能的使用率几乎翻了一番，从 2023 年的 20% 攀升至 2025 年 9 月的 40%。这种激增超过了诸如电力等变革性技术的传播速度，电力在城市采用后花了 30 多年才进入美国农村家庭，而个人电脑则在 1981 年首次亮相后花了 20 年才渗透到大多数家庭。即使是经常因其快速传播而受到赞誉的互联网，也需要大约五年的时间才能达到类似的普及水平。
这样的速度源于人工智能的固有优势：其跨任务的广泛适用性、与现有数字工具的无缝集成以及不需要专门培训（只需打字或语音提示）的直观界面。该报告将进一步的动力归因于前沿模型的迅速进步，这些模型不断扩展功能并吸引更广泛的用户群。然而，这种早期阶段的热情掩盖了潜在的集中度：人工智能的使用仍然集中在公司内部的一组有限的任务上，并且在地理上集中，呼应了 20 世纪创新中看到的模式，但被压缩到更短的时间范围内。
为了量化这些动态，该报告引入了人类人工智能使用指数（AUI），该指标将 Claude.ai 的对话量与特定地区的工作年龄人口进行比较。该指数揭示了人均人工智能采用率与经济收入水平之间的密切相关性，预示着全球不平等的潜在风险。根据人口规模，新加坡和加拿大等高收入国家的 AUI 分数分别是预期使用量的 4.6 倍和 2.9 倍。相比之下，新兴经济体明显滞后：印度尼西亚的预期使用量为0.36倍，印度为0.27倍，尼日利亚仅为0.20倍。
在美国，收养热点反映了当地的经济实力。华盛顿特区以预期使用量的 3.82 倍位居榜首，这主要是由于其政策和专业服务中心的文档编辑和职业援助需求的推动。犹他州紧随其后，受益于蓬勃发展的科技生态系统，为 3.78 倍。加利福尼亚州的 IT 相关应用有所增加，而佛罗里达州则更加依赖金融服务任务。这些地区差异说明了人工智能部署如何根据部门需求进行定制，其中编码在技术密集型领域占主导地位，而管理职能在面向服务的领域占据主导地位。
该报告深入探讨了使用模式，绘制了过去八个月中 Claude.ai 交互的演变，同时也伴随着模型升级和功能增强。编码仍然是最大的类别，占总使用量的 36%，凸显了人工智能在软件开发中的作用。然而，非技术应用正在取得进展：教育任务从 9.3% 上升到 12.4%，反映出学生和专业人士利用人工智能进行学习和研究。科学任务也同样从 6.3% 增加到 7.2%，这表明数据分析、模拟和假设检验的集成度不断提高。
一个显着的转变是“指导性”对话的兴起，用户将全部任务委托给克劳德，而不是进行迭代交流。这些面向自动化的交互从会话的 27% 跃升至 39%。在编码中，这表现为程序创建增加了 4.5 个百分点，调试请求减少了 2.9 个百分点，这表明用户在单次交互中更有效地实现了结果。这一趋势与人工智能的成熟相一致，可实现更高的自主性并减少对人类的需求日常流程中的监督。
地理差异不仅限于原始采用率，还包括使用的多样性和风格。在印度等 AUI 较低的国家，编码占互动的 50% 以上，远远超过约三分之一的全球平均水平，这表明在获得更广泛工具的机会有限的情况下，人们只关注技术应用。相反，高采用率地区则表现出更加多样化的投资组合：教育、科学和商业任务均占据重要份额，从而促进了生产力的全面提升。
在调整任务构成后，报告揭示了不同的协作模式。低 AUI 区域倾向于自动化，用户更频繁地将完整任务转移给人工智能。然而，高 AUI 区域倾向于增强——涉及学习、迭代和人类人工智能团队合作的模式——这可能会放大长期技能发展和创新。这种分歧引发了对公平的担忧：虽然自动化提高了资源有限环境中的效率，但富裕地区的自动化扩张可能会扩大知识差距和经济鸿沟。
转向企业环境，该报告提供了对 1P API 流量的前所未有的可视性，这代表企业和开发人员对 Claude 的编程访问。与基于聊天的 Claude.ai 不同，API 的使用揭示了专门的、可扩展的部署。编码再次占据主导地位，但 API 模式有所不同：它们在编码和办公室/管理任务方面表现出更高的集中度，而 Claude.ai 则偏向于教育和写作活动。这反映出企业优先考虑后端自动化而不是面向消费者的创造力。
自动化在 API 场景中盛行，占业务使用的 77%，而 Claude.ai 上这一比例约为 50%。编程接口有助于无缝集成到工作流程中，例如无需用户干预即可生成报告或处理数据。然而，报告指出，成本似乎并不是主要障碍；由于计算需求，经常使用的任务通常会产生更高的费用，这表明价格敏感性较低。相反，部署决策取决于模型功能和自动化特定功能的有形价值，例如减少高风险领域的体力劳动。
确定的一个关键瓶颈是上下文数据管理。对于复杂的企业应用程序（例如法律分析或供应链优化），人工智能的有效性取决于提供丰富的相关背景。该报告表明，许多公司在提供这种输入的数据现代化和组织重组方面面临障碍，可能会阻碍更广泛的采用。这些领域的投资可以释放人工智能在复杂领域的潜力，但它们意味着巨大的前期成本，特别是对于小型企业而言。
这些见解得到了报告数据集开源的支持，这是对透明度的承诺，邀请独立审查。该版本包括 Claude.ai 和 1P API 数据的任务级分类、协作细分以及消费者使用的地理详细信息。研究人员现在可以探索紧迫的问题：人工智能的采用如何影响当地劳动力市场？哪些政策可以使低采用率地区的接入民主化？任务成本是否会影响企业战略？哪些员工从自动化与增强中获益最多？
从历史上看，电气化和内燃机等变革性技术推动了现代经济增长，但最初加剧了全球不平等，正如经济学家罗伯特·戈登和兰特·普里切特的著作所记载的那样。人工智能面临类似的轨迹：如果生产率的提高主要集中在高采用率经济体，那么最近的增长趋同趋势（迈克尔·克雷默等人的研究证明了这一点）可能会扭转富裕国家和新兴国家之间根深蒂固的分歧。
在公司内部，任务采用的不平衡可能会重塑就业格局。自动化可能会取代编码或管理中的入门级角色，同时增加经验丰富的员工的组织知识，从而可能提高后者的工资。该报告引用了大卫·奥托（David Autor）等人关于技术扩散的研究，强调随着互补性创新的出现，早期的集中往往先于广泛的转型。
随着像克劳德这样的前沿模型不断发展，人类的分析到达了一个关键时刻。该报告的作者（由露丝·阿佩尔、彼得·麦克罗里和亚历克斯·塔姆金领导）强调，虽然技术进步是不可避免的，但社会成果取决于深思熟虑的选择。政策制定者可以通过基础设施投资、对发展中地区数据工具的补贴或将人工智能素养与人类技能相结合的教育计划来促进公平的机会。
与此同时，企业领导者一定会从尽早解决环境障碍中获益。通过现代化数据管道和 fo通过引导人与人工智能的协作，公司可以将人工智能从编码孤岛扩展到多样化的操作，从而提高竞争力。该报告关于价格敏感性较弱的调查结果表明，随着能力的进步，采用可能会加速，但需要有针对性的干预措施以确保包容性。
展望未来，Anthropic 计划持续监控这些模式，为驾驭人工智能的经济连锁反应提供经验基础。作为经济指数的第三部分，该版本通过 API 见解和全球粒度扩展了框架，强调了该技术的双重潜力：扩大繁荣或加深差距。
在结束语中，作者警告说，“变革性人工智能的经济影响将受到技术能力和社会做出的政策选择的影响。”历史表明，采用轨迹是可塑的——随着成熟、创新和有意部署而不断发展。今天的集中模式可能会扩大，跨部门和跨国界充分发挥人工智能的生产力潜力。然而，现在从公众倡导到企业战略的积极举措将决定人工智能是否会促进全球经济的趋同或分化。
该报告不仅阐明了当前趋势，还为利益相关者提供了数据驱动的工具来影响人工智能的发展轨迹。随着采用的加强，地理位置、企业需求和使用模式的相互作用对于利用人工智能实现公平增长至关重要。
