摘要
- Anthropic 提出五项"经济基元"指标（任务复杂度、技能水平、使用目的、AI 自主程度和成功率），用于系统追踪 Claude 对经济的影响
- AI 对高复杂度任务的加速效果更为显著：大学水平的任务可获得约 12 倍加速，高中水平约为 9 倍
- AI 不成比例地承担了更高技能的任务，可能导致部分职业出现"去技能化"效应
- 经调整后，Claude 带来的年生产率增长约为 1.0-1.2 个百分点，有望使美国生产率恢复到 1990 年代末的水平
- AI 的采用在地理和职业分布上仍呈集中态势，但正逐步向更广泛的范围扩散
文章信息
- 来源： Anthropic Research
- 发布日期： 2026-01-15
- 原文： English Original
Anthropic 第四份经济指数报告引入了"经济基元"（economic primitives）的概念——五项基础度量指标，旨在长期追踪 Claude 的经济影响。这五项指标包括：任务复杂度、技能水平、使用目的、AI 自主程度和成功率。
本次分析基于 2025 年 11 月的对话数据，主要使用 Claude Sonnet 4.5 模型，探讨了生产率提升、工作转型以及 AI 应用是否可能降低特定职业技能要求等问题。
研究表明，AI 对更高难度工作的加速效果更为显著。需要大学教育水平（16 年学校教育）的任务在 Claude.ai 上可获得约 12 倍的加速，而高中水平（12 年）的任务则为约 9 倍。API 用户获得的加速效果更大。
复杂任务的成功率略有下降——大学水平任务为 66%，而较简单任务为 70%——但加速收益远超这一成功率的降幅。
Claude 在持续约 3.5 小时（API）和约 19 小时（Claude.ai）的任务上可达到 50% 的成功率，而 METR 基准测试的对应数值为 2 小时。这一差异反映了用户分解问题的能力以及对可行任务的选择偏差。
较富裕国家主要将 Claude 用于工作和个人用途，而较低收入国家则集中于教育应用。这一采用模式与经济发展阶段相吻合，也与微软的研究结论一致。
将各期报告数据汇总后，任务覆盖率从 2025 年 1 月的 36% 上升至 11 月的 49%。然而，考虑成功率后可以看出，AI 对不同岗位的影响并不均衡——数据录入员和放射科医生面临的 AI 替代风险高于教师和开发人员。
Claude 不成比例地承担了更高技能水平的任务，这些任务要求的教育年限为 14.4 年（相当于副学士学位水平），而整体经济的平均值为 13.2 年。移除这些任务将降低技术写作、旅行服务和教学等职业的复杂度——这是一种潜在的"去技能化"效应。
在考虑任务可靠性后对此前的预测进行调整：
这些数字虽低于最初 1.8 个百分点的估计，但仍有望将美国生产率恢复到 1990 年代末的水平。
集中化：排名前十的工作任务占 Claude.ai 使用量的 24%，高于此前的 21%。
自动化与增强：增强型用途（52%）目前超过了自动化用途（45%），扭转了 2025 年 8 月的格局，但从长期趋势看自动化占比仍在增长。
地域扩散：美国各州对 Claude 的采用正趋于均衡；按当前趋势，预计在 2-5 年内实现全国范围的均等化。
AI 的采用在地理和职业分布上仍呈集中态势。经济基元框架提供了可量化的基准，用于追踪能力提升如何转化为实际劳动力市场变化——尤其是当任务从消费者平台向商业应用迁移之际。