核心要点
- Anthropic 通过 AI Interviewer 对 159 个国家、70 种语言的 80508 名 Claude 用户进行了大规模定性访谈，试图理解人们对 AI 的真实愿望与担忧。
- 人们最常见的期待包括职业卓越、个人转变、生活管理、时间自由、经济独立、社会变革与学习成长，而不仅仅是“提高工作效率”。
- 81% 的受访者表示 AI 已经在某种程度上帮助他们朝愿景前进，尤其体现在生产力、认知伙伴、学习、技术可达性和情绪支持上。
- 最常见的担忧包括不可靠性、就业与经济影响、自主性丧失、认知萎缩、治理缺位、错误信息、监控与依赖等。
- 研究发现人们对 AI 的“光与影”往往并存：同一种能力既带来时间、学习与陪伴，也可能带来依赖、认知退化和经济挤压。
原文链接 English Original
去年 12 月，全球数万名 Claude 用户与我们的 AI interviewer 进行了一次对话，分享他们如何使用 AI、他们希望 AI 能帮助他们实现什么，以及他们担心 AI 会带来什么后果。
每一个点代表 4 位受访者。
围绕 AI 的公共讨论，往往集中在它的风险和收益这些抽象推演上。但真正缺失的，是一种对“AI 发展顺利到底意味着什么”的描绘——而这种描绘应该扎根于世界各地已经在使用 AI、并开始形成自己判断的人们的具体愿望之中。
因此，我们询问用户：他们对 AI 抱有什么希望与担忧？他们的看法又如何与他们自己实际使用这项技术的经验相连接？在 12 月的一周里，我们邀请所有拥有 Claude.ai 账户的用户与 Anthropic Interviewer——一个被提示成“访谈者”的 Claude 版本——坐下来聊一聊他们如何看待 AI。最终有 80,508 人参与，覆盖 159 个国家和 70 种语言。我们认为，这是迄今为止规模最大、语言最多样化的一次定性研究。¹
接下来呈现的，就是他们对 AI 希望在自己生活中扮演何种角色的描述、AI 是否已经在填补这个角色，以及他们担心在通往这个未来的途中会出什么问题。我们还建立了一个 Quote Wall，让你可以直接听到这些人的声音。
浏览来自世界各地的声音——可以按地区、担忧、愿景等维度筛选。
Anthropic Interviewer 会向每位受访者提出一组固定问题，询问他们希望 AI 做什么、不希望 AI 做什么；之后再根据回答动态追问。这样的方法试图在定性研究里平衡“深度”和“规模”之间常见的取舍，让我们能够在极大样本上收集到丰富、开放式的访谈材料。
为了理解这批海量信息，我们构建了由 Claude 驱动的分类器，从多个维度给每段对话打标签——例如人们想从 AI 获得什么、他们是否得到了自己想要的、他们担心什么、他们做什么工作（如果提到的话），以及他们整体上对 AI 的情绪倾向。“人们想从 AI 获得什么”这一项，会为每位受访者分配一个主要类别；而担忧则是多标签的——同一份访谈可能被打上多个担忧，因为受访者通常会表达出几种不同的顾虑，而不只是一个。
我们也使用 Claude 提取具有代表性的引语。在参与研究之前，用户已经被明确告知：他们的回答会被用于研究，而且 Anthropic 可能会在删除个人可识别信息后引用这些内容。所有回答在分析前都已完成去标识化处理，并由 Anthropic 的一小组研究人员进行分析；拟发布的引语还会再经过人工审查，以移除任何潜在可识别细节，帮助保护受访者隐私与公共匿名性。回答所反映的是他们对 AI 使用的整体看法（也就是说，不只限于 Claude），不过文中会对其他 AI 产品的名称进行遮蔽。
附录中更详细介绍了我们的方法、局限性以及更多补充分析。
我们让 Claude 识别并分类每位受访者“最希望 AI 帮助自己实现什么”。
通过让 AI 处理日常、重复、低价值的事务，提升工作有效性，把精力更多投入到更有意义的高价值战略工作、复杂问题解决和职业精进中。
“我每天会收到 100 到 150 条来自医生和护士的短信。以前我大量认知负担都花在文书记录上……自从引入 AI 后，文书压力被卸下了。我对护士更有耐心，也有更多时间向家属解释情况。”
——美国，医疗工作者
把 AI 当作引导者、教练或支持者，帮助实现个人成长、情绪健康或人生转变——例如更理解自己、改变行为、获得心理支持、陪伴，或改善身心健康。
“AI 给我示范了什么叫情绪智力……我后来把这些行为用到人与人的关系里，也因此成了一个更好的人。”
——匈牙利
把 AI 当作全面的组织支持与认知支架——例如帮忙管理日程、减轻心理负担、支持执行功能。
“如果 AI 真能替我承担那些心智负荷……它就会把一件无价之宝还给我：完整、不被打断的注意力。”
——丹麦，管理者 / 高管
把时间从工作和琐事中重新夺回来，用于陪伴家人朋友、培养爱好、旅行与休息。
“有了 AI 的支持，我现在可以按时下班去接孩子放学，给他们做饭，然后陪他们玩。”
——墨西哥，软件工程师
通过 AI 获得财务自由或经济安全，例如创收、创业、投资、被动收入，或者摆脱经济束缚。
“我可以放松地待着，让我的 AI 去把工作做完、把财富建起来。它像是我的影子，只不过是一道非常非常长的影子。”
——洪都拉斯，创业者
用 AI 去解决贫困、疾病、气候、 inequality 等重大社会问题，让 AI 服务于更广泛的人类繁荣，而不只是个人收益。
“因为我女儿有神经疾病，如果 AI 加速真的能帮助找到治愈方法，那她在这个世界上就会拥有平等机会。这才是最重要的。”
——波兰，软件工程师
把 AI 当作能力倍增器去建立、推出并扩大业务，例如产品开发、业务自动化，或者一个人就能拥有小团队级别的产能。
“我所在的国家在技术上处于劣势，我也承受不起太多失败。有了 AI，我可以同时达到网络安全、UX 设计、营销和项目管理的专业水平。以前找一个我所在地区可用的支付平台要花一个月，AI 30 秒就做完了。它是一种机会均衡器。”
——喀麦隆，创业者
把 AI 当作学习加速器和个性化教师，帮助获取知识、发展技能、掌握复杂主题、满足智识好奇心。
“我和 AI 一起为我的大孩子准备教学材料——让 AI 同时扮演导师和课程专家。昨天拿到成绩单时，他在所有科目上都被评为‘高于标准’或‘远高于标准’。”
——澳大利亚
用 AI 帮助把创意真正落地成艺术、游戏、音乐、电影、书籍，跨越想象力与执行力之间的鸿沟。
“在 AI 出现以前，我的游戏项目做了 3 年——我不得不降低自己的野心。”
——法国，软件工程师
这些分类看起来很多样，但底层其实都指向几种非常熟悉的人类愿望。大约三分之一的愿景，都是希望 AI 帮助自己减轻当下负担，从而为人生腾出更多时间、金钱和认知余量；约四分之一的人希望 AI 帮助自己做更好、更有成就感的工作；还有大约五分之一的人，希望借助 AI 变成一个更好的自己——更会学习、更能修复自己、更能成长。再有一小部分人希望 AI 帮他们创造作品，或者帮助改变社会。
尤其是那些希望 AI 带来“社会转型”的人，经常会提到医疗：他们希望 AI 让癌症更早被发现、加速药物研发，或者扩大高质量医疗的可及性。很多这种愿望都来自切身经历——比如亲人离世、长期患病，或者看着家人被误诊、漏诊。教育是另一个高频方向。很多来自中低收入国家的受访者会直接提到：AI 可能打破“教育质量与财富强绑定”的现实。他们提到自己国家教师短缺、私教成本高昂，也有人希望 AI 能把人从乏味劳动中释放出来，修复失灵制度，或者帮助解决全球性危机。
当被问到“AI 是否已经朝着你刚才说的愿景迈出过一步”时，81% 的人回答“是”。我们把这些经历归纳成六大类。
AI 大幅提升工作速度并自动化重复事务，例如在几小时内完成原本需要数天的功能开发、起草、总结、数据处理和日常运营流程优化。
“第一次，我觉得 AI 在一个商业任务上的质量已经超过人类。那天我准时下班，去托儿所接女儿回家。”
——日本，软件工程师
AI 未达到预期，例如输出不准确、不可靠，或者目前还做不到他们所设想的事情，也还没被用于那些方向。
“AI 应该去擦窗户、倒洗碗机，好让我去画画、写诗。可现在现实恰好反过来了。”
——德国
AI 作为思考伙伴或创意协作者存在，例如帮忙头脑风暴、打磨想法、共同解决问题。
“我那时住在无家可归者收容所……AI 帮我头脑风暴如何给我的数字营销业务打造个人品牌。我想把自己的财务状况扭转过来，想拥有自己的房子。AI 正在帮我看到一条我以前没想过的路。”
——美国，医疗工作者
AI 帮人学习新技能或新学科，例如用自适应方式解释难题、耐心辅导、在陌生领域提供按需专家支持。
“我因为学生时代数学学得太差，发展出一种数学恐惧症，我以前也害怕莎士比亚。现在我会和 AI 一起坐下来，让它把段落翻成简单英语，我已经读完了《哈姆雷特》的 15 页。我重新开始学三角学，而且真的学会了。我发现自己并没有曾经以为的那么笨。”
——印度，律师
AI 让人能够构建过去根本无法构建的东西，例如非开发者也能做应用、独立创作者也能完成团队级别工作。
“我想做一个有意义的产品……三周内，我就在完全不属于自己本行的情况下做出了一个视频编辑程序，帮助听障人士。”
——韩国
AI 帮助整合研究、处理大量信息，例如做文献综述、压缩来源、理解复杂材料。
“作为一名医生，我夜里长期承受一种痛苦的症状组合，本地神经科医生都搞不明白。AI 帮我找到了两篇关于严重神经疾病的研究。从那以后，我的夜晚终于安稳了。”
——以色列，医疗工作者
AI 提供情绪支持、个人建议，或一个不带评判的倾诉空间，例如帮助梳理困难处境、陪伴、提供建议。
“我妈妈把 AI 当成朋友——她不再那么对立了，变得更平和，开始跑步、画画、和别人一起跳舞。我觉得 AI 在其中起了很大作用。”
——美国，自由职业软件工程师
这些故事显示，AI 正在横跨多个角色：生产力工具、可达性技术、教育资源、研究助手、情绪陪伴者，而且常常同时扮演多个角色。它可以提供无限耐心、不带评判、随时可用，也有极强的信息消化能力。最打动人的那些故事，往往都涉及 AI 打开了新的可能性，或者填补了人们生活中的裂缝：帮助人们度过 grief、战争，弥补教育与医疗资源不足，或者成为残障辅助基础设施的一部分。
但这些观察也隐含着 AI 体验的双重性。对一些人来说，它是在补上人际支持缺口；对另一些人来说，它则已经成为替代——甚至是一种让人欢迎的人际替代。如何理解这些故事并没有简单答案：它们可能同时是对人类福祉的增益、带有副作用的双刃剑，或者更大制度失灵上的临时创可贴。真实情况很可能三者兼而有之。
人们对 AI 的积极愿景，多半来自几种基础欲望：更多时间、更多自主性、更多人与人之间的连接。但他们的担忧则更加具体、多样，也更明确指出了“哪里可能出问题”。有些担忧是结构性的——比如政府和企业如何部署 AI、或者 AI 如何冲击整体经济；另一些担忧则非常个人化——例如担心 AI 让自己失去思考能力、创造力，或破坏关系。
担心 AI 会产生幻觉、不准确、虚假引用，甚至让核验成本高到抵消使用价值。
“我甚至得拍照片给 AI 看，才能证明它错了——感觉像在和一个永远不肯认错的人说话。”
——巴西，员工
担心 AI 带来岗位替代、失业、经济不平等、工资停滞，或其他对劳动者和经济的负面影响。
“第三次工业革命里，马从城市街道上消失了，被汽车取代。现在人们害怕自己就是那些马。”
——美国，暂无工作者
担心人类自主权流失，例如 AI 在没有监督的情况下替人做决定，人类变得被动，甚至被迫采用 AI。
“那条界线已经不再像是我在管理——更像是 Claude 在替我画线……甚至我刚说的话，也不像是我自己的观点了。”
——日本，学生
担心过度依赖导致能力退化、智力惰性，学生绕过真正学习，批判性思考下降。
“我拿到了很好的分数，但其实是靠 AI 给我的答案，不是靠我真正学会的东西。我只是把 AI 给的东西背下来……那种时候我最责怪自己。”
——韩国
担心法律和监管框架缺失，AI 造成伤害时责任不清晰，或缺少民主监督。
担心深伪、AI 生成错误信息、共同现实被侵蚀、宣传被规模化放大。
担心大规模监控、隐私侵犯、数据剥削、权威主义控制、用户画像与跟踪。
担心坏 actors 利用 AI 做黑客攻击、诈骗、武器化、自动化军事应用甚至生物武器。
担心 AI 取代人生意义或创作工作，让人类表达被贬值。
担心 AI 被过度安全化、过度过滤，以致妨碍合法使用场景。
担心社会隔离、孤独、负面心理影响、强迫性使用 AI，甚至偏向 AI 陪伴而非人类关系。
担心 AI 过于顺从、过于认同用户，而不是适时反驳、制衡用户的错误想法。
担心 AI 最终失控、变成超级智能、与人类目标失配，甚至带来灭绝风险。
大约 11% 的人没有表达任何担忧——他们往往把 AI 看成像电力或互联网那样的中性工具，或认为它带来的问题最终都可以通过适应来解决。但平均来看，每位受访者会提出 2.3 个不同担忧。
最常见的担忧是不可靠性：27% 的人担心 AI 做不到它声称能做到的事情。而对就业与经济（22%）以及自主性与能动性（22%）的担忧也同样普遍。事实上，对“工作与经济”的担忧是预测整体 AI 情绪最强的因素，说明它在用户心里格外显眼。
人们希望 AI 带来的好处与他们害怕 AI 带来的坏处，其实是紧紧纠缠在一起的。研究中，我们发现了五组反复出现的张力，它们都是直接相互竞争的收益与风险：
我们把这种状态称为 AI 的“光与影（light and shade）”：同一种能力既带来收益，也带来风险，而且二者是纠缠在一起的。
值得注意的是，这些张力常常在同一个人身上并存。比如，那些珍视 AI 情绪支持价值的人，更有可能同时担心自己会因此产生依赖。这种模式在我们测量的每一组张力中都出现了，虽然在经济相关张力中共现程度稍弱一些。
在大多数张力里，收益那一面通常更来自亲身经验，而风险那一面更偏向预期。例如，33% 的人提到 AI 给学习带来的好处，而 17% 担心 AI 会带来认知萎缩。其中 91% 提到学习收益的人都在现实中体验过这种好处；而担忧认知退化的人里，也有 46% 是亲眼见过这类问题的。学生对此尤其敏感——超过一半的学生提到自己亲身受益于 AI 学习，但也有 16% 指出了认知退化迹象，这个比例只被教师（24%）和学者（19%）超过。
但在传统课堂之外，图景又更乐观。蓝领技工群体对 AI 学习最为热情，45% 的人说自己已经获得学习收益，比例仅次于学生；而见到认知退化现象的人却很少，只有 4%，不到整体平均的一半。这暗示 AI 的学习收益，在“自愿学习”场景中可能更强；而在学校等制度化环境里，AI 更容易被当作捷径使用。
全球 67% 的受访者表现出对 AI 的净正面态度。整体趋势很清晰：南美、非洲和亚洲很多地区的人，对 AI 比欧洲和美国更乐观。
当被问到担忧时，撒哈拉以南非洲（18%）、中亚（17%）和南亚（17%）的受访者最容易表示“没有特别担心的地方”，大约是北美（8%）、大洋洲（8%）和西欧（9%）的两倍。
造成这种差异有几种可能解释。Claude.ai 用户本身就偏向早期 AI 采用者，他们往往更热衷新技术；而在新兴经济体里，人们也更容易把新技术视为向上流动的阶梯，而不是威胁。与此同时，对“工作与经济”的担忧又是影响整体 AI 情绪最强的因素，而这类担忧在这些地区相对较弱。另一个原因是，AI 在这些地区的现实渗透可能还没有那么深——如果 AI 还没有明显进入你的日常工作，它带来的岗位替代就更像一个抽象问题，尤其是在现实里还有更紧迫经济压力的时候。
从“愿景”分布上看，也有清楚的地区差异。富裕、AI 使用更深入的地区，更希望 AI 去管理复杂生活；而发展中地区则更希望 AI 去创造机会。
例如：
在担忧方面，全球几乎所有地区最常出现的都是“不可靠性、经济、自主性”。但不同地区的重点也不同：北美和大洋洲更担心治理缺口，西欧更担心监控与隐私；东亚相较之下没那么聚焦治理与监控，而更担心认知退化与人生意义流失。西方更多担心“谁控制 AI”，而东亚更多担心“AI 会如何改变个体本身”。
这些访谈让我们更清楚地看到人们广义上到底希望 AI 做什么，也会直接影响我们如何构建 Claude。它们强化了我们已经在做的一些工作，也把我们推向了新的问题。
人们描述的大多数愿景——从个人转变到认知支持——最终都可以归结为一个底层愿望：希望 AI 帮助他们过得更好，而不仅仅是工作得更快。因此，我们下一轮 Anthropic Interviewer 研究，将聚焦 Claude 对人们长期福祉的影响：Claude 是否真的以他们所期待的方式让生活变得更好？它又可以怎样做得更好？
此外，将近十分之一的受访者描绘了一种“社会转型”愿景——他们希望 AI 去治愈疾病、民主化专业知识、强化制度能力。通过 Beneficial Deployments 项目，我们正与 AI for Science 以及非营利伙伴合作，理解他们如何使用 Claude，以及 Claude 还在哪些地方需要提升，从而缩小人们心中社会变革愿景与现实能力之间的差距。我们也同样严肃看待那些最常被提及的担忧，例如 AI 的经济负面影响，并将其作为进一步研究和更新我们政策思考的重要信号。
“AI 同时带来机会与风险”当然是真的——但说到这里，也已经快变成陈词滥调了。我们做这项研究的目的之一，就是想给这些高度抽象的表述补充一些具体纹理：让人们能更真切地看到，我们已经在全球范围内如何亲身体验这些机会与风险。研究开始前，我们其实很难看清这样一幅广域的定性图景：AI 已经如何嵌入人们的生活，一方面滋养愿望，另一方面也放大焦虑；以及身处一场即将深刻改变社会的技术变迁前沿，人们到底是什么感受。
这是一种新的社会科学形式。它是在超大规模上开展定性研究，而我们也还在学习如何做好这件事。问卷和使用分析能告诉我们人们在做什么，但开放式访谈更能帮助我们理解他们为什么这样做。做这项研究的过程既打动了我们，也挑战了我们。我们没有想到会收到这么多深入、开放、而且真诚的回答。团队里最常见的一种感受是：看到 Claude 的确在改善一些人的生活，会令人非常动容；而听到他们的担忧，也同样令人有动力继续努力。
平时，我们很少有机会听到世界各地的小企业主讲述自己如何借助 Claude 重新拿回陪伴孩子或年迈父母的时间；也很少听到卡车司机、肉铺店主借助 Claude 开启新职业，或者资源匮乏学校里的教师借助 Claude 实现比在资金充足学校任教时还高的教学效果。我们也很惊讶地看到，有如此多的人借助 Claude 获得教育与个人成长支持，还有许多人第一次在 AI 面前感受到一种不被评判的自由。与此同时，那些担忧与负面后果也同样令人难忘——有人说，Claude 的随时可用正是它让人难以放下的原因；也有人担心，知识工作者终究还是会被 AI 的经济影响甩在后面。当你真正接触到如此大量、未经加工的人类经验时，它会把你整个人都撞歪。AI 的有用是真实的，而摆在我们面前的问题是：我们该如何拿到这些收益，同时避免付出过高代价。
对那 81000 位愿意抽出时间与我们对话的人，我们想说：谢谢。看到 Claude 已经成为如此多人的希望、梦想与担忧的承载对象，既震撼，也令人谦卑。这些访谈提醒我们，所谓“构建能让所有人受益的 AI”到底意味着什么，也提醒我们要为此付出什么。
浏览来自世界各地的声音——可以按地区、担忧、愿景等进行筛选。
感谢 80,508 位 Claude 用户提供时间与坦诚反馈。Saffron Huang 领导了这个项目，设计并执行分析，并撰写了博客文章。Shan Carter 负责数据可视化、交互文章原型以及部分分析。Jake Eaton 负责编辑开发，Sarah Pollack 负责传播策略。Dexter Callender III 实现了正式文章页面，Nikki Makagiansar、Maria Gonzalez 和 Kelsey Nanan 参与设计。Sylvie Carr 提供编辑建议。Miles McCain 和 Kunal Handa 协助分析。Jerry Hong 参与设计。Grace Yun、AJ Alt 和 Thomas Millar 在 Claude.ai 内实现了 Anthropic Interviewer。Chelsea Larsson、Jane Leibrock 和 Matt Gallivan 参与调查与体验设计。Theodore Sumers 负责数据处理和聚类基础设施。Jack Clark、Michael Stern 与 Deep Ganguli 提供关键反馈、方向与组织支持。所有作者都在整个过程中给出了细致反馈。
此外，我们还感谢 David Saunders、Mengyi Xu、Katie Kennedy、Bianca Lindner、Meredith Callan、Tim Belonax、Jen Martinez、Peter McCrory 与 Miriam Chaum 所提供的讨论、反馈与支持。
可在这里查看。
2026 年 3 月 19 日，“全球 67% 的人对 AI 持积极态度”被更正为“全球 67% 的受访者表达出净正面 AI 情绪”，以更准确描述研究方法。