Anthropic 经济指数报告：学习曲线 https://www.anthropic.com/research/economic-index-march-2026-report
Anthropic 经济指数通过一种保护隐私的数据分析系统，追踪 Claude 在经济中的使用情况。这是我们理解 AI 经济影响的重要组成部分，旨在让研究人员和政策制定者能够尽早做好准备。
本报告基于 2026 年 2 月的数据，延续了我们上一份报告（基于 2025 年 11 月数据）提出的“经济原语（economic primitives）”分析框架。样本时间为 2 月 5 日至 2 月 12 日，时间点处于 Claude Opus 4.5 发布三个月之后，同时也是 Claude Opus 4.6 发布期间。
我们首先观察使用模式的变化：
增强型使用（augmentation）略有上升
即 AI 作为辅助工具增强人类能力的协作模式，在 Claude.ai 和 API 中都有小幅增长。
Claude.ai 使用场景更加多样化
前 10 大任务占比从 24%（2025 年 11 月）下降至 19%（2026 年 2 月）
使用不再集中于少数高频任务
任务平均“经济价值”下降
由于更多用户开始使用 AI 进行：
👉 这一趋势符合典型的“技术采用曲线”：
早期用户偏向高价值任务（如编程），后期用户扩展到更广泛的日常场景。
全球使用集中度仍然较高
前 20 个国家占全球使用量的 48%（此前为 45%）
美国内部趋于均衡
使用量最高的 10 个州占比从 40% 降至 38%
👉 说明：
报告的核心发现之一是：
AI 的使用能力具有明显的“学习效应”
高使用时长用户（≥6个月）：
👉 这可能来自：
用户会根据任务复杂度选择不同模型：
Opus（最强模型）更多用于高价值任务
编程任务：高于平均 +4%
教育任务：低于平均 -7%
API 用户更明显
对任务复杂度的响应强度约为 Claude.ai 用户的 2 倍
👉 结论：
用户已经开始形成“成本—性能优化”的使用策略。
高资历用户的特征：
更倾向：
任务迭代（iteration）
与 AI 协作（而非直接命令）
更少使用：
指令式自动化（directive automation）
使用结构变化：
工作用途 ↑
但同时发生了重要迁移：
👉 编程任务正在从 Claude.ai 转向 API
原因：
结果：
| 平台 | 变化 |
|---|---|
| Claude.ai | 任务更分散 |
| API | 编程占比上升但分散到多个任务 |
| 类型 | 变化 |
|---|---|
| 课程作业 | 19% → 12% |
| 个人用途 | 35% → 42% |
原因：
Claude.ai：
增强型使用 ↑（验证、学习类交互增加）
API：
自动化显著下降（但仍以自动化为主）
平均任务价值：
$49.3 → $47.9 / 小时
原因：
其他变化：
所需教育年限：
12.2 → 11.9 年
人类独立完成时间：
减少约 2 分钟
AI 自主性：
增强
👉 总体趋势：
任务略微“降复杂化”
增长显著的两类工作流：
美国：
使用趋于均衡
预计 5–9 年达到均衡（此前 2–5 年）
全球：
使用更加集中
使用时间每增加 1 年：
输入复杂度 ≈ +1 年教育水平
控制变量后仍成立：
高资历用户成功率：
+3%（同任务）
👉 关键结论：
成功率提升并非来自任务差异，而是使用能力本身提升
更有经验的用户：
👉 这支持：
“边用边学（learning-by-doing）” 是 AI 生产力的核心驱动力
报告指出一个重要风险：
技能偏向型技术变革（Skill-biased technological change）正在发生
表现为：
高技能用户：
更容易获得 AI 增益
同时也更容易被 AI 影响
低技能用户：
使用效果较差
👉 这可能导致：
AI 加剧收入与能力不平等
AI 的价值不只是模型能力，而是“用户学习曲线”——谁更快学会用 AI，谁就获得更大收益。
如果你需要，我可以帮你把这篇报告重写成一篇更“36Kr / 技术媒体风格”的深度分析稿，或者提炼成一页 PPT/投资观点。