Anthropic AI 經濟指數萬字報告：自動化交易工作流頻率翻倍，Claude 正從工具變生活助理

Anthropic 經濟指數最新報告分析 2026 年 2 月 Claude 的使用情況，發現 Claude.ai 的使用場景持續多元化，平均任務薪資水準略有下降。本文源自 Anthropic 發布之研究報告，由動區動趨翻譯、編輯。 （前情提要：Anthropic 上線 AI 衝擊儀錶板：輸入職業，秒查你的工作被 AI 吃掉多少？） （背景補充：CZ：美國加密交易費用太高了，邁向加密之都路上仍缺乏競爭）   Anthropic 經濟指數運用我們的隱私保護資料分析系統，追蹤 Claude 在整體經濟中的使用情況。這是我們盡早理解 AI 經濟衝擊的努力之一，以便研究人員與政策制定者有充裕時間做好準備。 本期最新報告研究 2026 年 2 月的 Claude 使用情況，以我們前一份報告（採用 2025 年 11 月資料）所建立的經濟基本框架為基礎加以延伸。我們的樣本涵蓋 2 月 5 日至 2 月 12 日，距 Claude Opus 4.5 發布三個月後，並與 Claude Opus 4.6 的發布時間重疊。 我們首先記錄使用情況相較前份報告的變化：擴增型互動（即 AI 輔助使用者能力的協作互動）的比例在 Claude.ai 和 API 流量中均略有上升。在 Claude.ai 方面，使用場景趨於多元，前 10 大任務佔整體使用量的比例，低於 2025 年 11 月時的水準。由於這種多元化，Claude.ai 上平均對話所對應的任務薪資水準略低於前份報告。 接下來，我們聚焦於影響 Claude 對勞動市場及更廣泛經濟影響的一項重要因素：Claude 採用過程中的學習曲線。我們提供證據，顯示高資歷使用者已發展出得以更有效運用 Claude 能力的使用習慣與策略。確實，我們的資料顯示，更有經驗的使用者不僅會嘗試更高價值的任務，在對話中也更可能獲得成功的回應。 自前份報告以來的變化 在第一章中，我們重新審視 2026 年 1 月發布的前一份經濟指數報告的研究發現。我們得出以下結論： Claude.ai 的使用場景趨於多元。程式碼撰寫任務持續從 Claude.ai 的擴增型使用，向我們第一方 API 流量中更自動化的工作流程遷移。本報告中，Claude.ai 的使用集中度下降：前 10 大任務在 2 月份佔整體流量的 19%，低於 11 月份的 24%。儘管如此，本樣本中幾乎所有任務在我們前一份樣本中均曾出現過。約 49% 的職業已有至少四分之一的任務藉助 Claude 完成。 Claude 的採用範圍擴充套件至薪資較低的任務。隨著使用場景多元化，以相關職業美國勞工薪資衡量的 Claude 平均工作經濟價值略有下降。此現象在機制上源於體育、商品比較、居家維修等個人性查詢的增加。這一模式與標準「採用曲線」的敘事一致——早期採用者偏重程式碼撰寫等特定高價值用途，而後期採用者則涵蓋範圍更廣的任務型別。 全球使用不平等持續存在。使用量仍高度集中：前 20 個國家佔所有人均使用量的 48%，高於前一份報告的 45%，凸顯全球採用差距持續存在。然而，Claude 的人均使用量在美國境內持續收斂：自前份報告以來，使用量前 10 名州份的佔比從 40% 降至 38%。 學習曲線 經濟指數的一項核心發現是：Claude 的早期採用極不均衡——在高收入國家使用更為密集，在美國境內則集中於知識工作者較多的地區，且僅涉及相對少數的專業任務與職業。 一個重要問題是，採用的不平等可能如何決定 AI 的收益流向何處、惠及何人。舉例而言，若有效使用 AI 需要互補性技能與專業知識（這是我們在前份報告中所主張的論點），且此類技能可透過使用與實驗加以習得，那麼早期採用的收益可能會形成自我強化的迴圈。 在第二章中，我們探討使用者如何塑造自身從 Claude 獲取的價值：他們如何將模型能力與當前任務相匹配，以及使用模式與成效如何隨平台使用經驗的累積而改變。 模型選擇與任務相匹配。我們發現，使用者傾向於為在勞動市場中通常獲得較高薪資的任務選用我們最智慧的模型系列——Opus。例如，在付費的 Claude.ai 使用者中，Opus 在程式碼撰寫任務上的使用率比平均值高出 4 個百分點，在輔導相關任務上則低於平均值 7 個百分點。這一模型選擇模式在 API 中表現得更為明顯。 長資歷使用者轉向工作任務。在 Claude.ai 上使用時間較長的使用者，更多地將 Claude 用於工作。高資歷的 Claude.ai 使用者（在平台使用 6 個月以上）將 Claude 用於工作的可能性高出 7 個百分點，且使用 Claude 處理的任務所需教育程度也更高。 從做中學習。高資歷使用者在與 Claude 的對話中更能獲得成功。具體而言，即使在控制任務型別或地理因素後，他們成功完成對話的可能性仍高出 3 至 4 個百分點。 第一章：自前份報告以來的變化 Claude.ai 使用場景的多元化 我們透過將每次對話對應至美國勞工統計局職業資訊網路（O*NET）中的任務，來研究 Claude 所執行的任務型別。這一對應採用隱私保護方法論，使我們能夠描述整體行為，而無需暴露個別對話記錄。 我們從兩個平台各抽取一百萬次對話樣本：Claude.ai（我們的消費者介面）以及第一方 API（我們的開發者平台）。 程式碼撰寫仍是我們平台上最常見的使用場景，與電腦及數學職業相關的任務佔 Claude.ai 對話的 35%。 在 2025 年 11 月至 2026 年 2 月之間，Claude.ai 的任務集中度有所下降：前 10 大 O*NET 任務在 2 月份佔對話的 19%，低於 11 月份的 24%。這一下降部分源於程式碼撰寫任務向第一方 API 遷移，Claude Code 的代理式設計將程式碼撰寫工作拆分為許多獨立的 API 呼叫。儘管程式碼撰寫在 API 中的比重有所增加，但各任務類別的整體分布仍相對穩定。 這一遷移僅能解釋集中度下降的部分原因。使用場景的組成也發生了變化：課業...