刚刚，Anthropic 公布了99%的人不知道的 Claude使用真相

刚刚，Anthropic 公布了99%的人不知道的 Claude使用真相 刚刚，Anthropic 公布了99%的人不知道的 Claude使用真相 Modified September 17, 2025 这个变化太值得玩味了。 你本来以为，AI 最能帮上忙的，不就是那些开会、写日报、算预算的事吗？为什么这些任务反而在 Claude 这边存在感变低了？ 我的理解是，这不是 AI 干不了，而是 传统管理任务太依赖“上下文关系” 。它不像一个公式、一个推导、一道题、有明确边界。 比如你让它改一封邮件、写一个教学案例、解释一个科研模型、翻译一份历史资料、设计一个英语单元测试……它干得就非常漂亮，而且你也没心理负担。 所以，Claude 越来越像是你团队里的「知识劳工」。 你不会让它去开会、去谈判、去做组织沟通，但你可以把你那堆「没人想干又不能不干」的硬知识工作一股脑甩给它。 它写得快、写得全、写得不像人（反而符合很多场合的要求），而你只需要最后润个色、签个名。 这才是 AI 偷走中产技能的真正方式。 人和 Claude 的关系，正在快速从“合作”变成“交办” 说实话，我看到这一段的时候，心里一紧。 因为 Anthropic 的这份报告，第一次用数据把我们和 AI 的关系变化勾勒得清清楚楚：从 2024 年 12 月到 2025 年 8 月，短短九个月， 用户「指令式交办任务」的占比，从 27% 飙到了 39%。 什么是指令式交办任务？——对话需要最少人力介入。 这个转变意味着什么？意味着你跟 Claude 说的，不再是“你觉得这段写得怎么样”，而是“你直接帮我改了”。 以前你跟 Claude 合作是有个过程的：你提个想法，它给点建议，你挑挑拣拣，然后一起来把活干完。现在不一样了，越来越多的用户直接上来就是一句：“你帮我写一篇电动车行业分析报告。” 指令型对话占比从 27% 急剧上升至 39%，其他交互模式（尤其是学习型、任务迭代和反馈循环）的占比因此略有下降。 这背后是用户对 AI 的信任度在上升。 AI 的任务区分为自动化（AI 在极少用户输入下直接产出成果）和增强（用户与 AI 协作完成任务）两类。自动化细分为指令型与反馈循环型交互——指令型对话需要最少人力介入，而反馈循环任务中人类需将现实结果回传模型。增强模式则细分为学习型（获取信息或解释）、任务迭代型（与 Claude 协同工作）及验证型（征求反馈意见）。 Anthropic 说，截至目前，Claude 所有对话中，“自动化”的比例已经从 49.1% 正式超过了“增强型协作”的 47%。这是 Claude 问世以来的第一次“换位”。 乍听之下，没什么大不了的。你甚至可能会想，这不正常吗？谁不想省点事儿，直接让 AI 做完就行。 但你仔细想，这个变化其实意味着： AI 第一次在“产出责任”上，开始接过了主权。 再往下看这份报告，Anthropic 做了一个我觉得很妙的交叉分析。他们去比了两个国家用 Claude 的方式：是用来协作的多，还是用来自动化的多。 这个结论一出来你就明白了： 人均用得越少的国家，越喜欢让 Claude 直接帮自己干活；人均用得越多的国家，越愿意和 Claude 合作。 什么意思？举个例子。 一个印度用户用 Claude 写代码，很可能是为了完成 Upwork 上的远程任务，越快交稿越好，Claude 写完他就拿去交了，不多问为什么。 但一个美国硅谷创业者用 Claude 写代码，往往是他先设计结构，Claude 帮他写基础版本，再一起调，Claude 相当于是他“虚拟团队”的一员，写完还要讨论是不是可以再精简、可读性够不够。 同样是“用 Claude 写代码”，一个是交付导向，一个是质量导向；一个是“用完即走”，一个是“共创闭环”。 你可以说是文化差异，但更底层的，其实是 对 AI“信任”和“使用习惯”的成熟程度差异 。 Anthropic 在报告里没有明说这件事的价值判断，但我们能看出来：越是经济成熟的国家，对 AI 的“信任方式”越像是在培养新同事，而不是指挥工具人。 未来，AI 在不同国家可能将走出完全不同的就业结构演化。 企业用 Claude 不是为了省钱？ 很多人误会 AI 这波，是从 ToC 开始烧起来的，是一群自由职业者、创作者、打工人先用起来的。 可 Anthropic 这次悄悄放出的企业端 API 数据，让我们看到了另一幅更冷静、更真实的图景：真正用 Claude 用得猛的，是企业。 报告提到，Anthropic 分析了 100 万条企业调用 Claude 的 API 数据，结果发现： 有 77% 的任务是「自动化模式」，而且其中绝大部分是「指令式」。也就是完全不给 Claude 反馈、不给它修正机会的直接输出型任务。 反过来看普通用户，Claude.ai 网页上的交互，自动化和增强型协作比例几乎五五开。 而且，当 Anthropic 把 API 调用中不同任务的平均 token 消耗量（也就是成本）和调用频率画成一张图，发现： 越是“贵”的任务类型，调用频率越高。 这听起来很反直觉，但数据确实这么说的。 比如，一份公司级别的长报告，可能要跑五六千 token，成本不便宜。可企业照样用 Claude 去跑，毫不心疼。 反而是那些便宜的、token 少的小任务，用得没那么多。 这说明， 企业不是冲着 AI 省钱来的，而是更在意 AI 能不能干活。 你现在再回头看这份《人类经济指数》，会发现它其实讲的不是 Claude，而是人。 人是怎么用 Claude 的，怎么信 Claude 的，怎么把工作丢给 Claude 的 。 这份报告没有提任何一个人的名字，但它写的，可能正是你的工作、我的同事、我们这一代人的某一个细小转折点。 你可能还没感觉到，但数据已经感觉到了。 这个变化太值得玩味了。 你本来以为，AI 最能帮上忙的，不就是那些开会、写日报、算预算的事吗？为什么这些任务反而在 Claude 这边存在感变低了？ 我的理解是，这不是 AI 干不了，而是 传统管理任务太依赖“上下文关系” 。它不像一个公式、一个推导、一道题、有明确边界。 比如你让它改一封邮件、写一个教学案例、解释一个科研模型、翻译一份历史资料、设计一个英语单元测试……它干得就非常漂亮，而且你也没心理负担。 所以，Claude 越来越像是你团队里的「知识劳工」。 你不会让它去开会、去谈判、去做组织沟通，但你可以把你那堆「没人想干又不能不干」的硬知识工作一股脑甩给它。 它写得快、写得全、写得不像人（反而符合很多场合的要求），而你只需要最后润个色、签个名。 这才是 AI 偷走中产技能的真正方式。 人和 Claude 的关系，正在快速从“合作”变成“交办” 说实话，我看到这一段的时候，心里一紧。 因为 Anthropic 的这份报告，第一次用数据把我们和 AI 的关系变化勾勒得清清楚楚：从 2024 年 12 月到 2025 年 8 月，短短九个月， 用户「指令式交办任务」的占比，从 27% 飙到了 39%。 什么是指令式交办任务？——对话需要最少人力介入。 这个转变意味着什么？意味着你跟 Claude 说的，不再是“你觉得这段写得怎么样”，而是“你直接帮我改了”。 以前你跟 Claude 合作是有个过程的：你提个想法，它给点建议，你挑挑拣拣，然后一起来把活干完。现在不一样了，越来越多的用户直接上来就是一句：“你帮我写一篇电动车行业分析报告。” 指令型对话占比从 27% 急剧上升至 39%，其他交互模式（尤其是学习型、任务迭代和反馈循环）的占比因此略有下降。 这背后是用户对 AI 的信任度在上升。 AI 的任务区分为自动化（AI 在极少用户输入下直接产出成果）和增强（用户与 AI 协作完成任务）两类。自动化细分为指令型与反馈循环型交互——指令型对话需要最少人力介入，而反馈循环任务中人类需将现实结果回传模型。增强模式则细分为学习型（获取信息或解释）、任务迭代型（与 Claude 协同工作）及验证型（征求反馈意见）。 Anthropic 说，截至目前，Claude 所有对话中，“自动化”的比例已经从 49.1% 正式超过了“增强型协作”的 47%。这是 Claude 问世以来的第一次“换位”。 乍听之下，没什么大不了的。你甚至可能会想，这不正常吗？谁不想省点事儿，直接让 AI 做完就行。 但你仔细想，这个变化其实意味着： AI 第一次在“产出责任”上，开始接过了主权。 再往下看这份报告，Anthropic 做了一个我觉得很妙的交叉分析。他们去比了两个国家用 Claude 的方式：是用来协作的多，还是用来自动化的多。 这个结论一出来你就明白了： 人均用得越少的国家，越喜欢让 Claude 直接帮自己干活；人均用得越多的国家，越愿意和 Claude 合作。 什么意思？举个例子。 一个印度用户用 Claude 写代码，很可能是为了完成 Upwork 上的远程任务，越快交稿越好，Claude 写完他就拿去交了，不多问为什么。 但一个美国硅谷创业者用 Claude 写代码，往往是他先设计结构，Claude 帮他写基础版本，再一起调，Claude 相当于是他“虚拟团队”的一员，写完还要讨论是不是可以再精简、可读性够不够。 同样是“用 Claude 写代码”，一个是交付导向，一个是质量导向；一个是“用完即走”，一个是“共创闭环”。 你可以说是文化差异，但更底层的，其实是 对 AI“信任”和“使用习惯”的成熟程度差异 。 Anthropic 在报告里没有明说这件事的价值判断，但我们能看出来：越是经济成熟的国家，对 AI 的“信任方式”越像是在培养新同事，而不是指挥工具人。 未来，AI 在不同国家可能将走出完全不同的就业结构演化。 企业用 Claude 不是为了省钱？ 很多人误会 AI 这波，是从 ToC 开始烧起来的，是一群自由职业者、创作者、打工人先用起来的。 可 Anthropic 这次悄悄放出的企业端 API 数据，让我们看到了另一幅更冷静、更真实的图景：真正用 Claude 用得猛的，是企业。 报告提到，Anthropic 分析了 100 万条企业调用 Claude 的 API 数据，结果发现： 有 77% 的任务是「自动化模式」，而且其中绝大部分是「指令式」。也就是完全不给 Claude 反馈、不给它修正机会的直接输出型任务。 反过来看普通用户，Claude.ai 网页上的交互，自动化和增强型协作比例几乎五五开。 而且，当 Anthropic 把 API 调用中不同任务的平均 token 消耗量（也就是成本）和调用频率画成一张图，发现： 越是“贵”的任务类型，调用频率越高。 这听起来很反直觉，但数据确实这么说的。 比如，一份公司级别的长报告，可能要跑五六千 token，成本不便宜。可企业照样用 Claude 去跑，毫不心疼。 反而是那些便宜的、token 少的小任务，用得没那么多。 这说明， 企业不是冲着 AI 省钱来的，而是更在意 AI 能不能干活。 你现在再回头看这份《人类经济指数》，会发现它其实讲的不是 Claude，而是人。 人是怎么用 Claude 的，怎么信 Claude 的，怎么把工作丢给 Claude 的 。 这份报告没有提任何一个人的名字，但它写的，可能正是你的工作、我的同事、我们这一代人的某一个细小转折点。 你可能还没感觉到，但数据已经感觉到了。 🔗 原文链接： https://mp.weixin.qq.com/s/laUEOM3t... https://mp.weixin.qq.com/s/laUEOM3t... 原创 R.Zen 夕小瑶科技说2025年09月15日 21:40 北京 就在刚刚，Anthropic 发布了一报告，名字听上去有点学术腔——《人类经济指数》。 但别被这个名字骗了，它是一份非常具体、非常当下的观察笔记，可以说和我们息息相关。 原文链接：https://www.anthropic.com/research/economic index geography 它首次系统披露了 Claude 在全球范围的使用分布与经济影响数据。 基于真实用户行为数据，围绕四个核心维度展开分析：国家级使用密度、州级使用强度、职业类别使用渗透率、使用后的工作方式变化趋势。 报告还配套上线了一个可交互的数据可视化网站： https://www.anthropic.com/economic index us usage 而且，这份报告并不像商业宣发那样只报喜不报忧，它说出了很多藏着剧变的小细节，包括： • AI 使用极不均衡，和收入水平强相关。 • Claude 问世以来的第一次任务“换位”：自动化 协作型。 • 越是发达，越更愿意和 AI 协作，而不是直接命令 AI。 • 企业不在乎钱，更在乎效果。 Claude 用在哪儿？ 这份报告最让我感兴趣的一点，是 Anthropic 不是停留在「总用户量」这种宏观数字上，而是把“谁在用 Claude”“怎么用 Claude”“用得有多深”这三个问题，拆成了几个非常具体的维度——按州、按国家、按人均、按任务类型、甚至按你是普通用户还是 API 客户，全部分开算。 然后你就能看到很多以前没法看见的东西。 比如，美国当然是 Claude 使用最多的国家，但你往下翻，第二名不是欧洲国家，而是印度；第三名是巴西，后面紧跟着的是日本和韩国。 看到这，你可能会说：“哦，那是不是经济越发达，用得越多？”结果你再看一个指标叫「AUI（Anthropic AI Usage Index）」，也就是 Anthropic AI 使用指数，它是用 Claude 的次数除以该国的劳动人口。 结果前几名完全变了：以色列、新加坡这些科技密集但国家不大的地方反而冲到了前排，说明什么？ 「使用密度」才是更敏感的信号。 这些国家的共通点是啥？教育水平高、互联网普及度高、经济以知识工作为主，不靠制造业。这就很合理了：Claude 这种模型，本质上就是个数字秘书、超级外包、自动化研究员。谁平时就靠脑力吃饭，谁就越容易用它干活。 如果你对技术传播史稍有了解，你会知道，每一次通用技术的扩散都伴随着两个后果：一是生产力暴涨，二是阶层断层。 工业革命让部分国家先制造出钢铁，电气革命让部分城市先点亮灯泡，信息革命让部分公司先拿到了全世界的用户数据。 这次 AI 也不例外。 Anthropic 干脆把 GDP per capita 和 AUI 拉出来做了一张图，发现两者几乎是线性正相关：人均 GDP 每上涨 1%，AI 使用指数就涨 0.7%。 你赚钱多，就能接触到更多任务，你的任务越标准化、越符合理性结构，Claude 就越发挥效能。 你可能会说：“那是国家之间的对比，美国内部应该就很均衡了吧？” 不，Anthropic 这次的还提供了美国各个州级的数据，恰好说明，美国内部的 Claude 使用分布，是一张再明显不过的经济地图。 用得最多的不是加州，也不是纽约，而是哥伦比亚特区（D.C.）——政府文件、研究报告、政策建议、法案审校，全是需要 AI 的活。 公务员们危了。。 你原本以为 AI 是来解决高难任务的，结果它最先接手的，全是这种“低感知、高消耗”的东西。 谁在用 Claude？ 过去大家提起 AI，第一反应是啥？ “写代码”。 这没错，程序员确实是最早一批“上 AI”的职业群体，Claude 刚出来那几个月，大模型的主要人设就是“你的副程”，能搭框架、能写逻辑、能补注释，甚至还能帮你骂 Review 你的那位同事。 Claude 在计算机和数学领域的应用，依旧占主导地位，约占对话总数的 37% 40%。但 Anthropic 这份《人类经济指数》给了我们一个非常鲜明的信号： AI 的任务结构已经悄悄发生了翻转。 不是说编程不重要了，而是说， 有些原本冷门的任务类型，正在突然崛起，抢走 Claude 越来越多的注意力 。 比如，教育任务。 2024 年底，教育类任务占所有 Claude 对话的 9%。到了 2025 年 8 月，已经涨到 13%，整整提升了 40% 以上，涨得比股市都狠。而且是连续 9 个月，每月都稳步上升。 这些活以前谁干？老师、助教、课研组。 现在，Claude 在做，而且做得悄无声息。 你甚至能从数据里看到“文理两开花”：不仅教育任务在涨，和自然科学、社会科学相关的任务占比也从 6% 涨到了 8%，是整整三分之一的增长。 说得通俗点就是： 越是靠知识吃饭的行业，越早在用 AI。 这跟我们以为的“AI 先干掉运营岗、客服岗”有点不一样。它还不是先从底部开始翻盘，而是 从学术性强、逻辑要求高、脑力密度大的地方开始渗透。 有个细节特别值得说。 Anthropic 在报告里指出，传统商业任务的比例在下降。比如，和管理相关的任务，从 5% 降到了 3%；金融、运营类任务从 6% 直接腰斩，变成了 3%。