美国用 Claude 最多的五个州，只占38%的劳动年龄人口，却用掉了近一半的量。电脑和数学类岗位的人占比每高1%，人均用量就高0.36%，光这一条就能解释各州差异的近三分之二。不只技术岗：常用 Claude 的艺术、设计、传媒行业人多，少用的运输搬运行业人少的州，用量也更高。在美国，起作用的看来主要不是收入，而是当地人干的活和 Claude 常做的活对不对得上。
Anthropic
不管是看各国还是美国各州，用户的提问要多高学历才看得懂，和 Claude 的回答要多高学历才看得懂，几乎完全同步，相关程度都在0.92以上。Claude 能答得很深，但通常只在用户问得深时才这样答，所以 AI 能发挥多大用处，取决于人怎么问。这意味着教育水平高的国家可能更能从 AI 里得益，不光看用的人多不多；要让各国都受益，光开放使用不够，尤其在低收入国家，还得培养会用的本事。
Claude.ai 上，要高中学历才看得懂的活，有 Claude 帮忙能快9倍左右，要大学学历的能快12倍。代价是越难越容易失败：用不着高中学历的活成功率约70%，大学水平的降到66%。但把失败折算进去，难活净省下的时间仍然更多，所以学历要求越高的活，从 AI 得到的效率提升越大，这也和白领远比别人更愿意用 AI 的情况对得上。
企业直接调用 Claude 时，不到一小时的活成功率约60%，人要干5小时以上的活降到约45%，算下来成功率一半的那条线落在3.5小时。在 Claude.ai 上，成功率随活变长掉得慢得多，照趋势推，要到约19小时才降到一半，可能是因为来回对话把大活拆成小步，每一轮都能纠偏。不过活是用户自己挑的，如果躲开了预料做不成的，这个数就会高估实际能力。
数据录入员的九项工作里，只有两项出现在 Claude 的使用里，可其中最占时间的那项，照原始文件读数、录入，Claude 的成功率很高，所以 AI 能做好的恰是他们一天干得最多的事。微生物学家正相反，一半工作有覆盖，最费时的用专门仪器动手做研究却没有。把占时和成功率算进去，九成工作都沾到 AI 的职业，也不一定受很大冲击。
按眼下 Claude 的用法估算，AI 普及后美国劳动生产率每年能多涨1.8个百分点，持续十年。但人如果得验收 AI 的产出，好处就没有单看提速那么大。把每项活省下的时间乘上它的成功率再加总，按 Claude.ai 的用法算降到1.2个百分点，按企业直接调用算降到1.0。即便这样，每年多涨1个百分点连续十年，也能让美国生产率增速回到上世纪90年代末、本世纪初的水平。
Claude 接的活平均要14.4年教育，高于整个经济的13.2年，所以拿掉这些活看上去会让工作降级。可越复杂的活 Claude 越容易失败，Claude.ai 上大学水平的活成功率66%，低于简单活的70%。这样看，它未必会挤走高技能的专业人士，反而可能让他们更值钱，因为看懂 AI 做了什么、判断做得好不好，正需要他们的专业本事。
2025年8月到11月，企业直接调用 Claude 的流量里，办公和行政支持类的活涨了3个百分点，到13%。这类调用大多是把活整个交给它做完，所以看来企业越来越多地用 Claude 把重复的后台流程包下来：管邮件、处理文件、维护客户关系、排日程。具体用法有给企业客户写定制推销邮件、分析邮件起草回信、搭发票处理系统等。
2026 年 2 月，Claude.ai 上最常见的 10 类任务只占全部对话的 19%，三个月前是 24%。写代码的活正搬到开发者接口那边，个人用途从 35% 涨到 42%，问比分、问天气这类简单问题多了。按美国做同类工作的人的时薪算，平均每段对话对应的时薪从 49.3 美元降到 47.9 美元。这和常见的普及规律对得上：最早的用户偏爱写代码这类高价值用途，后来的人什么活都拿来用。
从 2025 年 8 月到 2026 年 2 月，电脑和数学类工作的任务在 Claude 开发者接口里的占比涨了 14%，在 Claude.ai 上降了 18%。通过接口跑的流程大多是直接下指令、让 AI 自己做完，很少要人在中间把关。客服就是先例，付款和账单问题的自动答复在接口里很常见，这类岗位可能更容易被改变。所以活从 Claude.ai 搬到接口，可能预示相关岗位的工作方式会更快变化。
按劳动年龄人口折算人均用量，美国用得最多的五个州，占比从 2025 年 8 月的 30% 降到 2026 年 2 月的 24%，原本用得少的州追得更快。但追赶慢下来了：照现在的速度，各州人均用量大约要 5 到 9 年才拉平，之前估计只要 2 到 5 年。国家之间正好反过来，人均用得最多的 20 个国家占比从 45% 升到 48%。
Claude 最强的 Opus 系列擅长难活，但耗的用量最多，在接口上单价也最高。在乎成本和额度的人，就该把难而值钱的活交给它。数据大体如此：Claude.ai 上，软件开发类任务 34% 用 Opus，家教类只有 12%；任务对应的时薪每高 10 美元，用 Opus 的比例就多 1.5 个百分点。通过接口写程序调用的用户差不多翻倍，是 2.8 个百分点，可能因为他们更有理由随时换模型。
注册满半年的老用户，对话成功的比例比新用户高约 5 个百分点。会不会只是他们挑的活更容易成？在同一类细分任务里比较新老用户，差距缩到 3 个百分点左右；再把所用模型、语言、用途和国家都算进去，仍高约 4 个百分点。所以差距不是任务或语言这些简单因素造成的。一个可能的解释是，用得越久，越会从 AI 那里拿到想要的东西。但也可能是早期用户本来更懂技术，或者留下来的恰好是活最适合 Claude 的人。
注册满半年的老用户，更常拿 Claude 来回打磨自己的作品，更少一句指令就把整件事交出去。他们用来工作的比例高 7 个百分点，做的事需要的学历也更高。这推翻了团队去年的猜测：原以为越老练的用户越会把活整个交给 AI 自动做完，实际上最老练的用户更愿意和它一来一回地合作。
一年前注册的人，有 38% 的对话是个人用途，最新的用户是 44%。用得最久的人多在做 AI 研究、改书稿、为创业融资，最新的用户多在写俳句、查比分。最早的用户往往做高价值的技术活，AI 普及到更多人之后，才冒出随意的用法。所以有些更穷、教育水平更低的国家，用法反而更复杂：那里用的人少，早期用户仍占大头。
市场经理时薪约 80 美元，约是编辑 37 美元的两倍。对应他们工作的对话，耗费的算力（按处理和生成的文字量算）约是编辑的 2.5 倍。按产出看也一样：做应用的对话，用量是中等水平对话的三倍多，一段解释只用约五分之一。高薪越费算力，其中约 44% 是因为高薪职业更常做这类费算力的东西。所以越值钱的活大体越费算力，只是关系很杂：药剂师时薪近统计助理的三倍，用量却只有约二十分之一。
工作对话里，对应高薪职业的那些，Claude 每轮写出的内容是低薪职业的 1.34 倍，用户来回的轮数是 1.53 倍，打开让它多想一会儿的功能的比例也略高，34% 对 31%。两边一起涨，Claude 干得多，人并没有干得少。如果在最值钱的活上人一直参与，这更像是给人帮手，而不是顶替人；也说明在一定程度上，越值钱的产出花费越高。
翻译、算数这类说得清的活，答案基本是定的，AI 自己拿主意的余地很小；做网站、做游戏要在一堆选择里挑，向来很难交给机器。现在开始变了：31 类产出里有 26 类，AI 在 Claude Code 上比在聊天和 Cowork 里更能自己做主，平均高 0.37 分（1 到 5 分），其中约三分之二是因为同样的活交出去得更彻底。写博客文章，聊天里一般来回 13 轮，Claude Code 上一般只给一句指令。
Claude Code 的会话 54% 由最强的 Opus 来跑，聊天和 Cowork 只有 10%。所以 AI 在 Claude Code 上更能自己做主，看起来可能只是用了更强的模型。但只比同一个模型，差距还在：都用 Sonnet 时，Claude Code 上的自主程度仍高出 0.26 分（1 到 5 分）。这说明决定 AI 能自己做主多少的，很可能是用的产品，而不是背后的模型。
干了 15 年以上的人，估计 AI 现在能做的工作比例，比刚入行第一年的人低约 10 个百分点。追问 AI 永远做不了什么、为什么，最常见的回答是 AI 缺少工作需要的判断力、对具体情况的把握和随机应变；工作 15 年以上的人尤其常提到建立信任、带人这类人和人之间的事。这可能是因为老手积累了很多说不出来、只适用于具体场合的经验，AI 很难学。
68% 的人说用 AI 学到更多，57% 觉得 AI 让自己的本事更值钱。越常把整件事交给 Claude 的人，觉得本事更值钱的比例越高，而说自己学到更多的比例基本持平。常有人担心，整件交给 AI 就是把动脑也交出去，产出多了，学习和手艺却退化。这里没看到这种情况：放手最多的人，自评学到的和别人一样多。不过这些是自评，本事可能一边变值钱一边生疏，所以并不能排除退化。
2026 年 10 月，Anthropic 打算拿出公司 5% 的股份放进新设的公益基金，这一步还要股东批准。之后公司价值在一个设定的基准之上每涨五成，董事会还可以酌情再加 2%。这样公司长得越大，明确拿来做公益的那部分股份就越多。科技公司常见的做法是给高管发越涨越多的股票奖励，这里是把这部分股份转给了公益。
Anthropic 的公益工作大多放在公司里做，比如 AI 安全研究、生物医学研究、给非营利和科研机构的 Claude 打折，因为这些事既有公益的一面，也有商业价值。新基金更灵活，可以用新办法做事，就业就是一例：AI 可能创造巨大财富，也可能让很多工人生计不稳。公司已承诺拿出 2 亿美元研究和应对，但 AI 进展这么快，可能需要更大胆的办法，新基金就有这个余地去做。
Anthropic 创立时，几位联合创始人承诺捐出各自所持股份的 80%。公司还设了员工捐股配捐计划，员工承诺捐出的股份由公司配捐，约一半员工参加。再加上这次放进公益基金的部分，公司大约两成的股份将专门用于公益。如果公司价值达到特定节点，这个比例还可能再往上加。
Anthropic 做研究功能时，用内部的研究测试比了一次：让 Claude Opus 4 当总指挥、带几个 Claude Sonnet 4 分头查，这个组合的成绩比单独一个 Opus 4 高 90.2%。比如要找出标普 500 信息技术板块所有公司的董事，组合把活拆成小任务分给各个帮手，找到了正确答案；单个模型一条接一条地搜，又慢又没找到。所以，要同时往好几个方向查的问题，分头干特别占优。
有一项测试叫 BrowseComp，专门考能不能找到难找的信息。在这项测试上，成绩高低的差别有 95% 能用三样东西解释：光是模型处理了多少文字，就解释了 80%；另外两样是调用工具的次数和选了哪个模型。多个模型分头干之所以管用，主要是能在一个问题上花够力气：每个帮手各有一份独立的记忆，加起来就能同时想更多。模型本身也会放大效果：从 Sonnet 3.7 换成 Sonnet 4，提升比在 3.7 上把预算翻一倍还大。
在 Anthropic 的数据里，能自己动手干活的模型，用掉的文字量通常是普通聊天的 4 倍左右；多个模型分头干，更是约 15 倍。花费涨这么多，只有任务本身够值钱、付得起换来的更好结果，才划算。另外，所有帮手需要共享同一份信息、彼此牵扯很多的活，眼下也不适合这么干。比如大多数写代码的任务，真正能同时开工的部分比做研究少，而且模型还不太会实时给彼此分派和协调工作。
在 Anthropic 的试验里，Claude 4 这一代模型很会改指令：给它一段指令和一种失败情况，它能看出失败的原因，并提出改法。团队还做了一个专门试工具的模型：拿到一个有毛病的外接工具，它会反复试用几十次，找出关键细节和漏洞，再把工具说明重写一遍。之后别的模型照新说明用这个工具，完成任务的时间少了 40%，因为大部分错误都绕开了。
Anthropic 的研究功能由一个总指挥模型派帮手分头查资料，早期却是一条接一条地搜，慢得让人难受。后来改成两层同时开工：总指挥一次同时派出 3 到 5 个帮手，而不是一个个派；每个帮手又同时用 3 个以上的工具。对复杂问题，这让研究时间最多缩短九成，几分钟就能干完更多活，不用等几个小时，覆盖的信息还比其他系统多。
刚开始做的时候，能轻松改进的地方很多，改动的影响往往很大：调一句指令，成功率就可能从 30% 跳到 80%。效果大到这个程度，几道测试题就看得出差别。Anthropic 起步时只用了大约 20 个代表真实用法的问题，常常就能清楚看到改动的效果。很多团队以为只有几百道题的大测试才有用，所以迟迟不开始测；更好的做法是马上用少量例子开测，不必等。
人工测试的人发现，早期的研究功能总是挑那些专门为搜索排名优化过的内容农场，冷落了排名不高、但更权威的来源，比如学术论文的 PDF 或个人博客。在给模型的指令里加上判断来源好坏的经验规则后，这个问题才得到解决。自动打分没抓到的这类毛病，要靠人试用才看得出来，所以就算自动评测再多，人工测试也少不了。
研究功能里，负责总指挥的模型起初只给分头查资料的帮手下很简短的指令，比如“研究一下半导体短缺”。这类指令常常太含糊，帮手要么理解错，要么跟别的帮手搜一模一样的东西：一个去查 2021 年的汽车芯片危机，另外两个重复去查 2025 年的供应链，没分好工。没有详细的任务说明，帮手就会重复干活、留下空白或者找不到该找的信息。所以每个帮手都要拿到目标、交付格式、该用的工具和来源，以及清楚的任务边界。
研究功能的早期版本，犯过为简单问题派出 50 个帮手这样的错。模型自己很难判断不同任务该花多大力气，所以团队在指令里直接写了规矩：查一个简单事实只要 1 个模型、调用工具 3 到 10 次；直接比较可能要 2 到 4 个帮手，各调用 10 到 15 次；复杂研究可能用 10 个以上分工清楚的帮手。有了明确的标准，总指挥分配得更合理，不再在简单问题上投入过头。