AI 经济指数（Anthropic Economic Index）

AI 经济指数（Anthropic Economic Index）是 Anthropic 2025 年 8 月首发、11 月更新的内部使用数据报告。它不是问卷调查、不是专家预测，而是从 100 万次 Claude 对话 + 100 万条 API 调用的真实记录中提取的硬数据^1。这是人类历史上第一份从内部使用数据测量 AI 经济影响的报告——意义类似于互联网时代 Google Trends 的开端。

五维"经济原语"

报告用 Claude 自己分析匿名数据，提取出五个变量：

graph LR
    A[任务复杂度] --> F[经济原语]
    B[人类与AI技能水平] --> F
    C[使用场景] --> F
    D[AI自主程度] --> F
    E[任务成功率] --> F
    F --> G[有效AI覆盖率]

这五维构成了理解 AI 经济影响的基础变量——之前所有讨论"AI 替代多少工作"的研究都缺这个底层度量框架。

六大反直觉发现

1. AI 使用极度集中（不是均匀普及）

Claude 上看得到 3000+ 种工作任务，但前 10 种就占了 24% 的使用量。第一名：修复软件错误（6%）。计算机和数学相关任务占了 Claude 对话的 1/3，企业 API 调用更接近一半。

结论：所谓"AI 革命"目前主要发生在程序员和技术人员的世界里——大多数人还没有真正开始使用 AI。

2. 增强 vs 自动化的拐点逆转

指标	2025-08	2025-11
自动化使用占比	首次超过 50%	回落
增强使用占比	跌破 50%	反弹至 52%

自动化：给指令直接完成，无来回。增强：协作迭代、学习反馈。

11 月的反弹与 Claude 新增文件创建、持久记忆、工作流定制有关。人类正在学习更好地与 AI 合作，而不是简单甩任务——这是 Cognition Mate · AI 意识伴侣 命题的硬数据支撑。

3. 地理分布揭示采用曲线

全球：人均 GDP 每增加 1%，Claude 人均使用量增加 0.7%。丹麦使用强度是其人口比例的两倍。

但低收入国家用 Claude 做作业，高收入国家用来工作 + 个人——这不是偶然相关，是经济成熟度决定的应用层次差异。

美国内部：计算机/数学领域工人比例每增加 1%，该州人均 AI 使用增加 0.36%——这一个因素解释了美国各州差异的近 2/3。

4. 任务复杂度 vs 成功率的权衡

任务教育要求	加速倍数	成功率
高中学历	9x	~70%
大学学历	12x	~66%

AI 给高技能工作者带来的加速远大于低技能——这就是为什么白领采用率远高于蓝领。

5. 有效任务地平线：协作 vs 自主的 5.4 倍差距

graph LR
    A[API 单轮调用<br/>3.5 小时任务<br/>50% 成功率] --> X[自主能力边界]
    B[Claude 多轮协作<br/>19 小时任务<br/>50% 成功率] --> Y[协作能力边界]
    X --> Z[5.4x 差距]
    Y --> Z

人机协作的方式本身，扩展了 AI 的有效能力边界 5.4 倍——这是本报告对 AI 意识伴侣 命题最硬的数据证据。

6. 去技能化 vs 上技能化

报告用文本嵌入预测每个任务需要的教育年限。Claude 覆盖的任务平均需要 14.4 年教育，比整体经济均值 13.2 年高出一年多。

净效应是"去技能化"——剩余工作的技能要求降低：

职业	被移除的任务（教育年限）	留下的任务（教育年限）	净效应
技术写作员	分析领域发展（18.7）+ 审查材料（16.4）	绘制说明草图（13.6）	去技能化
旅行代理人	规划行程套餐、费用计算	打印机票、收款	去技能化
房产经理	销售记录、租金审核	谈判贷款、与建筑公司对接、董事会会议	上技能化
教师	评分、辅导、研究	课堂管理、面对面授课	去技能化（核心保留）

根据 Autor-Thompson 框架，去技能化的职业工资可能下降，就业可能增加；上技能化的职业就业减少但工资上涨。

隐含生产力增长

未调整的原始估算：AI 广泛采用每年增加 1.8 个百分点的劳动生产率增长——回到 1990s 末-2000s 初的水平。

考虑任务成功率打折：降到 1.0-1.2 个百分点。

考虑任务互补性（弹性 < 1）：降到 0.6-0.8 个百分点。

考虑任务可重新分配（弹性 > 1）：上升到 2.2-2.6 个百分点。

真实弹性未知，但这个范围告诉我们：AI 的生产力影响将取决于那些目前还抵抗自动化的瓶颈任务。

与频道既有概念的链接

• 与 意识伴侣：协作式使用比自动化使用成功率高，本质是两个贝叶斯推理机的耦合（见 贝叶斯意识算法）
• 与 家庭金融与毒性交互：去技能化的中产职业 + 上技能化的高技能职业 = 收入分布更陡峭，加剧 SaaSpocalypse 的 K 型分化
• 与 AI 智力通缩：推理成本下降是数据基础设施层，AI 经济指数是其应用层后果

四大关键启示

1. AI 影响不均匀：高技能任务加速最大，但失败率也最高
2. 使用方式比使用本身更重要：多轮协作扩展能力边界 5.4 倍
3. 人力资本重要性可能上升而非下降：用户提问的教育水平与回答教育水平高度相关——怎么问决定了怎么答
4. 全球差距可能扩大：单纯扩大 AI 访问不够，需要发展使有效使用成为可能的人力资本

一句话总结

AI 不是均匀地变强所有人——它是一台强制 K 型分化器：会用的人变得更强，不会用的人在变弱的同时，还以为自己只是没赶上潮流。