Anthropic 分析 20 万次科研会话：科学家用 Claude 最多的是分析数据和写论文，他们最看重的提想法反而用得最少

Anthropic 11 月 4 日发布研究报告，统计了 2026 年 8 月 2 日到 9 月 30 日约 20.7 万次科研相关的 Claude 会话，看科学家拿 AI 干什么，以及 AI 能让科研快多少。

先说结论：

• 分析数据是第一大用途，占 Claude 科研会话的三分之一，Claude Code 的近一半
• 科学家认为最重要的两件事，提出想法和收集数据，用 AI 最少
• 现有 AI 能力如果普及开来，部分领域科研产出最多翻一倍；要是 AI 能包揽所有不用动手的工作，计算机、统计能快约 15 倍，化学、生物只能快 3 到 4 倍，因为实验还得有人在实验室做

【数据怎么来的】

样本来自个人订阅用户，聊天和 Cowork 里 12.9 万次，Claude Code 里 7.8 万次。研究团队让模型给每段会话打上“化学”“数据清洗”这类标签，研究内容本身不保存。

【用在哪：分析和写作多，想点子少】

报告拿每类工作的 AI 用量，和科学家花在这类工作上的时间对比。

分析数据占科研时间约 28%，在 Claude 上占 33.7%，在 Claude Code 上占 48.1%。写作和沟通只占科研时间 16%，在 Claude 上占 32%，单项最多的任务是起草论文。

收集数据占科研时间 28.6%，在 Claude 上只占约 12%，临床样本、生化数据这类要动手采集的尤其少。提出想法和假设占科研时间 7.1%，在 Claude 上占 4.2%，Claude Code 上只有 2.1%。

Anthropic 还调查了 528 位科学家，请他们给四类工作的重要性分配 100 分。提想法拿 35.6 分排第一，收集数据 23.6 分排第二。

报告的解释是：收集数据大多要动手；提想法，科学家可能更愿意自己来，AI 在挑研究问题上也可能确实更弱。

【AI 越擅长的活，用得越多】

研究团队给 7000 多项科研任务各打了一个“AI 能力分”：把任务拆成步骤，让模型两两比较哪一步 AI 做得更好，再用类似国际象棋等级分的办法算出排名。

然后算“使用倍数”：一项任务在 Claude 会话里的占比，除以它在科研时间里的占比。一项任务占科研时间 5%、占会话 10%，倍数就是 2，说明 AI 用量是按时间推算的两倍。

能力分排前 20% 的任务，比如画数据图、做统计检验，Claude 上的使用倍数约 2，Claude Code 上约 4。排后 20% 的任务，比如提纯化学反应产物、实地观察研究对象，几乎没人用 AI。

能力分高的任务有共同点：对错容易判断，能在电脑里大量模拟，反馈来得快。这正是最适合用强化学习训练 AI 的任务，两者的相关系数是 0.78。科学家在 AI 好用的地方用 AI。

【Claude Science：专门做科研的版本】

Claude Science 是 Anthropic 面向科研的产品，把 Claude 接上各种科研数据库和工具，比如查一个蛋白的结构、测过哪些药、有哪些相关试验，不用再一个个库分开查。付费用户都能用。

它的会话一半以上来自生物医学和生物学。在这里，提出想法和假设占会话的 8%，约是普通 Claude 的两倍，和科学家实际花在这件事上的时间差不多。

任务也更重。在生物和生物医学领域，Claude Science 上的活如果人自己干平均要 10.3 小时，普通 Claude 上是 4.9 小时；73% 的会话由 AI 高度自主完成，普通 Claude 只有 24%。

【科研能快多少】

报告估算了三种情况下，同样的科研经费能多出多少成果。

第一种，现有 AI 能力被广泛用起来：AI 能接手 27% 到 52% 的科研时间，产出提升从艺术领域的 1.35 倍到统计学的 2.02 倍，计算机 1.96 倍。现在的 AI 多是帮忙或一起干，几乎每一步人都还得花不少时间，所以提升有限。

第二、三种是 AI 包揽 75% 或全部不用动手的步骤。包揽全部时，统计、计算机、经济、数学、心理学，以及大部分社科和人文领域，都能到 15 到 16 倍。生物、化学、材料这些做实验的学科只有 3 到 4 倍：约 40% 的科研时间花在动手的步骤上，没有自动化实验室，这部分省不掉。

16 倍左右是成本定下的上限。报告假设研究员每小时 95 美元，AI 每小时 30 美元，每替研究员省 1 小时 AI 要跑 0.2 小时，算下来 AI 干同样的活只花人工的约十六分之一。AI 成本减半，上限就翻倍。

【科学家自己怎么看】

528 位受访者里，38% 认为 AI 分析数据已经达到本领域顶尖研究者的水平。约 40% 预计 2030 年前 AI 能不靠人独立完成一个完整的研究项目，2035 年前这个比例约 64%，也有 16% 认为永远不会。

受访者大多是美国和加拿大生命、健康科学领域的研究者，申请过 Anthropic 的科研资助，用 AI 比一般科学家多。三种加速情况是假设推算，报告说明它们不是预测。Claude Science 的任务更重，也可能因为用它的人本来需求就更专业。

原文：https://t.co/lA8q7pQjSV

点击图片查看原图

点击图片查看原图

点击图片查看原图

点击图片查看原图