1. 首頁 > 生活百科 > >

同樣用AI，為什么有的人用得更好？Anthropic新報告揭秘

人工智能anthropicai

同樣用AI，為什么有的人用得更好？Anthropic新報告揭秘

文章圖片

同樣用AI，為什么有的人用得更好？Anthropic新報告揭秘

文章圖片

同樣用AI，為什么有的人用得更好？Anthropic新報告揭秘

智東西
編譯 | 楊京麗
編輯 | 李水青
智東西3月25日消息 ， Anthropic于當地時間3月24日發布了《Anthropic經濟指數報告：學習曲線》（The Anthropic Economic Index report: Learning curves） 。 報告基于2026年2月Claude使用情況進行分析 ， 與此前更關注“AI被用來做什么”不同 ， 這份報告把重點轉向了另一個問題：同樣在使用AI ， 為什么有的人用得更好？
報告發現 ， 使用Claude超過6個月的老用戶 ， 對話成功率比新用戶高出約10% ， 且這一差距排除了任務類型、所在國家或所選模型等方面的偏差 。 美國科技媒體Axios將這一現象稱作AI熟練度的階級紛爭（class war over AI fluency） ， AI成果并非平等地被每個人共享 ， 相反越熟練的用戶 ， 越能從AI中收益 。

一、用途更廣了 ， 但任務降級了報告首先追蹤了Claude使用場景的變化 。 與2025年11月相比 ， Claude在網頁上的使用場景明顯變多了 ， 而最常見的10種任務占比減少 ， 從11月的24%降至現在的19% 。 與此同時 ， 更高價值、更可編排的編程任務則繼續向API端遷移 。 所以 ， 編程需求雖然變多了 ， 卻只有API端的使用占比在增長 。
最常見的10種任務在Claude網頁和API調用占比情況（圖源：Anthropic）
在使用場景不斷豐富的同時 ， 任務難度卻在降低 。 網頁端任務中 ， 個人用途任務（如查體育比分、比較產品、家居維修咨詢）占比從35%升至42% ， 課業用途任務占比從19%降至12% 。 任務平均經濟價值（以美國時薪衡量）從49.3美元（約合人民幣340元）降至47.9美元（約合人民幣330元） 。 其實這一情況也很好理解 ， 隨著用戶規模擴大 ， 普通用戶大量涌入 ， 查比分、比商品、問維修這類輕量需求迅速增加 ， 高價值的編程任務轉向API端 ， 所以任務平均經濟價值變低 。
【同樣用AI，為什么有的人用得更好？Anthropic新報告揭秘】工作用途、個人用途及課業用途使用占比變化（圖源：Anthropic）

二、老用戶為何更強？學習曲線效應浮現本期報告最核心的發現就是老用戶對話成功率更高 。 Anthropic將用戶分為高資歷用戶（注冊超過6個月）和其他用戶兩組 ， 兩者之間使用差異明顯：
Anthropic發現 ， 高資歷用戶不僅更常將其用于工作 ， 也更擅長通過協作和迭代獲得更好的結果 。 報告顯示 ， 高資歷用戶的對話成功率明顯更高；即便在控制任務類型、模型選擇、使用場景和國家等因素之后 ， 這種優勢依然存在 。 Axios將其視為AI熟練度（AI fluency）分化 ， 認為AI可能正在帶來一種新的經濟不平等 。
成功率方面 ， 高資歷用戶的對話成功率較其他用戶平均值高出約4-5%；使用方式方面 ， 高資歷用戶更傾向于協作式交互 ， 多任務迭代高出3.6% ， 學習模式高出3.4% ， 而指令式使用減少8.7%；任務復雜度方面 ， 高資歷用戶處理的任務所需教育水平高出6.6% ， 用于工作的比例高出7.3% ， 個人休閑用途低4% 。 數據顯示 ， 用戶每多使用Claude一年 ， 其提示詞所需的教育年限平均提高近1年 。
AI使用經驗越豐富 ， 任務成功率越高（圖源：Anthropic）
Anthropic認為 ， 這些數據契合干中學（learning-by-doing）效應 ， 用戶通過持續使用AI ， 逐漸掌握了更有效的提示策略和協作模式 。

三、聰明用戶會挑模型：越貴的任務越愛用Opus報告還分析了用戶的模型選擇行為 ， 在付費Claude.ai用戶中 ， 51%的對話使用Opus（強但貴的模型） 。 對于計算機與數學類任務 ， 55%的情況下 ， 選擇使用Opus ， 高于均值4.4%；對于教育輔導類任務 ， 45%使用Opus ， 低于均值6.5% 。
不同職業選用Opus的情況差異（圖源：Anthropic）
值得注意的是 ， 任務對應職業的時薪每增加10美元（約合人民幣79元） ， Claude.ai上Opus的使用率就增加1.5% ， 而在API的Opus使用率提高2.8% 。 用戶正在根據任務價值精打細算地分配AI算力 。

四、AI的地理鴻溝：美國內部趨同 ， 全球差距擴大報告中還研究了世界范圍內的AI使用差距 。 其中美國各州之間的差距在縮小 ， 原本人均使用率偏低的州 ， 追趕得更快 。 2025年8月到2026年2月之間 ， 人均使用量排名前五的州 ， 所占份額從30%降到了24% 。 不過Anthropic也注意到 ， 這種收斂正在放慢：按現在的速度估算 ， 美國各州要達到大致相近的人均使用水平 ， 可能需要5到9年 ， 而不是之前估計的2到5年 。
然而 ， 放眼全球 ， 趨勢卻是反過來的：按人口調整后 ， Claude使用量最高的前20個國家 ， 份額已經從45%升到了48% ， AI的紅利并沒有自動均勻擴散 ， 反而還在進一步向少數領先國家集中 。

結語：AI熟練度 ， 正在成為新的數字鴻溝Anthropic在報告中坦言 ， 老用戶的優勢可能部分源于幸存者偏差和早期采用者的自選擇效應 。 但經過嚴格的統計控制后 ， 學習效應仍然顯著存在 。 所以說 ， AI可能正在催生一種技能偏向型變革 ， 早期的高技能采用者既最容易受到AI沖擊 ， 也最能從AI中獲益 。 正如Axios所警告的 ， 美國下一場階級對立 ， 可能不在于財富或教育 ， 而取決于AI熟練度 。 這意味著縮小AI技能差距的窗口期可能比預想的更短 。 當會用AI本身成為一種可積累的競爭優勢時 ， 先發者與后來者之間的鴻溝只會越來越難以彌合 。
來源：Anthropic、Axios

    推薦閱讀