---

title: "Anthropic 经济指数：理解 AI 使用的新构建模块" url: "https://www.anthropic.com/news/economic-index-primitives" source: news date_scraped: "2026-03-15"

Anthropic 经济指数：理解 AI 使用的新构建模块

发布日期： 2026年1月15日

概述

Anthropic 发布了第四期经济指数报告，引入了"经济原语"（economic primitives）——五项基础测量指标，用于追踪 AI 的经济影响随时间的变化。这些原语测量任务复杂度、技能水平、用途（工作、教育或个人）、AI 自主性以及成功率。

主要发现

任务级表现

研究表明，Claude 对更复杂任务的加速效果最为显著。需要大学教育水平（16年学龄）的任务在 Claude.ai 上实现了 12 倍的加速，而高中水平任务（12年学龄）为 9 倍。成功率因复杂度而异：Claude 成功完成大学水平任务的比例为 66%，而较简单任务为 70%。

任务完成时间范围

Claude 在不同平台上展现出不同的能力。在 Claude.ai 上，该模型在需要约 19 小时人工努力的任务上达到 50% 的成功率，而 API 数据显示为 3.5 小时，METR 基准测试为 2 小时。方法论的差异导致了这种差异——用户可以将复杂任务拆分为更小的步骤，创建反馈循环。

使用模式的地理差异

Claude 的应用模式因经济发展阶段而异。人均 GDP 较高的国家更多地将 Claude 用于工作和个人目的，而收入较低的国家更侧重于教育应用。这反映了技术扩散中常见的采用曲线模式。

职业覆盖范围

AI 覆盖率已从 36%（2025年1月，按岗位计）扩展到 49%（按任务暴露度计）。然而，根据成功率调整后会呈现不同图景——某些角色如数据录入员和放射科医生受到的 AI 影响比原始任务覆盖率显示的更重。

技能水平分布

Claude 处理更高技能任务的比例更高。需要 14.4 年教育（大专学历水平）的任务在 AI 使用中占比较大，而全经济平均水平为 13.2 年。移除这些任务将对技术写作和教学等职业产生技能退化效应。

生产力影响

该分析修正了早期的生产力估算。仅考虑任务加速，年生产力增长约为 1.8 个百分点。考虑任务可靠性后，Claude.ai 的估算降至 1.2 个百分点，API 使用降至 1.0 个百分点。1 个百分点的改善将使美国生产力增长恢复到 1990 年代后期的水平。

交互模式

增强（52% 的对话）现已超过自动化（45%），成为 Claude.ai 上的主导交互模式，这与 8 月数据相比是逆转，但自动化使用的长期上升趋势仍在继续。

地理分布

AI 采用仍集中在美国、印度、日本、英国和韩国。在美国境内，分布已变得更加均衡，模型显示如果当前趋势持续，2-5 年内将实现全国均衡。

方法论

该分析使用隐私保护方法检查了 100 万次 Claude.ai 对话和 100 万条 API 转录。原语框架使追踪成为可能——随着模型改进，自动化是否会变得更加普遍，从而可能将消费者任务转向企业应用。

影响

该报告为比较未来调查建立了基线。随着 Claude 的改进，预计任务的复杂度将增加，成功的自动化可能会将消费者使用转向商业应用，这标志着下游经济效应。