
Anthropic:分析约 20.7 万科研会话,看科学家如何用 Claude 做数据分析与正式科学
工程科研实践ClaudeClaude Code数据分析生产力隐私保护分析
一句话结论
Anthropic 对 2026-08-02 至 09-30 共 207049 条科研会话做隐私保护分析:数据分析约占 Claude 会话三分之一、Claude Code 近一半;能力分最高约 20% 的任务用量是其时间占比的二到四倍,并估算在不同自动化情景下部分领域产出可约翻倍乃至更高。
打开原文
Anthropic:How researchers use Claude
背景与理念
要理解 AI 对科学的实际影响,不能只看个别实验室故事,而要看大规模、经隐私保护的真实使用分布。报告把 Claude 网页/应用会话与 Claude Code 会话分开统计,并对照正式科学与其他研究相关用法。
具体做法
- 覆盖 2026-08-02 至 2026-09-30 的 207049 条科研相关会话,其中 Claude 128914 条、Claude Code 78135 条,采用隐私保护分析。
- 按任务类型与学科观察用量结构,特别跟踪数据分析、正式科学,以及 Claude Science 上 ideation 占比变化。
- 结合能力分层与调查,讨论「当前能力广泛采用」与「非物理环节可更充分自动化」两类情景下的产出倍数,并询问活跃 AI 研究者对 2030 年前 AI 独立完成完整项目的预期。
关键数据/例子
数据分析约占 Claude 会话的三分之一,在 Claude Code 中接近一半;正式科学的相对用量偏高。能力分最高约 20% 的任务,其用量达到对应时间占比的约 2–4 倍。估算上,在当前能力广泛采用情景下,部分领域产出可约翻倍;在非物理环节更充分自动化的情景下,计算机科学/统计可到约 15 倍,实验科学约 3–4 倍。Claude Science 上 ideation 占比约翻倍;约 40% 受访活跃 AI 研究者预期 2030 年前 AI 可独立做完整项目。
创新点
第一,用二十万级隐私保护会话把「科学家到底把 Claude 用在哪」量化出来,而不是停留在轶事。第二,把能力分层用量、领域产出倍数与 2030 预期放在同一报告里,方便对照乐观情景与实验瓶颈。
可否复用
- 科研团队先统计「数据分析 / 写作 / 实验设计」各自占比,再决定工具投入,避免只堆通用聊天。
- 对高能力分任务单独建评测与人工复核,因为它们往往占用不成比例的模型用量。
- 讨论 AI 放大科学产出时,把物理实验瓶颈与纯计算学科分开建模。