Anthropic 研究 20.7 萬筆 Claude 會話,揭示科學家使用方式
Anthropic 研究 20.7 萬會話中科研人員如何使用 Claude
Anthropic 透過分析 207,000 個 Claude 會話與 528 位科學家調查,量化了 AI 在不同領域與任務中的實際使用與理論能力。
- 使用情況:科學家主要以資料分析與寫作為主,構思與資料收集使用較少。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Anthropic:Research·2026-11-05 00:00· 1 天前精選AI 評分72
AI for scientific discovery: How researchers use Claude
AI 導讀
Anthropic 用隱私保護方法分析 207,049 個 Claude 與 Claude Code 科研會話(2026 年 8 月 2 日至 9 月 30 日,消費版套餐),並輔以 528 名科學家調查,研究 Claude 在各科學領域的使用方式。
推薦理由
基於20餘萬會話的實測分析,可瞭解科學家實際用AI做哪些研究任務,以及能力與使用間的量化關係。
Johannes Hermle*、Ben Jones*、Lukas Althoff*、Ryan Heller、Thomas Lyttelton、Carolyn Stein、Nathan Wilmers、Maxim Massenkoff、Peter McCrory
*報告主要作者
概述
- 我們測量什麼。AI 有望加速科學發現,但加速幅度取決於 AI 能做什麼,以及科學家如何使用它。我們採用隱私保護方法,研究了 207,000 個 Claude 和 Claude Code 科研會話,以瞭解 Claude 在各科學領域和研究任務中的使用情況。我們開展這項研究,是為了幫助公眾更好地瞭解當今 AI 在科學領域的現狀,並評估 AI 未來可能對科學發現產生的影響。
- 科學家在哪些領域使用 Claude。相對於各領域的研究人員數量,Claude 在形式科學領域(如電腦科學、數學和統計學)使用更多,在健康和基於實驗室的物理科學領域使用較少。科學家主要用 Claude 分析資料和寫作。僅資料分析一項就佔 Claude 會話的約三分之一,佔 Claude Code 會話的近一半。科學家較少用它來生成想法和收集資料,儘管在一項配套調查中,他們將這些任務列為對科學發現最重要的任務。不過,專為科研工作設計的專用 AI 工具可能縮小科學家實際使用 AI 的研究任務與他們視為最重要的任務之間的差距。例如,在 Claude Science 上,想法生成所佔的使用比例約為 Claude 上的兩倍。
- Claude 的使用如何反映 AI 能力。我們構建了一個衡量指標,用來評估 AI 在理論上能多好地完成每項研究任務。AI 最適合的任務(在該指標上排名前 20%)獲得的 Claude 使用量,是研究人員投入這些任務的時間所預測的兩到四倍。AI 最不適合的任務(排名後 20%),包括大多數體力工作,獲得的 Claude 使用量非常少。我們在各領域觀察到同樣的模式:AI 能出色完成許多工的領域,如電腦科學和統計學,使用 Claude 更多。
- 這對科學發現速度可能意味著什麼。我們用一個簡單模型探索了 AI 可能以多大幅度加速研究的幾種情景。如果現有的 AI 能力得到廣泛採用,它們可能使某些領域的研究產出翻倍。如果 AI 能承擔所有非體力研究工作,電腦科學和統計學等領域的產出可能提高多達 15 倍,而化學和生物學等受物理瓶頸制約的實驗科學領域,產出將提高三到四倍。在我們對積極使用 AI 的研究人員的調查中,約 40% 預計到 2030 年 AI 模型將能自行開展完整的研究專案。
引言
科學曾被描述為“無盡的前沿”(Bush 1945)。但歷史上,我們探索這一前沿的速度受限於一種稀缺資源:人類研究者的時間和才華。人工智慧可以通過放大研究人員的能力來緩解這一限制,同時改變發現的過程和探索的速度(Wang et al. 2023; Amodei 2024)。很少有 AI 應用能比這更關乎人類福祉。鑑於研究相比大多數經濟部門具有高度認知屬性,AI 在這一領域的影響可能尤其大、來得尤其早。
近期的一些例子顯示,AI 在科學發現中扮演著越來越重要的角色。在結構生物學領域,AlphaFold 預測了超過 2 億個蛋白質的三維結構(Jumper et al. 2021; Varadi et al. 2024),其研發者分享了 2024 年諾貝爾化學獎。在材料科學領域,GNoME 預測了 38 萬種穩定的新晶體(Merchant et al. 2023)。在數學領域,研究人員藉助 AI 系統幫助解決懸置數十年的 Erdős 問題、為一個千禧年大獎難題給出潛在證明,並在其他重大問題上取得進展,從公開猜想一直到驗證里程碑式的證明(Anthropic 2026a, 2026b; OpenAI 2026a, 2026b; Tsoukalas et al. 2026)。
除了這些進展之外,大部分科學進步都涉及許多專業化、相互關聯的研究任務,而這些任務在不同領域之間差異很大。AI 能在多大程度上加速科學發現,不僅取決於 AI 的能力,也取決於它在這些任務中如何被採用。在本報告中,我們利用隱私保護基礎設施,研究 Claude、Claude Code 和 Claude Science 在科學場景中的使用情況。我們記錄了使用方式在不同領域和任務之間的差異,找出這些使用模式背後的原因,並勾勒出 AI 加速研究的幾種可能情景。
Claude 在科學領域的使用因學科而異。相對於研究人員數量,電腦科學、數學和統計學等形式科學對 Claude 的使用更多,而健康和以實驗室為基礎的物理科學使用較少。從研究任務來看,科學家更多用 Claude 分析資料和寫作,較少用於採集資料或生成想法與假設。這與隨附的科學家調查中自報的 AI 使用情況一致。
為了理解這些差異,我們構建了一個衡量 AI 理論能力的指標。在該指標上得分更高的任務和領域,Claude 的使用率也更高。這些任務和領域往往更偏認知性質,也更適合強化學習——即 AI 通過反覆嘗試獲得的反饋來學習。簡而言之,科學家似乎是在 AI 最擅長的地方使用它。
基於這些發現,我們勾勒了 AI 加速科學進步的可能情景。以當前能力,某些領域的研究產出最多可能翻倍,主要來自任務層面的增強。我們調查中的研究人員預期未來能力會大幅提升。在一個假設情景中,如果 AI 完全自動化所有非物理性工作,電腦科學或統計學這類高度認知型領域的產出最多可增長 15 倍。由於加速潛力最大的領域包括那些生產 AI 本身的領域,這些收益可能形成額外的反饋迴路:更快的 AI 研究產出能力更強的 AI,而這反過來又能進一步加速研究。
更快的科學發現固然能給人類帶來巨大益處,但 AI 驅動的研究也伴隨著風險和不確定性。人類監督減少,可能導致有人去追求危險或不道德的研究。AI 還可能重塑研究人員的職業生涯,使研究工作變得更有或更缺乏回報,並改變人類追求知識這一事業所承載的意義感。
我們如何開展這項研究
這項研究的目標是衡量科學家使用 Claude 的不同方式,同時保護他們工作內容的細節。為此,我們採用保護隱私的基礎設施,分析消費者方案中 Claude 的科研使用情況。我們用一個語言模型充當“分類器”,讀取每段會話記錄,並按照預定義分類體系(Alamos 與 Althoff 2026 提出的 SciNet 分類法)為其打上一組固定類別的標籤,例如所屬領域和涉及的研究任務。研究團隊為本報告保留和分析的,只有這些標籤(如“化學”或“資料清洗”),不涉及對話中的其他資訊。本研究使用的分類器都不會提取或儲存開放式資訊,也不會記錄研究內容細節,例如研究資料集、假設、實驗方法、早期發現或未發表論文。結果僅以彙總形式報告,且只針對達到最低不同賬戶數門檻的單元格。本研究引入的所有分類器見附錄。
我們的測量分兩步進行。第一個分類器判斷一段會話記錄是否涉及科研工作。第二個分類器再把每段此類記錄歸入 SciNet 分類法中的領域、子領域和任務。SciNet 包含 7,262 項任務,覆蓋 34 個領域和 318 個子領域。分類法中的部分任務(如撰寫論文稿件)是所有領域共有的,另一些則只屬於特定領域或子領域。例如,在分類法中,預測光吸收和發射光譜這一任務就專屬於材料科學。這些任務合在一起,覆蓋了產出新研究發現的全過程。
我們的主樣本包含 2026 年 8 月 2 日至 9 月 30 日期間消費者方案中的 207,049 段會話,這些會話均被歸入某個科學領域和研究任務:其中 128,914 段來自 Chat 和 Cowork——兩個分別用於對話和知識工作的通用介面,下文統稱“Claude”;另有 78,135 段來自 Claude Code,這是一個AI 助理式程式設計工具,直接操作使用者檔案,編寫並執行程式碼。我們還研究了 Claude Science 會話的補充樣本。樣本構建的細節見附錄。
把使用資料與結構化的研究任務分類法結合起來,我們就能研究哪些領域採用了 Claude,以及用於研究過程的哪些環節。這項研究為越來越多試圖衡量 AI 技術在科學發現中應用情況的工作添磚加瓦(Kobak 等 2025;Liang 等 2025;Hao 等 2026;Codreanu 等 2026)。
Claude 的使用情況在不同科學領域有何差異
我們先描述 Claude 的使用情況在不同科學領域間的差異。圖 1 將某領域的會話佔比與該領域全球研究人員佔比作對比,讓我們大致瞭解各科學領域的相對使用情況。1 在 Claude 上,會話佔比最高的三個領域是電腦科學(11.9%)、工程學(8.4%)和醫學(7.7%),它們同樣屬於全球研究人員數量最多的領域之列。2 總體來看,研究人員佔比更高的領域,其 Claude 會話佔比往往也更高(雙對數相關係數為 0.79)。
不過,僅憑研究人員數量,無法解釋各領域的 Claude 使用情況。在圖 1 中,位於 45 度線上方的領域,其使用量相對自身規模偏高;位於線下方的領域則偏低。形式科學領域的相對使用率尤其高,包括電腦科學、數學和統計學。社會科學的使用率同樣較高。相比之下,化學等物理科學領域的相對使用率往往偏低,因為這類工作大多在實驗室中進行。醫學也是如此——按會話量計算,它是第三大領域,而研究人員的大量時間都花在病人身上。
在 Claude Code 上,使用情況與領域規模的相關性較弱(與研究人員數量的雙對數相關係數為 0.62),並且集中在定量程度更高的領域。電腦科學領域的研究人員僅佔全球的 4.3%,卻貢獻了 Claude Code 會話的 32.7%。3 數學、統計學等其他形式科學的相對使用率也很高。藝術與人文學科以及社會科學的相對使用率較低,經濟學除外——它是一個定量程度相對較高的領域。
在比較這 34 個領域下的 318 個子領域時,我們觀察到類似的模式(圖 2)。4 這一更細粒度的子領域視角顯示,人工智慧與機器學習尤為突出:儘管其研究人員僅佔全球的 1.2%,卻分別佔 Claude 會話的 5.0% 和 Claude Code 會話的 15.2%。更普遍地說,無論屬於哪個大的科學門類,計算類子領域都是採用率最高的群體之一。這些子領域包括計算生物學、計算語言學和計算神經科學。機器人學的相對使用率也很高,這可能是因為儘管它聚焦於物理系統,卻在很大程度上建立在計算方法之上。
Claude 的使用情況如何因研究任務而異
除了瞭解哪些領域在使用 Claude,我們還希望弄清科學家用它來做什麼。研究工作涉及許多不同的任務,從提出假設、分析資料,到撰寫研究論文。為了更好地瞭解 Claude 如何支援科學發現,我們研究了使用情況在這些任務之間的差異。為此,我們把每個會話歸入 SciNet 的 7,262 項任務之一。這些任務有些是所有領域通用的,比如起草稿件;有些則針對特定領域或子領域,比如通過差異基因表達分析比較腫瘤亞型,這屬於癌症生物學。該分類體系區分了研究任務與非研究任務:前者是研究人員為產出新的科學發現而執行的任務,後者則包括教學、同行評審以及為院系或領域提供的服務。5 我們的分析僅限於涵蓋八個類別的研究任務:(1) 資料分析,(2) 寫作與溝通,(3) 資料收集,(4) 閱讀與知識獲取,(5) 理論分析,(6) 設計與開發(軟體、材料和創意作品),(7) 構思與假設生成,以及 (8) 其他,例如研究管理。
我們分別計算每個任務類別在 Claude 和 Claude Code 會話中所佔的比例。為了判斷某一類別的使用量是高還是低,我們參考了 SciNet 估算的研究人員通常在該類別上花費的時間佔比。這些時間估算基於一個 LLM 分類器,並用兩類資料做了驗證:一是記錄研究人員在每個任務上耗時的溼實驗室研究方案,二是數千篇學術論文中各任務的出現頻率(見附錄)。這提供了一個基準,用來判斷 Claude 在不同任務類別上的使用比例是遵循還是偏離了研究人員的時間分配。
按任務類別的使用情況。資料分析任務的絕對使用量最高,且相對於研究人員的時間投入明顯偏高。資料分析佔 Claude 會話的 33.7%、Claude Code 會話的 48.1%,而研究人員在該類任務上的時間佔比為 27.6%。寫作與溝通任務的使用量也很高,在 Claude 上尤為突出(32.0%,研究人員時間佔比為 16.0%)。6資料收集任務的相對使用量較低,佔研究人員時間的 28.6%,卻只佔 Claude 會話的 11.5%、Claude Code 會話的 11.9%。存在物理障礙的資料收集任務,如臨床或生化資料的採集,這種偏低尤為明顯。可以更多依賴數字化流程的資料收集任務,如檢索檔案檔案或文本,偏低程度較輕;而純數字化的資料收集任務,如收集線上資料,則可能偏高。構思與假設生成任務的使用量同樣偏低,佔 Claude 會話的 4.2%、Claude Code 會話的 2.1%,而研究人員在該類任務上的時間佔比為 7.1%。
將觀測到的使用情況與調查證據對比。除了分析 Claude 和 Claude Code 會話,我們還對 528 名科學家做了調查,他們自報的 AI 使用情況與我們在會話中觀察到的模式一致。樣本主要是生命與健康科學領域、積極採用 AI 的研究人員。7與圖 3 所示的 Claude 使用模式一致,受訪者自報的 AI 使用量在資料分析和寫作與溝通上最高,在構思與假設生成和資料收集上較低。受訪者還表示,在資料分析和寫作與溝通上更多是共享或委託 AI 完成(圖 4)。
調查還詢問了哪些類別對產出重要研究成果最關鍵。受訪者將構思與假設生成排在第一位,資料收集排在第二位。值得注意的是,這兩類在自報使用情況和 Claude 會話中都偏低。偏低的原因可能各不相同。資料收集很大一部分是物理性的,而構思不是。就構思而言,科學家可能更願意自己產生想法,也可能認為 AI 的能力有限。我們的資料也可能低估了構思,因為它往往融入許多其他研究任務,難以分類。但 AI 在高層級構思上也可能確實較弱,比如選擇研究哪個問題、設計研究來回答它。
Claude Science 在生物學與生物醫學領域的應用。Claude 和 Claude Code 是通用型介面,而面向科學領域的專用 AI 工具正日益普及。為了研究這類工具能否支撐更專業、要求更高的科研工作,我們藉助隱私保護分析基礎設施,對比了 Claude Science 與 Claude、Claude Code 在生物學和生物醫學工作上的表現。
Claude Science 把 Claude 與眾多原本彼此割裂的研究工具和資料庫連線起來,起到整合並加速科研工作流的作用。科研人員往往要在多個平臺之間來回切換,每個平臺的資料結構或查詢語言各不相同,才能把不同的工具和資料庫組合到研究中。例如,生物學家要研究現有藥物能否作用於某個特定蛋白,通常得分別查詢該蛋白的功能、結構、已針對它測試過的化合物,以及相關的藥物試驗或論文。Claude Science 把這些環節整合進同一個工作流。
Claude Science 的使用集中在生命科學領域。排名前兩位的領域是生物醫學科學和生物學,合計佔會話總量的 50% 以上。在這些領域內,我們評估了哪些任務相對於 Claude 所執行的任務出現得格外頻繁。
我們發現,研究人員使用 Claude Science 完成的任務比使用 Claude 時更專業(圖 5)。例如,“為蛋白質—蛋白質或蛋白質—配體相互作用提出機制模型”這一任務在 Claude Science 上出現的可能性是 Claude 上的 5.6 倍。該任務要求在單個分子接觸的層面解釋一個蛋白如何與另一個蛋白或小分子(如藥物)結合。Claude Science 很適合這類任務,因為它能從多個已連線的資料庫中收集蛋白質結構和結合資料,並整合成一個可檢驗的相互作用模型。相比之下,Claude Science 相對較少用於撰寫稿件或與協作者溝通等一般性任務。此外,我們發現構思與假設生成佔 Claude Science 會話的 8%,與這類任務在研究人員時間中所佔的比例大致相當,這說明面向科學的專用 AI 工具能夠支援更復雜、更有創造性的工作。
聚焦生物醫學科學和生物學,並採用我們在先前工作中提出的經濟基元框架(Appel 等,2026)的度量方法,我們發現 Claude Science 上的任務比 Claude 和 Claude Code 上的任務耗時更長、更復雜,執行時的自主性也更高(圖 6)。這與專用 AI 工具被用於要求更高的任務這一判斷相符。8Claude Science 的會話所包含的工作,若沒有 AI 輔助,完成所需的人力時間幾乎是 Claude 和 Claude Code 上工作的兩倍。這些會話的內容也更高階。據估計,Claude Science 的使用中超過 80% 需要博士水平的訓練(20 年教育),而其他介面上這一比例約為 50%–70%。超過 70% 的 Claude Science 會話是在高度 AI 自主的情況下完成的,遠高於 Claude(23.7%),也略高於 Claude Code(64.1%)。
Claude 使用產出。最後,用 Claude 產出的成果在不同領域呈現出明顯差異(圖 7)。9 文件、報告、學術論文等文字類成果在社會科學與人文學科中相對更常見,自然科學與形式科學則較少。反過來,程式碼、軟體輸出、資料等技術類成果在自然科學與形式科學中更頻繁。整體來看,健康科學在產出型別上更接近社會科學。Claude Code 上的技術類成果出現頻率約為 Claude 的兩倍,但各領域的總體分佈格局相似(見附錄)。
使用方式與能力的關係
AI 的使用情況是否與 AI 能力同步?領域規模能解釋 Claude 使用差異的一部分,但並非全部。例如,電腦科學領域的研究者使用 Claude 的程度遠超該領域規模所能預測的水平,而營養學領域的研究者則用得少得多。同樣,研究者把自身時間花在哪裡,也不能完全預測他們最常在哪些環節使用 Claude。資料分析、寫作等大類任務的使用佔比遠高於其研究時間佔比,而資料收集、構思與假設生成等任務的使用佔比則小得多。在此,我們檢驗這些使用差異是否反映了 AI 實際具備的能力。
為衡量特定任務上的 AI 能力,我們先用大語言模型分類器構建能力評分。對於每項任務,SciNet 都列出了科學家完成任務所需執行的各個步驟。例如,化學中有一項任務涉及純化反應混合物,而該任務的一個步驟是裝填色譜柱。分類器會看到分類體系中成對的步驟,並被問及 AI 更能勝任哪一個。我們用 Bradley–Terry 模型彙總這些比較結果——國際象棋選手的 Elo 評分正是基於這一模型,依據兩兩對局結果進行排名。某個步驟在比較中獲勝,得分就上升;落敗則下降。隨後我們對每項任務各步驟的得分取平均,得到任務級評分(詳見附錄)。我們將這一指標稱為理論 AI 能力,將某項任務的具體得分稱為其AI 能力評分。
為比較不同任務的使用情況,我們考察的是:相對於研究者在該任務上投入的時間,Claude 的使用量是偏高還是偏低。例如,某項任務佔研究者 5% 的時間,卻佔 Claude 會話的 10%,說明其使用量是預期的兩倍,比值為 2。比值為 1 表示 Claude 的使用量與研究者投入該任務的時間相符。比值低於 1 則表示,相對於該任務所耗費的研究者時間,Claude 的使用量偏少。
圖 8 顯示,這一使用比例會隨任務的 AI 能力評分升高而急劇上升。在能力評分最低的 20% 任務中,例如純化反應混合物和進行參與式觀察,Claude 幾乎不被使用。在能力評分處於中位數時,該比例約為 1,即使用量與研究人員投入的時間大致相當。而在能力評分最高的 20% 任務中,例如資料視覺化和應用統計檢驗,Claude 的使用量約為研究人員在這些任務上通常投入時間的兩倍,Claude Code 則約為四倍。這些規律表明,科學家對 Claude 的使用與 AI 能力評分高度同步。Claude Code 的梯度更陡,反映出它專注於計算類工作,而這類工作的能力評分更高。
理論上的 AI 能力會因任務不同而存在差異,原因有很多。為了理解這些差異,我們把每個任務的 AI 能力評分與三組由大語言模型推匯出的任務特徵聯絡起來:任務是否適合強化學習(RL);工作主要是認知型、人際型還是體力型;以及是否存在限制 AI 使用的監管規定(圖 9;定義和資料來源見附錄)。
先看 RL 適用性。在強化學習中,AI 模型會反覆嘗試一項任務,成功時獲得獎勵,從而學會如何完成該任務。當成功易於驗證、可以在計算環境中模擬大量示例、並且反饋能夠快速給出時,任務就特別適合 RL(Lambert et al. 2024;Guo et al. 2025)。我們使用 SciNet 中針對這三個 RL 相關元件的任務級指標,並將它們彙總為一個指數。任務的能力評分與其 RL 指數評分高度相關(相關係數為 0.78),而後者是單獨分類的。這表明,AI 在最容易應用 RL 的研究任務上能力最強。
其他重要的任務特徵涉及工作的性質。有些研究任務本質上是認知型的,另一些則需要體力動作或人際接觸。體力型任務通常超出了純認知機器的能力範圍。此外,監管限制也可能限制 AI 的使用。以認知型工作為特徵的任務,AI 能力評分更高(相關係數為 0.69)。相比之下,涉及更多體力工作的研究任務,AI 能力評分更低(−0.57)。包含人際工作的研究活動(−0.31)或涉及 AI 使用監管限制的研究活動(−0.38),評分也往往更低。
同樣的任務特徵還能預測研究人員在給定任務上使用 Claude 的程度(圖 10)。在 RL 適用性最低的五分之一任務中,Claude 幾乎不被使用。而在最高的五分之一任務中,相對於研究人員投入的時間,Claude 的使用量高得不成比例:Claude 為兩倍,Claude Code 為四倍。這與 Claude 使用量和整體 AI 能力評分之間的關聯相似——在整體評分最高的 20% 任務中,使用量同樣達到預期水平的兩到四倍。
在以認知為主的任務中,Claude 的使用量同樣高得不成比例。相比之下,體力型和人際型任務中 Claude 的使用量較低。在監管障礙限制 AI 輔助的任務中,Claude 的使用量也較低。總體而言,在高度專業化的各類研究任務中,使用量與能力指標之間存在很強的關聯。
不同科學領域依賴的研究活動組合各不相同。對於細分研究任務,使用量與能力評分之間的相關性,是否有助於解釋為什麼有些領域比其他領域更多地使用 Claude?我們的資料表明確實如此:一個子領域每位研究者的 Claude 使用量,往往隨其各項任務的平均 AI 能力評分上升而增加(Claude 的相關係數為 0.45,Claude Code 為 0.57),如圖 11 所示。
各領域之間也存在顯著差異,這說明 Claude 的使用還受到 AI 能力之外的因素影響。健康科學領域的研究者使用 Claude 相對較少,與其任務對應的 AI 能力評分相比偏低,原因可能是醫療資料和研究受到監管,限制了 AI 的使用,或使其更難整合。形式科學、社會科學以及藝術與人文學科的研究者使用 Claude 的程度則高於 AI 能力評分的預測。這些領域的許多工作通過文本和程式碼完成,這很可能有利於採用 AI 工具。物理科學和生命科學領域的 Claude 使用情況總體上與 AI 能力評分更為吻合,不過個別子領域可能有所偏離。
理論 AI 能力還能預測研究者允許 Claude 自主工作的程度。圖 12 顯示,自主使用情況與子領域的理論 AI 能力相關。換言之,理論 AI 能力更高的子領域不僅更多地使用 AI,而且使用方式也更自主。
AI 驅動的研究加速情景
科學技術進步的速度取決於好的想法以及實現這些想法的手段。從歷史上看,兩者都受限於人的能力。研究者數量有限,每個人用於提出假設、設計合適的實驗、執行分析並綜合研究結果的時間也有限。
AI 可以通過兩種方式緩解這些限制。第一,它可以承擔研究者目前所做的工作,讓他們能夠探索更多想法。第二,它可以貢獻研究者原本可能想不到的想法。第二種方式最終可能最為重要,但更難衡量,因此我們的分析聚焦於第一種。
方法
我們考察了 AI 推動科學加速的三種情景。情景 1 假設當前 AI 能力得到廣泛採用,這一假設基於我們的調查和 AI 能力評分估算得出。情景 2 和情景 3 是假設的未來情形:AI 將 75% 或 100% 的非物理研究步驟完全自動化——這些步驟是 SciNet 中構成每項研究任務的各個具體動作——並從 AI 能力評分最高的步驟開始。在三種情景中,研究者都繼續執行物理步驟。這些情景僅作示例,並非預測。它們展示了物理工作、理論 AI 能力和 AI 成本可能如何影響科學研究的加速,以及哪些領域可能加速最快。
針對每個場景,我們報告兩項指標。第一項是AI 佔比:在一項研究中,AI 可以承擔的研究人員時間比例。考慮到研究人員目前的時間分配方式,它衡量的是 AI 能釋放出多少人類研究時間,這一指標直接來自我們上面的分析。研究人員可以把釋放出來的時間轉投其他工作,從而提高研究產出。第二項指標是加速倍數,用來估算這種增益:在固定研究預算下,研究產出相對於沒有 AI 時的增長幅度。它告訴我們,同樣的預算能多產出多少研究成果。釋放出的時間並不會一比一地轉化為更多產出,一方面是因為研究人員會把精力轉向 AI 幫助較小的任務,另一方面是因為 AI 本身也有成本。
場景 1 的 AI 佔比來自我們的調查,調查記錄了五個 AI 使用層級:無、輔助、共享、委託和自主。我們假設這些層級對應 AI 承擔研究人員在某個任務步驟上 0%、25%、50%、75% 和 100% 的時間。在每個任務類別內,我們按 AI 能力得分對任務步驟排序,然後按照調查中報告的相同比例,為每個任務步驟分配 AI 使用層級,得分最高的步驟分配最高層級。以構思和假設生成環節為例,17% 的回覆報告未使用 AI,53% 報告輔助使用。因此,AI 能力得分最低的 17% 構思任務步驟被分配零 AI 佔比,接下來的 53% 被分配 25%,依此類推。由於受訪者很可能是 AI 的重度使用者,我們把他們報告的使用情況視為 AI 當前能力的代理指標。最後,我們把 AI 釋放的研究人員時間從任務步驟彙總到領域層面(見附錄)。
為了計算加速倍數,我們使用創意生產函式,這是描述研究投入(如研究人員時間)如何轉化為研究產出的標準經濟模型。在該模型中,一篇論文需要完成許多研究任務(Jones 2026)。這些任務互為補充,某一環節強並不能完全彌補另一環節弱。隨著 AI 讓某些任務成本降低,研究人員會把精力轉向 AI 幫助較小的任務,從而緩解限制整體收益的瓶頸。例如,研究人員可以花更多時間提出新問題,或開展更多物理實驗來擴充實證證據。我們依據 Ahmadpoor 和 Jones(2019)校準這些瓶頸對整體收益的限制程度。關於 AI 成本,我們假設 AI 助理每小時成本為 30 美元,研究人員每小時成本為 95 美元,並且 AI 每節省一小時研究人員時間,需要執行 0.2 小時。這些是示例性假設:AI 成本採用當前公開標價。正如我們在下文討論的,這些成本越低,給定預算內能完成的研究就越多,加速倍數也越大。附錄描述了模型和假設。
場景 1:當前能力
以現有能力,如果AI得到廣泛採用,它可以承擔完成一項新研究所需研究者時間的27%–52%,各學科中位數為38%(圖13左圖)。這些比例意味著研究加速幅度從藝術學科的1.35倍、人類學的1.36倍、化學的1.41倍,到電腦科學的1.96倍和統計學的2.02倍不等(圖13右圖)。加速幅度之所以有限,是因為如今的AI工作大多是輔助性或分擔性的,而非自主完成,研究者仍然要在幾乎每個環節上投入大量時間。即便是AI就緒度最高的領域——其工作幾乎完全是認知性的——加速幅度也只有約2倍。這些估算的前提是AI廣泛普及,且研究者將其應用於當前所有有用的環節。
學科間的差異主要由兩個因素解釋。第一個是體力工作,沒有物理層面的整合,AI無法承擔這類工作。在農業科學、生物醫學科學、化學和材料科學等實驗室與野外科學中,38%–41%的研究者時間花在體力環節上,而各學科中位數僅為4%。僅體力工作佔比這一項,就能解釋AI佔比差異的約三分之一。第二個因素是認知工作中AI能力評分的分佈。藝術和歷史花在體力環節上的時間很少(分別為10%和4%),但其認知環節的AI能力評分較低,或許是因為定性和解釋性工作不太適合強化學習。相比之下,電腦科學和統計學的評分高、AI佔比大,這主要得益於資料分析——這是各學科中AI能力評分最高的一類工作。
在Claude上使用比例更高的學科,其AI佔比往往也更大(圖14)。AI佔比的計算完全沒有使用Claude的使用資料,因此這一關係進一步證明,AI的實際使用情況與理論上的AI能力是吻合的。
情景2和情景3:更高程度的自動化
這兩個更具推測性的情景高度依賴對AI覆蓋範圍和成本的假設。在它們之中,更高程度的自動化會大幅提升AI佔比和加速幅度,並拉大學科之間的差距。
在情景2中,75%的非體力環節可由AI完成,加速幅度在電腦科學達到約8倍,統計學和圖書館與資訊科學約7倍,經濟學約6倍。大多數其他社會科學、數學、物理學和天文學達到4–5倍,而實驗室科學和醫學科學約為2–3倍。實驗室科學以及藝術與人文學科獲益最少,但原因各不相同。在實驗室科學中,大量工作是體力性的,仍須由研究者完成。在藝術與人文學科中,工作大多是認知性的,但AI能力評分較低,因此被自動化的環節很少。在電腦科學中,自動化環節佔非體力研究者時間的82%,而在藝術學科中僅佔28%。歷史學、人類學和藝術的加速幅度約為2倍或更低。
在情景3中,藝術與人文學科走在前列,而實驗科學則依然受到制約。一旦AI將所有非物理步驟自動化,較低的AI能力評分便不再限制認知工作,AI可以在許多領域承擔幾乎全部研究工作(圖13左側面板)。在這一推測性情景中,物理任務較少的領域——包括統計學、電腦科學、經濟學、數學、心理學以及大部分社會科學和藝術與人文學科——達到約15–16倍。而實驗室或實地工作較多的領域,如生物學、化學、材料科學、農業科學和生物醫學科學,僅達到3–4倍。在缺乏自動化實驗室的情況下,這些領域約佔總研究時間40%的物理步驟仍然是瓶頸。
這些情景帶來兩點啟示。第一,物理瓶頸依然強大。AI在沒有物理整合的情況下無法執行的步驟,會佔據研究者的時間和預算,從而限制加速幅度。第二,在不存在此類瓶頸的地方,非凡的進展速度成為可能,而AI的成本則成為限制因素。在我們的假設下,一項由AI完全自動化的任務,其成本仍約為研究者親自執行成本的十六分之一,因此加速幅度接近約16倍並止步於此。更低的AI成本會按比例提高這一上限,例如,將AI成本減半,進展速度就會翻倍。如果成本大幅下降,包括AI日後自動化的更難任務,那麼沒有物理瓶頸的領域可能會加速到遠超這些估計的水平。
這些計算存在重要侷限,且影響是雙向的。我們沒有考慮研究團隊層面之外的領域層面約束。例如,大型強子對撞機等設施只能執行有限數量的實驗。我們也只計算了研究者和AI的時間成本,沒有計算機器或實驗投入的成本,而這些在健康、物理和生命科學中可能相當可觀。我們也沒有考慮用模擬替代物理實驗,而這可能緩解某些領域的瓶頸。最後,我們沒有考慮想法的質量。如果AI能識別出成功率更高的更好假設,研究可能會進一步加速;如果研究品味仍然為人類獨有,加速則會較慢。
研究者的預期
上述情景描述了一系列可能性。研究者自身的預期可以基於專業知識提供獨特的指引。為了收集他們的觀點,我們對生命與健康科學領域研究者的調查詢問了他們預計AI獨立工作時,何時能在不同類別的科研工作上匹敵其領域內最優秀的研究者(圖15)。受訪者的近期預期很高:超過一半預計AI到2027年在資料分析上能匹敵頂尖研究者,38%表示AI已經達到這一水平。到2030年,94%預計AI將在資料分析上匹敵最優秀的研究者,89%在寫作上,72%在構思和資料收集上。對構思和資料收集的預期較低,這與目前Claude在這些任務上的使用較少相一致。
對於無需人類介入的端到端 AI 研究,人們的預期更為保守,但研究者仍預計會有顯著進展。約 40% 的受訪者認為到 2030 年 AI 能獨立完成完整的研究專案,約 64% 認為到 2035 年可以實現,不過有 16% 的人認為這永遠不會發生。對於 AI 自主產出科學突破,預期則更為謹慎:約半數研究者認為這要到 2035 年之後才可能實現,甚至永遠無法實現。總體來看,許多研究者預計未來十年自動化水平會很高,這與我們更激進的自動化情景大體一致。這些預期能以多快的速度、在多大程度上成為現實,不僅取決於 AI 作為軟體技術的進步,也取決於能否建成克服物理障礙的自動化實驗室。
將以往的調查證據與實際結果對比可以發現,AI 的進展常常被大幅低估(Rosenberg et al. 2026)。例如,2022 年年中的一項調查顯示,對於 AI 在國際數學奧林匹克競賽中達到金牌水平,領域專家給出的中位估計是 2030 年,超級預測者給出的則是 2035 年(Karger et al. 2023)。而 AI 在 2025 年就實現了這一里程碑,比這些預測提前了五到十年。儘管預測者系統性地低估了 AI 能力的進展,但也有少數例外,主要集中在需要在物理世界中執行的領域,比如生物學中 AI 輔助的實驗室任務。
討論
如果 AI 能幫助加快科學發現,就可能有助於提高生活水平、加快疾病治療的進展。我們的估算表明,潛在收益相當可觀。但 AI 研究能力的提升並不會自動轉化為快速進展;能否實現這種加速,還取決於我們如何應對若干制約因素。
首先,採用速度可能大幅滯後於能力。新技術的擴散通常很慢(Comin and Hobijn 2010),而生產率的提升往往要等到組織圍繞新技術完成重組之後才會顯現(David 1990; Brynjolfsson, Rock, and Syverson 2021)。個體的學習過程、組織或系統層面的摩擦,以及 AI 獲取或基礎設施方面的限制,都可能拖慢採用速度。
其次,研究可能仍會面臨 AI 無法消除的瓶頸。物理實驗成本高、速度慢,即便 AI 能力極強,也可能大幅限制進展。在上文的情景中,我們在實驗臺科學領域尤其能看到這一點。選擇研究什麼可能是另一個瓶頸。研究問題在很大程度上決定了一個研究專案的價值,而 AI 能否提出好問題仍不清楚。如果構思環節是瓶頸,那麼即便回答某個特定問題變得便宜得多,加速也會受到限制。反過來,如果 AI 在提出高質量假設方面超越人類,加速可能更為顯著,尤其是在檢驗假設成本高昂的領域。
第三,AI 賦能的研究可能提升研究產出的數量或質量,而這兩者對科學的影響並不相同。新論文激增可以加速一個領域的發展,但也可能超出科學家吸收或驗證成果的能力。另一方面,從顯微鏡、望遠鏡到統計軟體,新技術在歷史上一直提升了科學洞見的質量,AI 同樣可以讓更全面的分析和更宏大的專案變得可行。而隨著論文生產變得更容易,研究界可能越來越獎勵那些特別新穎或高質量的工作。更高效的研究究竟帶來更多數量還是更高質量,取決於研究者的選擇,以及期刊、資助方和機構設定的激勵。
第四,研究的組織方式可能以難以預料的方式發生變化。隨著 AI 能力更強、自主性更高,AI 系統可能主導驗證、審稿和重要成果的傳播,從而緩解上述的吸收問題。更遠的未來,AI 研究AI 助理還可能借助機器人和自動化實驗室,組成自己的大型社群,獨立於人類推進科學前沿。這種自主的 AI 研究將帶來一系列問題:人類如何跟蹤新知識、能否理解這些知識,以及知識是如何產生的。
第五,更自主的 AI 系統可能加大一項挑戰:確保 AI 驅動的研究始終與人類目標保持一致。隨著 AI 助理變得更強、更有創造力,讓人類參與關鍵的研究決策——比如研究哪些問題、如何研究——可能對安全和人類福祉至關重要。科學發現本身,或研究的副產品,也可能帶來風險,尤其是在生物學領域:加速醫學進步的能力,同樣可能產生危險的知識或材料。在這種情況下,可能有必要在研究過程中設定刻意的檢查點,這意味著我們要接受更慢的進展以降低風險。
最後,研究者所從事的工作可能發生顯著變化。一個影響可能是研究者工作滿意度的變化。如果 AI 接管了令人愉快或有成就感的工作,滿意度可能下降,選擇科研職業的人也會減少。如果 AI 接管的是研究者覺得枯燥的工作,滿意度則可能上升。行政事務就是一個潛在目標。在美國,聯邦資助專案的主要研究者報告稱,約 44% 的研究時間花在滿足行政要求而非做研究上(Schneider et al. 2020),減輕這一負擔可能帶來巨大好處,既節省時間,又提升整體滿意度。歸根結底,淨效應並不確定,並且可能隨 AI 能力的演進而變化。一種樂觀的看法是,AI 將拓展發現的機會,而這正是科研職業令人滿足的核心所在。如果科學是一場駛向“無盡前沿”的航行,AI 或許是一艘新船,讓研究者能在廣闊的研究問題與發現之海中走得更遠。
附錄
參考文獻
Ahmadpoor, Mohammad and Benjamin F. Jones, “Decoding Team and Individual Impact in Science and Invention,” Proceedings of the National Academy of Sciences, 2019, 116 (28), 13885–13890.
Alamos, Cristian 與 Lukas Althoff,《SciNet:科學的解剖》,資料集,2026年。https://www.anatomyofscience.com/
Amodei, Dario,《慈愛機器:AI 如何讓世界變得更美好》,文章,2024年10月。https://darioamodei.com/essay/machines-of-loving-grace
Anthropic,《進一步瞭解 Claude 的數學能力》,研究文章,2026a年8月10日。https://www.anthropic.com/research/riemann-zeta
Anthropic,《形式化費馬大定理》,研究文章,2026b年9月4日。https://www.anthropic.com/research/formalizing-fermats-last-theorem
Appel, Ruth 等,《Anthropic 經濟指數報告:經濟基元》,研究文章,2026年1月15日。https://www.anthropic.com/research/anthropic-economic-index-january-2026-report
Brynjolfsson, Erik、Daniel Rock 與 Chad Syverson,《生產率 J 曲線:無形資產如何補充通用目的技術》,《美國經濟雜誌:宏觀經濟學》,2021年,13 (1),333–372。
Bush, Vannevar,《科學:無盡的前沿——致總統的報告》,華盛頓特區:美國政府印刷局,1945年。
Codreanu, Mihai 等,《AI 在科學中的應用:早期洞察》,arXiv 預印本 arXiv:2609.28504,2026年。https://arxiv.org/abs/2609.28504
Comin, Diego 與 Bart Hobijn,《技術擴散初探》,《美國經濟評論》,2010年,100 (5),2031–2059。
David, Paul A.,《發電機與計算機:現代生產率悖論的歷史視角》,《美國經濟評論》,1990年,80 (2),355–361。
Eloundou, Tyna 等,《GPT 就是 GPT:大語言模型的勞動力市場影響潛力》,《科學》,2024年,384 (6702),1306–1308。
Guo, Daya 等,《DeepSeek-R1 通過強化學習激勵大語言模型的推理能力》,《自然》,2025年,645 (8081),633–638。
Hao, Qianyue 等,《人工智慧工具擴大了科學家的影響力,卻收窄了科學的關注範圍》,《自然》,2026年,649 (8099),1237–1243。
Jones, Benjamin F.,《人工智慧在研發中的應用》,載 Ajay Agrawal、Erik Brynjolfsson 與 Anton Korinek 編,《變革性 AI 的經濟學》,芝加哥:芝加哥大學出版社,2026年,37–61。
Jumper, John 等,《用 AlphaFold 實現高精度蛋白質結構預測》,《自然》,2021年,596 (7873),583–589。
Karger, Ezra 等,《預測生存性風險:來自長期預測錦標賽的證據》,預測研究所工作論文 1,2023年。https://forecastingresearch.org/research/existential-risk-persuasion-tournament
Kobak, Dmitry 等,《通過超額詞彙探究生物醫學出版物中 LLM 輔助寫作》,《科學進展》,2025年,11 (27),eadt3813。
Lambert, Nathan 等,《Tülu 3:推動開放語言模型後訓練的前沿》,arXiv 預印本 arXiv:2411.15124,2024年。https://arxiv.org/abs/2411.15124
Liang, Weixin 等,《量化科學論文中的大語言模型使用情況》,《自然-人類行為》,2025年,9 (12),2599–2609。
Liu, Yinhong 等,《與人類判斷對齊:成對偏好在大型語言模型評估器中的作用》,載《第一屆語言建模會議(COLM)論文集》,2024年。
Mantiuk, Rafał K., Anna Tomaszewska, and Radosław Mantiuk, “Comparison of Four Subjective Methods for Image Quality Assessment,” Computer Graphics Forum, 2012, 31 (8), 2478–2491.
Massenkoff, Maxim et al., “Anthropic Economic Index Report: Cadences,” research post, June 26, 2026. https://www.anthropic.com/research/economic-index-june-2026-report
Merchant, Amil et al., “Scaling Deep Learning for Materials Discovery,” Nature, 2023, 624 (7990), 80–85.
OpenAI, “An OpenAI Model Has Disproved a Central Conjecture in Discrete Geometry,” research post, May 20, 2026a. https://openai.com/index/model-disproves-discrete-geometry-conjecture/
OpenAI, “On the Navier–Stokes Millennium Prize Problem,” research post, September 8, 2026b. https://openai.com/index/navier-stokes-solution/
Parshall, Daniel and Andrea Lopez-Luzuriaga, “Measuring AI’s Economic Reach: A Multi-Dimensional Task Taxonomy,” George Washington University Center for Economic Research Working Paper 2026-005, 2026. https://www2.gwu.edu/~forcpgm/2026-005.pdf
Robinson-Garcia, Nicolas et al., “Meta-Research: Task Specialization Across Research Careers,” eLife, 2020, 9, e60586.
Rosenberg, Josh et al., “How Accurate Have AI Progress Forecasts Been So Far?” research post, Forecasting Research Institute, September 22, 2026. https://forecastingresearch.org/research/ai-progress-accuracy-update
Schneider, Sandra L. et al., “2018 FDP Faculty Workload Survey: Report of Primary Findings,” Federal Demonstration Partnership, 2020. https://thefdp.org/wp-content/uploads/FDP-FWS-2018-Primary-Report.pdf
Shah, Nihar B. et al., “When Is It Better to Compare than to Score?” arXiv preprint arXiv:1406.6618, 2014. https://arxiv.org/abs/1406.6618
Tomei, Philip Moreira and Bouke Klein Teeselink, “What Jobs Can AI Learn? Measuring Exposure by Reinforcement Learning,” arXiv preprint arXiv:2605.02598, 2026. https://arxiv.org/abs/2605.02598
Tsoukalas, George et al., “Advancing Mathematics Research with AI-Driven Formal Proof Search,” Science, 2026, 394 (6820), 234–239.
Varadi, Mihaly et al., “AlphaFold Protein Structure Database in 2024: Providing Structure Coverage for over 214 Million Protein Sequences,” Nucleic Acids Research, 2024, 52 (D1), D368–D375.
Wang, Hanchen et al., “Scientific Discovery in the Age of Artificial Intelligence,” Nature, 2023, 620 (7972), 47–60.
來源:Anthropic:Research · anthropic.com