Anthropic研究：科学家把AI用在了它最能做的地方，而不是最重要的地方

Anthropic研究团队分析了207049次科研会话（2026年8月至9月），覆盖34个学科、7262项研究任务，得出了一个反直觉的结论：科学家把AI用在了AI最能做的地方，而不是他们自己认为最重要的地方。在调查中，研究者将构思与假设生成列为对产出重要研究成果最关键的任务，数据收集排第二；但在实际会话中，数据分析占了Claude约三分之一的用量、Claude Code近一半，而构思仅占Claude会话的4.2%、Claude Code的2.1%。

这一使用模式并非随意选择，而是紧密跟随AI的理论能力。研究团队用Bradley-Terry模型（与象棋等级分同一方法）为每项任务构建能力分数：让语言模型比较任务步骤对，判断哪个AI更能胜任，再聚合为任务级得分。结果显示，能力分数最高的20%任务（如数据可视化、统计检验）获得了研究者时间预期两到四倍的AI用量；能力最低的20%（如纯化反应混合物、参与观察）几乎无人使用。能力分数与三个因素高度相关：任务是否适合强化学习（即能否在计算环境中反复尝试并获得即时反馈），工作是否以认知为主而非物理或人际交互，以及是否存在限制AI使用的监管约束。简言之，科学家似乎在AI最有效的地方使用AI。

基于这些发现，报告构建了三种加速情景。当前能力广泛采纳后，部分领域产出可翻倍（计算机科学约2倍，统计学约2倍）。若AI自动化75%的非物理步骤，计算机科学可达约8倍，但实验科学因物理瓶颈仅达2-3倍。若全部非物理步骤自动化，计算机科学和统计学理论上可达15-16倍，而化学、生物学等仍被约40%的物理时间卡住。这些数字是模型推演而非预测，依赖明确假设：AI每小时成本30美元对比研究者95美元，以及任务互补性导致的瓶颈转移效应。

报告也记录了专用工具正在缩小这一差距。Claude Science（连接多个研究数据库的专用接口）中，构思与假设生成占8%的会话，接近研究者时间占比，是通用Claude的两倍。在生物医学领域，Claude Science上超过80%的任务需要博士级训练，70%以上以高度自主方式执行，远高于Claude的23.7%，也高于Claude Code的64.1%。这暗示通用AI工具的能力边界正在被专用基础设施部分突破。不过需要注意，调查的528名受访者来自主动申请AI研究额度的群体，很可能比一般科学家更重度使用AI；能力分数由语言模型生成，其准确性本身未经独立验证；加速情景假设了完全扩散，而现实中技术采纳通常滞后于能力。