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。

▲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