Anthropic Economic Index 全集(AI 经济影响测量,2025-2026 系列)

何时打开:你要回答"AI 真的让人更快了吗 / AI 会替代哪类工作 / 哪些行业最受冲击 / 中印巴非 AI 渗透率怎样"这类有数据支撑的问题,不是凭直觉或科技博主带节奏。Anthropic 用 Clio(隐私保护分析)+ 用户 survey 双轨,2025 开始系列发报告 —— 本 wiki 是这些数据 + 指标的索引。

一句话核心:Anthropic Economic Index 是少数有"原始数据 + 公开方法 + 持续更新"的 AI 经济影响测量项目 —— 不是 a16z / 麦肯锡的"我们调研了 X 家企业觉得 Y"二手报告,是从 Claude 真实使用数据(隐私保护后)直接 derive 的指标。所以"软件工程师用 Claude 干啥分布""高低薪两头收益最大""中印巴非 AI 用法跟欧美差异"这些结论都有可重复的数据基础。

跟其他 wiki 的边界:商业判断 + 投资框架(估值 / 周期 / 模型公司战争)在 AI 行业判断与公司竞争(跨作者主题综合) / 王凯 RSI AI 投资策略与"好资产好价格好波动"框架;AI 安全 / 对齐研究在 Anthropic AI 安全 / 对齐 / 政策研究全集(Constitutional AI + RSP + Welfare + Policy)。本 wiki 专注 Anthropic 自己的经济影响数据 + 方法。

0. 10 篇 / 5 报告分类总览

时间	报告 / 文章	主问题	类型
2025-初	The Anthropic Economic Index(项目宣布)	"AI 在经济中的角色我们能不能持续测?"	项目宣布 news
2025-Q1	AI's impact on software development	"AI 怎么改变编程职业?"	第 1 份系列报告(software dev)
2025-中	Anthropic Economic Index: Insights from Claude Sonnet 3.7	Sonnet 3.7 影响下任务使用分布	news 形式 update
2025-09	Uneven geographic and enterprise AI adoption(September Report)	"全球 40% 美国员工用 AI / 但地区企业差异大"	第 2 份系列报告(geography)
2025-09	Tracking AI's role in the US and global economy(配套)	同上,带 dashboard / data 链接	配套数据展示
2026-01	Economic Primitives(January Report)	"我们造新指标:scope / breadth / depth"	第 3 份系列报告(primitives)
2026-01	New building blocks for understanding AI use(配套)	Economic primitives 简介	配套 news 文
2026-04	What 81,000 people told us about AI economics	"用户 survey 验证 / 补充 Clio 数据"	第 4 份系列报告(81K survey)
2026-04	Anthropic Economic Index Survey 启动(月度)	"持续月度 survey 数据流"	项目 update
2026-Q1	Anthropic Economic Futures Programme UK + Europe 启动	"把经济影响研究做成跨国政策项目"	policy news

5 大系列报告 + 配套 news / 项目 update 共 10 篇,Anthropic 把这做成 ongoing 项目而不是一次性 paper。

1. 方法论:Anthropic 怎么测?

1.1 数据来源 3 路

路	来源	优势	限制
Clio(主)	实际 Claude.ai 对话(全部匿名 + 聚合,见 Anthropic AI 安全 / 对齐 / 政策研究全集(Constitutional AI + RSP + Welfare + Policy) §6)	大规模 + 真实使用 + 持续	只能看"什么任务 / 怎么问",看不到结果好不好
User survey	Anthropic Interviewer 工具,月度问卷	主观反馈 + 看真实工作场景	偏自报告 + 选择偏差
企业 API 数据	1P API 使用模式(企业 anonymized)	看企业 vs 消费者使用差异	仅企业客户

1.2 关键指标(Primitives 报告引入,2026-01)

Anthropic 的"经济原语"3 个维度:

指标	含义	怎么测
Scope(范围)	一个任务里 AI 做了多少	比如"AI 写了 3% 代码 vs 80% 代码"
Breadth(广度)	跨多少种任务	比如"只做翻译 vs 翻译+总结+分析+coding"
Depth(深度)	任务复杂度 / 多轮交互深度	比如"快速翻一句 vs 多轮迭代设计方案"

意义:之前业界用"使用率 / 时长 / 满意度"这些通用 SaaS 指标,不能准确说出 AI 怎么改变工作。Anthropic primitives 专门测"AI 在做什么样的事",更适合经济学研究。

1.3 隐私保护策略

所有数据通过 Clio:

本地聚合 + 抽象化(去 PII / 不识别个人 / 不识别公司)
只输出统计 + 模式,不输出具体对话
隐私保护算法确保单条对话无法被还原

这是整个 Economic Index 系列的方法基础,没 Clio 就没这些报告。

2. 5 大报告核心发现

2.1 Report 1:AI's impact on software development(2025-Q1)

核心数据(我从原文提炼):

程序员是 Claude 使用最不成比例(disproportionate)的群体 —— US 数据
编程任务占 Claude 总使用很大份额
不光"写代码",还包括 review / debug / 系统设计 / 学习新框架等

意义:这是系列首份,奠定"以软件工程师为开端"的基线。后续报告反复跟这份比对。

2.2 Report 2:Uneven geographic and enterprise AI adoption(2025-09)

核心数据(我从原文提炼):

美国 40% 员工用 AI(2025),比 2 年前的 20% 翻倍
地理分布极不均:夏威夷的"旅行规划"、马萨诸塞的"科研"、印度的"web 应用开发"各自最 overrepresented
企业 vs 消费者:企业用法更 narrow(集中在 coding / 数据分析 / 流程自动化),消费者更 broad

意义:"全球 AI 革命"在不同地区是不同的故事。中国 / 印度的"用 AI 干什么"跟美国不同 —— 全球均匀渗透的假设不成立。

2.3 Report 3:Economic Primitives(2026-01)

核心发现(我从原文提炼):

引入 scope / breadth / depth 3 维度(见本 wiki §1.2)
任务分布:Claude 越来越被用来做"复杂的、需要多轮的、跨领域的"任务,不是"快速一问一答"
Opus 4.5 释放前夕 的数据快照(2025-11)—— 之后跟 Opus 4.5 / 4.6 释放后比对

2.4 Report 4:81,000 people told us about AI economics(2026-04)

核心数据:对 81,000 Claude 用户做 survey(用 Anthropic Interviewer),3 个关键发现:

#	发现	含义
1	AI 曝光度高的职业 = 担忧度高	越是 AI 能替代的工作,从业者越担心被取代 —— 不意外但有数据
2	早期职业(early-career)更担忧	资深从业者相对 lower 担忧 —— 可能因为资深累积的 expertise 更难被替代
3	最高薪 + 最低薪职业生产力提升最大	"U 型分布" —— 中间层(中等薪资 / 标准化任务)反而提升小

对照 wangkai 投资框架(见王凯收藏 / 2024-2026 AI 前沿论文与报告精读)中提到的 "Seniority-Biased AI" 研究 — junior 招聘 -7.7% / U 型异质性,与本报告 #2、#3 互为印证。

2.5 Report 5:Anthropic Economic Index Survey(2026-04,月度持续)

项目化:Anthropic 把"经济 survey"从单次报告 → 月度持续项目,通过 Anthropic Interviewer 自动化。

意义:

跨度从一次性 paper 升级到长期面板数据(panel data) → 经济学研究的金标准
跟 Federal Reserve / BLS / 各国统计局的数据互校 成为可能

3. 关键数据点(单独提出,grep 友好)

下面这些数据在多个报告里反复用,单独 list:

数字	含义	来源
40%	2025 美国员工报告"工作中使用 AI"	September Report
20%	2023 同一指标(2 年翻倍)	September Report
6%	claude.ai 对话是"personal guidance"性质(100 万对话样本)	claude-personal-guidance 文章(归 Anthropic 可解释性 + Claude 行为研究(Natural Language Autoencoders + 用户使用洞察))
81,000	survey 样本量(2026-04)	81k-economics
U 型分布	高薪 + 低薪两头生产力提升最大	81k-economics
scope / breadth / depth	Economic primitives 3 维度	January 2026 Report

4. Anthropic Economic Futures Programme(政策项目,UK+Europe)

来自 news/economic-futures-uk-europe。

项目:Anthropic Economic Futures Programme 在 UK + Europe 启动。

做什么(我从原文提炼):

资助 UK + Europe 学术界 / 智库做 AI 经济影响研究
共享 Anthropic 数据 + 工具(部分,合规框架下)
跟政策制定者(英国 / 欧盟)对接,让数据进政策决策

意义:把 research 从"Anthropic 自己发 paper"升级到"和国际政策机构合作做"。这跟 Anthropic AI 安全 / 对齐 / 政策研究全集(Constitutional AI + RSP + Welfare + Policy) §7 "2028 AI Leadership policy paper" 一致 —— Anthropic 把经济和地缘政治 narrative 一起做。

5. 跟外部研究 / 报告对照

| 来源 | 视角 | |---|---| | Anthropic Economic Index(本 wiki) | 实测数据,持续更新,3 维 primitives | | a16z / Sequoia / 麦肯锡 | 调研 + 投资 narrative,常含市场推断 | | 联邦 / 各国官方统计 | 劳动力 + 收入数据,但 AI 影响测量滞后 | | OpenAI / Google 内部数据 | 有但不公开 | | 学术界(MIT Sloan / Stanford) | paper 化,但样本小、不连续 | | 王凯 / 老黄三方实战派 | 个体 / 小团队亲历 + 帖子级判断 | 见王凯 AI 行业判断与大公司竞争格局观察 / newtype AI 商业、行业与投资观察 |

Anthropic 独特优势:唯一有"真实大规模使用数据 + 公开方法 + 持续更新 + 政策对接"全套。

业界批评:

"数据来自 Claude 用户,可能不能代表整个 AI 经济"(Claude 用户偏开发者 / 科技行业)
"经济结论部分跟 Anthropic 商业利益重合"(用 Claude 工作能 +X% 生产力 = 营销话)
"U 型分布"等结论需要外部独立复现才稳

本 wiki 不下判断,显式列分歧。

6. 关键时间线

时间	里程碑
2025-初	The Anthropic Economic Index 项目宣布
2025-Q1	Report 1:AI's impact on software development
2025-中	Insights from Claude Sonnet 3.7(news update)
2025-09	Report 2:Uneven geographic + enterprise AI adoption
2026-01	Report 3:Economic Primitives 新指标
2026-Q1	Anthropic Economic Futures Programme UK + Europe 启动
2026-04	Report 4:81,000 people survey
2026-04	月度 survey 持续化(Anthropic Interviewer 自动)

每 3-6 个月一份大报告 + 月度小数据。是 AI 公司里最严肃的经济影响测量项目。

7. PM / 政策 / 投资视角速查

你的角色	你该挖哪条?
PM 做 AI 产品	scope / breadth / depth 3 维度(衡量你的产品在 user 工作中"占比"多少)
HR / 招聘	81K survey #1+#2(职业曝光度 + early-career 担忧)调你的招聘 narrative
企业经济咨询	September Report 地理 + 企业差异(给企业建 AI 部署策略)
投资 / VC	高薪 + 低薪 U 型(中等薪资标准化岗位"中间层挤压"风险)
政策制定	Economic Futures Programme(对接 UK+Europe 数据)
学术研究	月度 survey panel data 用于经济学研究
个人职业规划	看你职业的"曝光度" + early-career 担忧度,做长线决策

8. 相关 wiki / 互查地图

想看	wiki
Anthropic 安全 / 对齐 / 政策研究(Constitutional / RSP / 2028 Two Scenarios)	Anthropic AI 安全 / 对齐 / 政策研究全集(Constitutional AI + RSP + Welfare + Policy)
Anthropic 可解释性 + 用户行为研究(NLA / personal guidance / sycophancy)	Anthropic 可解释性 + Claude 行为研究(Natural Language Autoencoders + 用户使用洞察)
Anthropic 工程团队 25 篇 hub	Anthropic 工程团队第一方视角:Agent 工程化 / Skills / MCP / Claude Code(2025-2026 全集)
AI 行业判断 6 视角(王凯 / 老黄 / Karpathy / a16z / Anthropic / OpenAI)	AI 行业判断与公司竞争(跨作者主题综合)
王凯行业判断 + 投资框架	王凯 AI 行业判断与大公司竞争格局观察 / 王凯 RSI AI 投资策略与"好资产好价格好波动"框架
老黄 AI 商业趋势(452 帖 + BIG NEWS 时间线)	newtype AI 商业、行业与投资观察
王凯前沿论文精读(How People Use ChatGPT / Seniority-Biased AI / 等)	王凯收藏 / 2024-2026 AI 前沿论文与报告精读

9. 元信息

改写策略:10 篇文章 / 5 大报告按"方法 + 5 报告核心发现 + 关键数据点 + 时间线 + 政策项目 + 业界对照"重组。重点不是逐报告精读,而是把整个项目压成"一图看懂 + 关键数字 + 你的角色对应挖法"地图。

双语策略(translation_status: bilingual):

章节标题中英混排(Economic Index / Primitives / scope / breadth / depth 不翻)
核心英文术语首次出现给中文释义
数据点保留原数字 + 中文解释

业界批评显式列(不抹平):3 条业界批评在 §5 列出 —— 数据偏 Claude 用户 / 跟商业利益重合 / U 型分布需要独立复现。

Phase C 进度:第 3 / 第 3 完成。Phase C 全部完成,共 3 wiki:

下一步:Phase C finalize(回填 frontmatter ingested_to + INDEX 加 3 篇 + commit),然后 Phase D。