机器发现报道
Anthropic《AI for Scientific Discovery》：谁在高频使用 AI 做科研？
近年来，以大语言模型（LLM）为代表的人工智能正在席卷各个实验室，深刻重塑着一线学者的科研方式与思考节奏。
但当我们跳出各自的实验室，站在整个科学共同体的维度去审视这场变革时，许多关键问题依然缺乏实证数据的解答：在整个科学界，不同学科的研究人员到底在多大程度上依赖 AI？我们最常交给 AI 的工作，和真正决定科研突破的核心环节之间存在怎样的差距？如果 AI 的能力继续演进，不同学科的科研产出速度又会发生怎样的分化？
几天前（2026年11月5日），Anthropic 发布了一份题为《AI for Scientific Discovery: How Researchers Use Claude》的研究报告。研究团队在保护用户隐私的前提下，调用分类模型分析了 2026 年 8 月至 9 月间超过 20.7 万次真实的科研会话（包括 12.89 万次常规 Claude 对话和 7.81 万次 Claude Code 编程会话），并将这些对话精准映射到 SciNet 科学分类法的 34 个一级学科、318 个子学科以及 7,262 项具体科研任务中。同时，他们还对 528 名活跃使用 AI 的科研人员（主要来自生命科学与健康科学领域）进行了深入的问卷调查。
这份报告没有停留在泛泛的趋势畅想，而是用扎实的数据和经济学模型，为我们拆解了当前科研工作流的真实状况。作为一线科研人员，仔细读完这份 35 页的报告，其中的几组核心数据与推演结论非常值得我们结合手头的课题去深入思考。
哪些学科和方向真正在高频使用 AI？
在讨论 AI 对科学的影响时，一个最直观的问题是：谁在高频使用它？如果仅看绝对会话数量，计算机科学（11.9%）、工程学（8.4%）和临床医学（7.7%）在常规 Claude 的使用中排名前三。但这很大程度上是因为这些学科本身的学者基数庞大。为了看清真实的采用程度，报告将各学科的会话占比与其在全球研究人员中的人数占比进行了对比。
各学科在 Claude（上）与 Claude Code（下）中的科研会话占比与全球研究人员占比的对数对比。虚线为 45 度等比例线，虚线上方代表该学科的 AI 使用率高于其学者人数规模。
从 Figure 1 可以清晰地看到，各学科的相对使用率呈现出明显的分化。在 45 度线显著上方的，主要是计算机科学、数学、统计学等形式科学，以及经济学等偏重定量的社会科学。尤其在能够直接读写本地文件、运行代码的工具 Claude Code 中，这种集中度达到了极高的水平：仅占全球学者总数 4.3% 的计算机科学，贡献了高达 32.7% 的编程会话量，物理与天文学（9.9%）、生物学（7.6%）和经济学（7.4%）紧随其后。相比之下，化学、材料科学等高度依赖实验室操作的物理科学，以及需要大量时间面对患者的临床医学、兽医学和营养学，其相对使用率均落在 45 度线下方。
如果我们把颗粒度进一步细化到 318 个子学科，规律会变得更加明确。
318 个子学科的 Claude 与 Claude Code 会话占比与研究人员规模对比，右侧列出了会话量排名前十的子学科。
Figure 2 揭示了一个对所有科研人都很有启发的事实：决定 AI 使用频率的，并不是你所属的一级学科名称，而是你所在细分研究方向的计算与数字化程度。在全部子学科中，“人工智能与机器学习”仅占全球学者的 1.2%，却占了 Claude 会话的 5.0% 和 Claude Code 会话的 15.2%。更重要的是，无论传统大类归属于生命科学、健康科学、物理科学还是人文社科，只要是带有“计算”属性的交叉子学科，无一例外都处于高频使用的最前沿。在 Claude Code 的前十名榜单中，“生物信息学与计算生物学”以 6.5% 的占比高居第二，甚至超过了计算机视觉（4.1%）和软件工程（2.7%）。此外，计算材料学、计算神经科学、生物医学工程与成像、计量经济学、生物统计学以及计算语言学，全都显著高于等比例线。
这组数据反映出当前科学界非常真实的现状：凡是研究对象已经完成数字化、核心工作流可以通过代码和文本来表达的领域，AI 已经深度嵌入了日常科研。而那些必须频繁与物理实体或临床患者打交道的领域，AI 的介入程度依然有限。
我们把 AI 用在了哪里？通用模型与专业科研工具的差距
除了学科分布，我们更关心同行们具体在用 AI 做什么。报告将科研过程拆解为八大类核心任务（排除了本科教学、院系行政等非直接科研工作），并将 Claude 的实际会话分布与学者平时在这些任务上投入的时间比例（基于 SciNet 数据库与湿实验协议校准的基准时间）进行了对比。
八类科研任务在 Claude（橙色）与 Claude Code（蓝色）中的会话占比，黑色竖线代表研究人员平时在该类任务上耗费的时间比例。
Figure 3 的对比非常直观。目前科研人员使用 AI 最集中的两个领域是“数据分析”和“论文写作与交流”。数据分析占了科研人员日常约 27.6% 的时间，但在 Claude 中占到了 33.7% 的会话，在 Claude Code 中更是高达 48.1%。论文写作与交流平时占学者 16.0% 的时间，但在 Claude 中的会话占比达到了 32.0%，整整翻了一倍。如果细看具体的单一任务，撰写论文初稿（Drafting manuscripts）是所有界面中最高频的任务（在 Claude 中占 18.6%，在 Claude Code 中占 11.1%），其次是文献综述合成（6.8%）以及回复审稿人意见（6.7%）。
与之形成鲜明反差的是“数据收集（Data gathering）”和“构思与提出假设（Ideation & hypothesis generation）”。数据收集占了学者日常 28.6% 的时间，但在 Claude 和 Claude Code 中的会话占比都只有 11.5%–11.9%。构思与提出假设平时占 7.1% 的时间，而在 Claude 中仅占 4.2%，在 Claude Code 中更是低至 2.1%。
当研究团队把这一客观使用数据与 528 名学者的问卷调查放在一起时，发现了一个值得深思的矛盾。
左图为受访学者在四类核心任务中自我报告的 AI 介入程度（从完全不用到完全自主）；右图为学者对这四类任务在“产出重大科研成果”中所占重要性的评分（总分 100 分）。
如 Figure 4 右侧所示，当被问及哪类工作对产出重大科研发现最重要时，科学家们给出了极高的一致性：排名第一的是“构思与提出假设”（平均分配 35.6 分），排名第二的是“数据收集”（23.6 分），而数据分析（23.3 分）和写作交流（17.5 分）排在后面。也就是说，在通用大模型界面上，我们把绝大部分算力用来处理自己认为相对次要的执行性工作（洗数据、跑统计、改论文），而在真正决定研究上限的“提出好问题”和“获取一手数据”上，AI 发挥的作用还非常有限。
为什么大家不用 AI 来做科学构思？一方面是因为学者倾向于自己掌握研究方向，另一方面也是因为通用聊天界面缺乏与专业科学数据库的深度连接，难以支撑严密的科学推演。但报告随后对专业科研工具 Claude Science 的分析，展示了一个完全不同的图景。
Claude Science 是专门为科学工作流设计的界面，它把原本碎片化、拥有各自独立查询语言和数据结构的专业数据库与分析工具（例如蛋白质结构库、化合物活性库、基因组测序库和临床试验库）整合到了同一个工作流中。
上图为 Claude Science 会话量排名前十的学科（生物医学与生物学合计超过 55%）；下图为生物与生物医学领域中，Claude Science 相对于普通 Claude 最常执行和最不常执行的具体任务倍数。
在生物与生物医学领域，Claude、Claude Code 与 Claude Science 在任务耗时（折合人类独力完成所需小时数）、博士级知识内容占比（受教育年限=20年）以及高 AI 自主性占比上的对比。
Figure 5 和 Figure 6 的数据非常亮眼。在生物与生物医学领域，科研人员极少把 Claude Science 拿来写论文初稿（相对比例仅为普通 Claude 的 0.43 倍）或做基础的数据清洗（0.46 倍），而是大量用于高度专业化的核心科研任务。例如，“提出蛋白质结构与功能假设”的频率是普通 Claude 的 6.0 倍，“提出蛋白质-蛋白质或蛋白质-配体互作机制模型”以及“提出药物-靶点互作假设”均为 5.6 倍，“分析癌症相关突变的测序数据”为 5.4 倍。在 Claude Science 上，“构思与提出假设”的整体占比达到了 8%，比普通 Claude 翻了一倍，已经与人类科学家平时花在构思上的时间比例基本持平。
更重要的是任务的深度与自主性（Figure 6）。在 Claude Science 上运行的生物医学任务，如果由人类学者独力完成，平均需要耗费 10.3 个小时（是普通 Claude 4.9 小时的两倍以上）。其中高达 82.7% 的内容需要博士阶段的受教育水平（20 年教育年限）才能处理。同时，有 73.3% 的会话是在高 AI 自主性（4 到 5 级）下完成的，远高于普通 Claude 的 23.7%。
这给我们的课题组工具建设提供了一个非常明确的启示：单独和一个通用聊天框对话，它很难帮你产生真正有价值的科学假设。但当你通过 Agent 框架或专用接口，把大模型与你所在领域的专业数据库、分析软件打通之后，AI 就不再只是一个改语法的文字秘书，而是真正能够介入到高难度假设生成与机制推演中的科研助手。
为什么有些科研任务 AI 做得好，有些却无能为力？
为了搞清楚 AI 到底擅长哪些具体的科研动作，研究团队做了一项很扎实的基础工作。在 SciNet 分类法中，每一项科研任务都被拆解为若干个具体的操作步骤（例如化学中的“纯化反应混合物”任务，包含了“装填层析柱”等步骤）。研究团队让分类器对这些步骤进行成对比较，评估哪个步骤 AI 能完成得更好，并采用国际象棋 Elo 等级分背后的 Bradley-Terry 模型，计算出了每一项科研任务的“理论 AI 能力评分（Theoretical AI capability score）”。
随后，他们定义了一个“使用比率（Use ratio）”：某项任务在 Claude 中的会话占比，除以学者平时在该任务上耗费的时间占比。比率为 1 代表按部就班，大于 1 代表超额使用。
科研任务的理论 AI 能力评分百分位（横轴）与实际使用比率（纵轴）的关系。
Figure 8 证明了科研人员在选择何时使用 AI 时非常敏锐且务实。处于 AI 能力评分最低 20% 的任务（如化学中的纯化反应混合物、社会学中的参与式观察），使用比率接近于 0。处于中位数的任务，使用比率恰好在 1 左右。而处于能力评分前 20% 的任务（如数据可视化、执行统计检验），在 Claude 上的使用比率超过了 2，在 Claude Code 上更是接近 4 倍。
那么，究竟是什么底层特征决定了某项科研任务的 AI 能力评分高低？研究团队将能力评分与五项任务特征进行了相关性分析。
科研任务的理论 AI 能力评分与五项任务特征（强化学习指数、认知性、物理性、人际交互性、监管限制）之间的相关系数。
不同任务特征强度下，Claude 与 Claude Code 的实际使用比率变化趋势。
Figure 9 和 Figure 10 点破了当前大模型在科研应用中的能力边界。决定一项科研任务 AI 能不能干好，相关性最高的指标是 强化学习适配度（RL index，相关系数高达 +0.78），其次是任务的 认知属性（Cognitive，+0.69）。
在强化学习中，模型通过反复尝试并获取奖励信号来提升能力。一项科研任务如果要非常适合强化学习，必须同时具备三个条件：结果对错容易验证、可以在计算环境中低成本模拟成千上万个样本、反馈能够迅速送达。写代码、调参数、做统计检验、证明数学命题或推导形式化逻辑，天然符合这三个条件，因此 AI 在这些环节进步神速，使用率也呈指数级上升。
相反，有三个特征会显著拉低 AI 的能力与使用率：第一是 物理操作属性（Physical，相关系数 -0.57），只要涉及实验室动手操作或田间采样，纯软件形态的 AI 就无从下手；第二是 监管与合规限制（Regulatory restriction，-0.38），例如涉及受保护的患者医疗隐私数据或伦理审查限制，这也是为什么健康科学领域即使面对一些能力评分不低的任务，实际使用率依然偏低；第三是 人际交互属性（Interpersonal，-0.31），如临床问诊、人类受试者访谈等。
看懂了这组相关性，我们在规划自己实验室的 AI 工作流时就能省去很多盲目尝试：凡是处于“可快速验证、可数字模拟、纯认知”象限的子任务，应当尽早、大胆地交给 AI 甚至让其自主运行。而涉及物理执行、复杂伦理合规与人际沟通的环节，则需要提前做好人工衔接的设计。
3 倍与 15 倍的差距：物理实验将如何卡住科研加速的脖子？
如果 AI 能够接管越来越多的科研步骤，未来的科学发现速度到底能快多少？很多人在估算时容易犯一个线性外推的错误：以为 AI 把写代码和写文章的速度提高了 10 倍，整个课题的产出就能提高 10 倍。
报告的第四部分由著名创新经济学家 Benjamin Jones（报告共同第一作者）等人引入了经济学中经典的 “想法生产函数（Ideas Production Function）”。在真实的科研中，完成一篇论文需要几十个步骤互相配合，这些步骤之间是高度互补的（即存在显著的“木桶效应”）。当 AI 让数据分析和写论文变得极其廉价甚至瞬间完成时，科研人员省下来的时间会被重新分配到 AI 帮不上忙的瓶颈步骤上。同时，调用 AI 本身也需要算力经费（报告按当前公开价格假设：AI 代理运行 1 小时成本为 30 美元，人类学者 1 小时成本为 95 美元，每节省 1 小时人工需要 AI 运行 0.2 小时）。在固定科研经费预算的前提下，报告推演了三种情景下各学科能够释放的学者时间比例，以及最终转化为科研产出（论文或成果数量）的加速倍数。
三种情景下各学科被 AI 释放的研究时间比例（左图）与固定预算下的科研产出加速倍数（右图，对数坐标）。圆圈代表情景 1（广泛普及当前 AI 能力）；菱形代表情景 2（自动化 75% 的非物理步骤）；三角形代表情景 3（自动化 100% 的非物理步骤）。
Figure 13 是整篇报告中最值得所有科研人反复审视的一张图。我们来仔细看这三种情景的推演结果：
在 情景 1（广泛采用当前 AI 能力） 下，AI 大约能帮各学科接管 27% 到 52% 的研究时间（中位数为 38%）。由于目前的 AI 多以辅助或协作形式存在，学者仍需在每个环节投入精力，因此各学科的科研产出加速倍数差距不大：艺术学（1.35 倍）、人类学（1.36 倍）和化学（1.41 倍）较低，而计算机科学（1.96 倍）和统计学（2.02 倍）大约能实现产出翻倍。
到了 情景 2（AI 完全自动化 75% 的非物理步骤，按能力评分从高到低接管），学科之间的鸿沟开始迅速拉大。计算机科学的产出加速达到约 8 倍，统计学和图书情报学达到 7 倍，经济学达到 6 倍，数学与物理天文学达到 4–5 倍。然而，需要做实验的生命科学、医学、化学等学科，以及人文艺术学科，产出仅仅提升了 2 到 3 倍。这两类学科慢下来的原因截然不同：实验学科是因为有大量物理操作步骤无法被 AI 替代。艺术与历史学虽然物理步骤极少（仅占 4%–10%），但它们的定性阐释工作在前面提到的“AI 能力评分”中得分较低，因此在只自动化前 75% 非物理步骤时，它们的大部分核心认知工作还没被覆盖到（计算机科学有 82% 的非物理时间被自动化，而艺术学只有 28%）。
最震撼的是 情景 3（AI 完全自动化 100% 的非物理步骤）。假设未来某一天，AI 攻克了所有脑力与认知难题，能够把除了亲自动手之外的所有科研步骤全部自动做完，学术界会发生什么？
从 Figure 13 右侧的三角形图标可以看到，所有不依赖物理实验的学科——包括统计学、计算机科学、数学、经济学、心理学，甚至在情景 2 中落后的哲学、文学、历史等全部人文社科——科研产出将全部飙升至 15 到 16 倍！在这些纯认知学科里，人类学者不再有时间瓶颈，限制一个课题组一年能做出多少成果的唯一天花板，只剩下科研经费能买多少 Token。因为按模型设定，AI 完成一项任务的算力成本约为人工成本的十六分之一，如果未来算力价格减半，产出倍数还会直接翻番到 30 倍以上。
然而，再看一眼图中的生物学、兽医学、农业科学、神经科学、生物医学、材料科学和化学。即便 AI 已经强大到能在一秒钟内读完所有文献、设计好方案、分析完数据并写出完美论文，这些实验学科的整体科研产出依然被死死卡在 3 到 4 倍！
原因非常简单却又无比坚硬：在农业科学、生物医学、化学和材料科学中，有 38% 到 41% 的研究人员时间（全学科中位数仅为 4%）必须花在物理世界的实验操作、样本采集、细胞培养或田间试验上。当那 60% 的非物理脑力工作被 AI 压缩到极致之后，这 40% 必须亲自动手的物理步骤，就成了吞噬所有时间和经费的绝对瓶颈。
这个经济学测算把实验科学未来十年的核心矛盾挑得一清二楚：对于做生物、农业、材料、化学的课题组来说，单靠升级电脑里的聊天大模型，很快就会撞上 3 到 4 倍的产出天花板。未来真正能把实验科学解放出来的，一定是高通量自动化实验室（Automated Labs）、实验机器人、自动化表型采集平台，或是能够高精度替代真实物理实验的计算模拟技术（Simulation）。谁能先把那 40% 的物理周期压下来，谁才能吃到下一波科研加速的真正红利。
当发文章变得越来越快，未来几年科研人该拼什么？
面对这样的加速推演，一线科研人员自己对未来是怎么看的？报告在问卷中请受访的生命与健康科学学者预测：在不依赖人类干预的情况下，AI 什么时候能匹敌他们领域内最顶尖的研究人员？
受访科研人员对 AI 在四个分项任务以及“完整科研周期（无人在环）”、“做出突破性发现（无人在环）”上匹敌领域顶尖学者时间节点的预期分布。
Figure 15 显示，身处一线的活跃 AI 使用者对技术演进的速度抱有相当高的预期。在数据分析方面，38% 的学者认为 AI 今天就已经达到了顶尖学者水平，超过半数（56%）认为最晚到 2027 年就能达到，94% 认为会在 2030 年前实现。在论文写作方面，89% 的学者预计 2030 年前 AI 能匹敌顶尖同行。而在难度更高的“构思与提出假设”和“数据收集”上，也有 72% 的受访者认为到 2030 年 AI 能追平顶尖学者。
更值得注意的是最下方两行关于端到端科研的预测：有 约 40% 的受访学者预计，到 2030 年 AI 就能在“没有人类科学家干预（no human in the loop）”的情况下，独立走完从提出问题到得出结论的完整科研周期；约 64% 的人认为这会在 2035 年前发生。至于完全独立做出领域内公认的“重大突破性发现”，学者的态度更为谨慎，大约一半的人认为要到 2035 年以后甚至永远不会发生，但仍有近三成学者认为 2030 年前就有可能看到。报告还特意提醒了一句：回顾过去几年的预测记录（例如 2022 年专家预测 AI 拿到国际数学奥林匹克金牌的中位数年份是 2030–2035 年，而实际上 2025 年就已经实现），科学界对纯软件 AI 能力的演进速度往往是低估的。
如果未来三到五年内，常规的数据分析、代码编写和论文撰写真的以极低成本被大幅自动化，我们作为科研工作者的生存策略和用力方向必须做出调整。结合报告最后的讨论，有三个方面最值得我们提前布局：
第一，当“把一篇常规文章做出来”的门槛急剧降低，学术界必然会迎来论文数量的暴增。报告指出，这不仅会挑战人类学者的阅读与吸收极限，也会让现有的同行评议体系不堪重负（未来甚至可能需要引入 AI 辅助审稿与验证）。在常规工作严重通胀的环境下，期刊、资助机构和学术共同体的评价标准一定会更加向两端收紧：一端是工作的绝对质量与原创性，另一端是底层数据的稀缺性。
第二，报告反复提到了一个词——“学术品味（Research Taste）”。当回答一个科学问题的计算与分析成本变得越来越低，决定一项研究价值的，就不再是你掌握了多熟练的统计脚本或润色技巧，而是你最初究竟选了一个什么样的问题去研究。在无数个可能得出的假设中，敏锐地判断出哪个问题真正重要、哪个方向具有底层突破价值，并在关键节点做出研究决策，这依然是 AI 极难替代的核心能力。
第三，是突破物理与数据采集的瓶颈。无论是在实验室里设计更巧妙的湿实验体系，还是在真实世界、临床队列、田间地头获取别人拿不到的独特一手数据，这些跨越物理壁垒的工作，在 AI 时代反而会因为其“不可被纯算力轻易复制”而变得愈发珍贵。
报告在结尾处还引用了一项非常扎心的调查数据：在美国，承担联邦资助项目的课题组负责人（PI）平均要把 44% 的科研时间 耗费在应付各类行政合规要求与填表汇报上，而不是真正做研究。如果未来几年，我们能用好 Claude Code、Claude Science 这类工具，先把那 44% 的繁琐行政事务，以及常规的数据清洗、基础脚本编写和初稿码字工作剥离出去，把省下来的宝贵精力重新投回到阅读深度文献、打磨科学问题、设计关键实验这些真正让人兴奋的事情上——那么 AI 带来的，或许不仅是一场效率竞赛，更是让我们重新找回科研纯粹乐趣的契机。
原文链接：https://www.anthropic.com/research/how-researchers-use-claude