Anthropic 分析了约20.7万次科研会话，并调查了528名科研人员，观察 AI 已经进入哪些研究环节，以及它可能怎样改变科研进度。这份报告既谈数据分析和写作，也谈实验、选题与现实瓶颈，以下是全文翻译。
Johannes Hermle*, Ben Jones*, Lukas Althoff*, Ryan Heller, Thomas Lyttelton, Carolyn Stein, Nathan Wilmers, Maxim Massenkoff, Peter McCrory
*本报告主要作者
摘要
-
测量内容。AI 能加速科学发现，但幅度取决于其能力和科学家的用法。我们以保护隐私的方法研究了20.7万次 Claude 和 Claude Code 科研会话，考察不同学科与任务的使用情况，帮助公众了解当下 AI 科研的状态，评估它未来对科学发现的影响。 -
使用环节。相对于研究者人数，计算机科学、数学、统计学等形式科学使用 Claude 更多，健康科学和实验室型物质科学较少。科学家主要用它分析数据和写作。仅数据分析就占 Claude 会话约三分之一、Claude Code 会话近一半。创意生成和数据采集的使用较少，尽管配套调查显示，科学家认为它们对发现最重要。科研专用 AI 工具可能缩小实际使用与任务重要性之间的差距。例如，创意生成在 Claude Science 中的使用占比约为 Claude 的两倍。 -
使用与能力。我们构建了 AI 理论上执行各项研究任务的能力指标。最适合 AI 的20%任务，Claude 使用量达到按科研耗时预测水平的2至4倍；最不适合 AI 的20%任务，包括大部分现实操作，使用极少。各学科也有相同模式：计算机科学、统计学等 AI 能胜任许多任务的领域，Claude 用得更多。 -
对发现速度的意义。我们用简单模型探索科研加速情景。若现有 AI 能力广泛普及，某些学科的产出可能翻倍。若 AI 能完成所有非现实操作研究，计算机科学、统计学等学科产出最高可能达到15倍；受现实操作瓶颈制约的化学、生物学等实验学科则为3至4倍。我们调查的积极使用 AI 的研究者中，约40%预计 AI 到2030年能独立完成完整研究项目。
引言
科学被称为“无尽的前沿”（Bush，1945）。历史上，探索速度一直受限于稀缺的人类研究时间与才智。AI 可以放大研究者的能力，缓解约束，改变发现过程与探索速度（Wang 等，2023；Amodei，2024）。很少有 AI 应用能如此深刻地影响人类福祉。科研比多数经济活动更依赖认知，AI 的影响可能更大、更早。
近期案例显示，AI 在科学发现中的作用越来越大。在结构生物学中，AlphaFold 预测了超过2亿种蛋白质的三维结构（Jumper 等，2021；Varadi 等，2024），其创造者共同获得2024年诺贝尔化学奖。材料科学中的 GNoME 预测了38万种稳定新晶体（Merchant 等，2023）。数学研究者借助 AI，帮助解决提出数十年的 Erdős 问题，给出一个千禧年大奖难题的潜在证明，并在开放猜想、标志性证明验证等重大问题上取得进展（Anthropic，2026a、2026b；OpenAI，2026a、2026b；Tsoukalas 等，2026）。
多数科学进步还涉及许多专业且相互衔接的任务，各学科差异很大。AI 能将发现加速多少，不仅取决于能力，也取决于它怎样被用于这些任务。本报告通过保护隐私的基础设施，研究 Claude、Claude Code 和 Claude Science 的科研使用，记录学科与任务差异，解释其原因，并提出研究加速情景。
Claude 的科研使用因学科而异。相对于研究者人数，计算机科学、数学、统计学等形式科学用得更多，健康科学和实验室型物质科学较少。科学家更多用它分析数据和写作，较少采集数据、生成创意或假设，与配套调查的自报使用一致。
为解释差异，我们构建了理论 AI 能力指标。得分越高的任务和学科，Claude 使用越多。这些工作通常更偏认知，也更适合强化学习，即通过反复尝试的反馈来学习。简言之，科学家似乎会在 AI 最擅长的地方使用它。
据此，我们提出科研加速情景。当前能力主要通过增强具体任务，令某些学科产出最高翻倍。受访研究者预计未来能力会强得多。假设 AI 完全自动化所有非现实操作工作，计算机科学、统计学等高度认知型学科的产出最高可能达到15倍。加速潜力最大的学科也包括 AI 研发本身，因此可能产生反馈循环：更快的 AI 研究创造更强的 AI，继而进一步加速研究。
更快的科学发现能造福人类，但 AI 驱动研究也有风险和不确定性。人工监督减少，可能催生危险或不合伦理的研究；AI 也可能重塑科研职业，增减工作的成就感，改变人类追求知识的意义感。
我们怎样开展这项研究
我们希望在保护研究细节的同时，衡量科学家怎样使用 Claude。保护隐私的基础设施用于分析消费者套餐中的科研会话。语言模型分类器读取会话，按照预定义的 SciNet 体系（Alamos 和 Althoff，2026），标注学科、任务等固定类别。团队仅保留并分析“化学”“数据清洗”等标签，不提取或保存研究数据集、假设、实验方法、初步发现、未发表论文等开放式内容。结果只汇总报告，且统计单元必须达到最低独立账号数。分类器清单见附录。
测量分两步：先识别会话是否涉及科研，再分配 SciNet 的学科、子学科和任务。SciNet 覆盖34个学科、318个子学科、7,262项任务。起草论文等任务跨学科通用，另一些仅属于特定领域，例如材料科学中的光吸收和发射光谱预测。这些任务覆盖产生新研究发现的全过程。
主要样本为2026年8月2日至9月30日消费者套餐中，被分配了科研学科和任务的207,049次会话：128,914次来自通用对话与知识工作界面 Chat 和 Cowork，下文统称“Claude”；78,135次来自直接操作用户文件、编写和运行代码的编程 Agent Claude Code。另有 Claude Science 补充样本。样本构建详见附录。
结合使用数据与结构化任务分类，我们能研究哪些学科采用 Claude，以及用于哪些科研环节。这补充了衡量 AI 科学发现应用的相关文献（Kobak 等，2025；Liang 等，2025；Hao 等，2026；Codreanu 等，2026）。
不同学科怎样使用 Claude
先看学科差异。图1比较各学科的会话占比与全球研究者占比，以衡量相对使用水平〔注1〕。Claude 会话占比最高的是计算机科学（11.9%）、工程学（8.4%）和医学（7.7%），它们也属于全球研究者最多的学科〔注2〕。总体上，研究者占比越高，会话占比也越高，双对数相关系数为0.79。
但研究者人数无法解释全部差异。图1中，45度线以上的学科相对规模用得更多，线以下则更少。计算机科学、数学、统计学等形式科学的相对使用尤其高，社会科学也较高。化学等常在实验室工作的物质科学较低；会话量第三大的医学同样如此，其研究者有大量时间需要面对患者。
Claude Code 的使用与学科规模关联较弱，与研究者人数的双对数相关系数为0.62，更集中于定量型学科。计算机科学只占全球研究者的4.3%，却占 Claude Code 会话的32.7%〔注3〕。数学、统计学等形式科学的相对使用也高。艺术、人文和社会科学较低，定量性较强的经济学除外。
报告图一 Claude 在不同学科中的使用情况。每个点代表一个学科。横轴为该学科的研究人员占比，纵轴为其科研会话占比，两个坐标轴均采用对数刻度。上图为 Claude，下图为 Claude Code。
比较34个学科下的318个子学科，也有类似模式，见图2〔注4〕。人工智能与机器学习尤为突出：研究者占比仅1.2%，Claude 和 Claude Code 会话占比却为5.0%和15.2%。无论所属门类，计算型子学科通常都积极采用 AI，例如计算生物学、计算语言学和计算神经科学。机器人学的相对使用也高，可能因其虽面向物理系统，却高度依赖计算方法。
报告图二 Claude 在不同子学科中的使用情况。每个点代表一个子学科。横轴为该子学科的研究人员占比，纵轴为其科研会话占比，均采用对数刻度。上图为 Claude，下图为 Claude Code。出于隐私考虑，账号数量过少的子学科未予展示。
不同研究任务怎样使用 Claude
科研从提出假设、分析数据到写成论文，包含许多任务。为了解 Claude 的作用，我们将每次会话归入 SciNet 的7,262项任务之一，考察使用差异。任务既有起草论文等通用工作，也有癌症生物学中比较肿瘤亚型的差异基因表达分析等特定工作。体系区分产生新发现的研究任务，与教学、同行评审、院系或学科服务等非研究任务〔注5〕。我们只分析八类研究任务：（1）数据分析；（2）写作与交流；（3）数据采集；（4）阅读与知识获取；（5）理论分析；（6）设计与开发，包括软件、材料和创意作品；（7）创意与假设生成；（8）其他，例如研究管理。
我们分别计算 Claude 与 Claude Code 的任务类别占比，再与 SciNet 估算的通常科研时间占比比较，判断使用量高低。耗时由 LLM 分类器估计，以记录单项任务耗时的湿实验流程和数千篇论文中的任务出现频率验证，详见附录。这一基准用于判断使用分布是否符合科研时间分配。
各类任务的使用。数据分析的绝对使用最多，相对于耗时也偏高：占 Claude 会话的33.7%、Claude Code 的48.1%，科研时间占比则为27.6%。写作与交流也常见，尤其在 Claude 上占32.0%，科研时间占比为16.0%〔注6〕。数据采集耗时占28.6%，会话却只占11.5%和11.9%，相对使用较低。临床、生化数据采集等有现实操作障碍的任务尤其如此。档案、文本检索等可更多依赖数字流程的采集任务，偏低程度较小；收集在线数据等纯数字任务，使用甚至偏高。创意与假设生成只占 Claude、Claude Code 会话的4.2%、2.1%，科研时间占比却为7.1%。
报告图三 各类科学研究任务中的 Claude 使用情况。每一行对应八类任务中的一类。橙色条为 Claude 科研会话中该类别的占比，蓝色条为 Claude Code 中的占比，黑线为基于 SciNet 估算的科研时间占比，详见附录。
与调查对照。我们还调查了528名科学家，主要来自生命和健康科学，且积极采用 AI〔注7〕。自报使用模式与会话数据一致：如图3，数据分析、写作与交流最多，创意与假设生成、数据采集较少。受访者也更常与 AI 共同完成数据分析、写作与交流，或将其委派给 AI，见图4。
调查也询问了哪些类别对重要成果最关键。受访者把创意与假设生成排第一，数据采集第二，而两者的自报使用和 Claude 会话占比都偏低。原因可能不同：采集多涉及现实操作，构思则不然。科学家可能更愿自己构思，或认为 AI 能力有限。构思还常融入其他任务，难以分类，可能被数据低估。但 AI 也可能确实不擅长高层次构思，例如选择研究问题、设计回答问题的研究。
报告图四 研究人员自报的 AI 使用情况。左图为四类研究任务中，处于各 AI 使用级别的受访者比例，级别从完全不用到自主执行。右图为受访者对各类别在产生重要研究成果时的重要性评分，即在四个类别间分配100分。
Claude Science 的生物学与生物医学应用。Claude 和 Claude Code 是通用界面，科研专用 AI 工具则日益增多。我们以保护隐私的分析基础设施，比较三者在生物学与生物医学中的工作，考察专用工具是否支持更专业、更高要求的研究。
Claude Science 连接原本分散的科研工具与数据库，整合、加速工作流。研究者常须使用多个平台，各自有不同数据结构或查询语言。例如，研究现有药物能否作用于某蛋白质，生物学家通常须分别查询其功能、结构、已测化合物、相关药物试验或论文。Claude Science 将它们整合到一个流程。
Claude Science 的使用集中于生命科学。生物医学和生物学合计超过一半会话。我们在这两个学科中，考察相对于 Claude，哪些任务占比偏高最多。
Claude Science 的任务更专业，见图5。例如，“提出蛋白质—蛋白质或蛋白质—配体相互作用的机制模型”，相对出现频率为 Claude 的5.6倍。它需要从单个分子接触层面解释蛋白质怎样与另一蛋白质，或药物等小分子结合。Claude Science 能跨已连接数据库提取结构与结合数据，形成可检验的相互作用模型，适合这项任务。起草论文、协调合作者等通用任务的相对使用则较低。创意与假设生成占其会话8%，大致符合科研耗时占比，表明科研专用 AI 能支持更复杂、更有创造性的工作。
报告图五 Claude Science 在不同学科与任务中的使用情况。上图为 Claude Science 科研会话占比最高的十个学科。下图只考察生物学与生物医学，展示 Claude Science 相对于 Claude 最典型和最不典型的任务。计算方式为：该任务在这两个学科的 Claude Science 科研会话中所占比例，除以它在 Claude 科研会话中的占比。
以此前经济基本要素框架的指标（Appel 等，2026）考察生物学与生物医学，Claude Science 的任务比 Claude、Claude Code 更长、更复杂、自主性更高，见图6，符合专用工具承担更高要求任务的模式〔注8〕。没有 AI 时，完成其会话工作的人工耗时近乎另两者的两倍。内容也更深入：估计超过80%需要博士级训练，即20年教育，其他界面约为50%至70%。超过70%的会话具有高度 AI 自主性，高于 Claude 的23.7%，也略高于 Claude Code 的64.1%。
报告图六 生物学与生物医学中的使用特征。比较 Claude、Claude Code 和 Claude Science 所完成任务的纯人工耗时、博士级内容占比，以及自主程度。橙色和蓝色的斜线条，对 Claude 和 Claude Code 的子学科与任务进行重新加权，使其分布与 Claude Science 一致。
产出形式。各学科的 Claude 成果也有明显差异，见图7〔注9〕。文档、报告、论文等文字成果，在社会科学和人文中比在自然科学、形式科学更常见；代码、软件输出、数据等技术成果则相反。健康科学的成果更接近社会科学。Claude Code 的技术成果约为 Claude 的两倍，但学科间总体模式相似，见附录。
报告图七 Claude 产生的成果。各学科 Claude 会话中，产生文字成果与技术成果的会话占比。学科按这两种占比之差排列。
使用情况与能力之间的关系
使用是否对应能力？学科规模只解释了部分差异：计算机科学使用 Claude 远超规模预期，营养学则低得多。科研时间分配也不能完全预测使用量。数据分析、写作的使用占比高于耗时，数据采集、创意与假设生成则较低。我们检验这些差异是否反映 AI 实际能做什么。
我们用 LLM 分类器构建任务能力分数。SciNet 列出完成每项任务的具体步骤，例如化学中的反应混合物纯化，包含装填色谱柱。分类器比较成对步骤，判断 AI 更擅长哪一个。再用 Bradley–Terry 模型汇总，这也是按两两交锋为棋手排序的 Elo 评级背后的模型。获胜步骤加分，落败减分。将任务内各步骤平均，得到任务得分，详见附录。我们称这一指标为“理论 AI 能力”，具体任务的得分为“AI 能力分数”。
我们比较任务的 Claude 使用量相对耗时是高是低。例如，一项任务耗时占5%，会话占10%，使用量就是预期的两倍，比值为2。比值为1表示与耗时一致，低于1则表示按耗时衡量使用偏少。
图8中，使用比值随 AI 能力分数显著上升。最低20%的任务，如纯化反应混合物、参与式观察，几乎不用 Claude；中位能力附近，比值约1，与耗时一致。最高20%的任务，如数据可视化、统计检验，Claude 和 Claude Code 的使用约为预期的2倍、4倍。这表明科学家使用 Claude 的模式紧随 AI 能力。Claude Code 的梯度更陡，源于其专注的计算工作能力分数更高。
报告图八 Claude 使用与理论 AI 能力。纵轴为各能力五分位组任务的使用比值，即投入这些任务的科研会话占比，除以 SciNet 估算的科研时间占比。横轴为任务的 AI 能力分数百分位。橙色点代表 Claude 在各组中的平均使用比值，蓝色点代表 Claude Code。
理论 AI 能力因任务而异。我们考察其分数与三组 LLM 推导特征的关系：强化学习适合度；工作偏认知、人际互动还是现实操作；是否有 AI 使用监管限制，见图9。定义与来源见附录。
先看强化学习适合度。在强化学习中，AI 模型反复尝试任务，成功时获得奖励，从而学会怎样完成它。当成功容易验证、大量实例可以在计算环境中模拟、反馈能够迅速给出时，任务尤其适合强化学习（Lambert 等，2024；Guo 等，2025）。我们使用 SciNet 中针对各任务的这三项指标，将其汇总为一个指数。任务的能力分数与独立分类得到的强化学习指数高度相关，相关系数为0.78。这说明，在最容易应用强化学习的研究任务上，AI 的能力也最强。
其他重要特征涉及工作的性质。有些研究任务本质上是认知工作，另一些则需要现实操作或人际接触。一般而言，纯认知机器无法胜任现实操作任务。监管规定也可能限制 AI 的使用。认知特征越强的任务，AI 能力分数越高，相关系数为0.69。相反，涉及更多现实操作的任务，AI 能力分数较低，相关系数为−0.57。包含人际互动的研究活动，或受到 AI 使用监管限制的活动，能力分数往往也较低，相关系数分别为−0.31和−0.38。
报告图九 理论 AI 能力与其他任务特征。图中展示研究任务的 AI 能力分数百分位，与该任务其他特征之间的相关性。
相同的任务特征，也能预测研究人员在具体任务上使用 Claude 的程度，见图10。强化学习适合度最低的五分之一任务，几乎不用 Claude。最高的五分之一任务，相对于科研耗时，Claude 的使用明显偏多：Claude 为预期的两倍，Claude Code 为四倍。这与 Claude 使用量和总体 AI 能力分数之间的关系相似：能力最高的20%任务，也吸引了预期水平2至4倍的使用。
在以认知为主的任务中，Claude 的相对使用量同样偏高。相比之下，涉及现实操作或人际互动的任务，Claude 使用量较低；监管障碍限制 AI 辅助的任务，使用量也较低。总体来看，在高度专业化的各类研究任务中，使用量与能力指标存在很强的关联。
报告图十 Claude 使用与任务特征。每个面板考察一种任务特征。纵轴为该特征得分不同的任务组的使用比值，横轴为特征强度。橙色点代表各组中 Claude 的平均使用比值，蓝色点代表 Claude Code。出于隐私原因，账号数量过少的组被隐藏，图中以零点表示。
不同学科依赖的研究活动组合不同。具体任务上的使用量与能力分数之间的相关性，能否解释为什么有些学科更常使用 Claude？我们的数据表明可以。如图11所示，一个子学科各任务的平均 AI 能力分数越高，其人均 Claude 使用量通常也越高；Claude 和 Claude Code 的相关系数分别为0.45和0.57。
不过，不同科学门类之间仍存在显著差异，说明 Claude 的使用也受到 AI 能力之外的因素影响。相对于任务的 AI 能力分数，健康科学研究人员使用 Claude 较少，可能是因为医疗数据和研究的监管限制了 AI 使用，或增加了接入难度。形式科学、社会科学、艺术与人文学科使用 Claude 的程度，则高于能力分数所预期的水平。这些领域的大量工作通过文本和代码进行，可能有助于 AI 工具的采用。物质科学与生命科学的 Claude 使用量，总体上与 AI 能力分数更接近，但个别子学科也可能偏离。
报告图十一 各子学科的 Claude 使用与理论 AI 能力。两个面板中，每个点代表一个子学科，大小反映研究人员数量。纵轴为人均使用量，采用对数刻度，计算方法是子学科的科研会话占比，除以其研究人员占比。横轴为该子学科的 AI 能力分数，以研究人员工时为权重，汇总所有研究任务得到。黑线为最佳拟合线，各面板报告按子学科规模加权的相关系数。左图为 Claude，右图为 Claude Code。
理论 AI 能力也能预测研究人员允许 Claude 自主工作的程度。图12显示，自主使用与子学科的理论 AI 能力相关。换言之，理论 AI 能力越强的子学科，不仅使用 AI 更多，也会以更自主的方式使用它。
报告图十二 各子学科的 AI 自主程度与理论 AI 能力。每个点代表一个子学科，大小反映研究人员数量。左图为 Claude，右图为 Claude Code。纵轴为子学科会话的平均自主得分，以会话量加权；横轴为其任务的平均理论能力，同样按使用量加权。未被任何会话覆盖的任务无法获得自主得分，因此不纳入分析。为了便于阅读，图中移除了离群子学科，但拟合线与相关系数的计算仍包含它们。相关系数按子学科规模加权。
AI 加速研究的不同情景
科学与技术进步的速度，取决于好的想法，以及把这些想法付诸实践的手段。历史上，两者都受人类能力限制。研究人员的数量有限，每个人用于提出假设、设计恰当检验、开展分析和综合发现的时间也有限。
AI 可以通过两种方式缓解这些约束。第一，接手研究人员现有的工作，让他们能探索更多想法。第二，贡献研究人员原本可能想不到的创意。第二种最终也许更重要，但更难衡量，因此我们的分析聚焦于第一种。
方法
我们设三种情景。情景1按调查和 AI 能力分数，假设当前能力广泛普及。情景2、3是假想未来：从能力分数最高的步骤开始，AI 完全自动化75%或100%的非现实操作步骤，即 SciNet 研究任务中的具体动作。三种情景的现实操作都仍由研究者完成。这些是示意情景，不是预测，用于展示现实操作、理论 AI 能力和成本怎样影响加速，以及哪些学科最可能受益。
每种情景报告两个指标。第一是 AI 份额：研究所需人工时间中 AI 可承担的比例。依据当前时间分配和前述分析，它衡量可释放多少人工科研时间。研究者可将其转投其他工作，增加产出。第二是加速倍数：固定研究预算下，有 AI 的产出相对无 AI 的倍数，即同样预算能多产生多少成果。节省时间不能一比一转为产出，因为人会转向 AI 帮助较少的任务，AI 自身也有成本。
情景1依据调查的五级使用情况构建 AI 份额：不使用、辅助、共同完成、委派、自主，假设对应 AI 承担某步骤人工时间的0%、25%、50%、75%、100%。每类任务的步骤按能力分数排序，再按调查中的比例分配使用级别，高级别分给高分步骤。例如，创意与假设生成的回答中，17%不用 AI，53%辅助使用。因此能力最低的17%步骤分配零 AI 份额，接着53%分配25%，依此类推。受访者很可能是重度采用者，我们把自报使用作为当前能力的近似，再将步骤释放的时间汇总到学科，详见附录。
加速倍数使用创意生产函数计算，这是将研究时间等投入转化为产出的标准经济模型。一篇论文需要许多互补任务（Jones，2026），一处强项不能完全弥补另一处弱项。AI 降低部分任务成本后，人会转向 AI 帮助较少的任务，缓解总体收益瓶颈，例如多想新问题、多做现实实验以扩充证据。我们依据 Ahmadpoor 和 Jones（2019）校准瓶颈的限制程度。假设 AI Agent 每小时30美元，研究者每小时95美元，每省1小时人工需 AI 运行0.2小时。这是示意假设，AI 成本采用当前公开标价。成本越低，同预算可做的研究越多，加速越大，后文详述。模型与假设见附录。
报告图十三 AI 释放的科研时间与研究加速。每一行代表一个学科。左图按 AI 可承担的研究人员时间比例排序：圆点表示当前能力下的估计值，菱形表示75%的非现实操作步骤被自动化时释放的时间比例，三角形表示100%被自动化时的比例。右图表示在给定学科研究预算下的加速情况，横轴为三种情景中有 AI 的研究产出相对于无 AI 的倍数，1倍表示没有变化。
情景1 当前能力
当前能力若广泛普及，AI 可承担新研究所需人工时间的27%至52%，学科中位数38%，见图13左图。对应加速倍数从艺术1.35、人类学1.36、化学1.41，到计算机科学1.96、统计学2.02，见右图。收益有限，因为 AI 目前多为辅助或共同工作而非自主执行，几乎每步仍需大量人工。即便工作几乎全是认知活动、最适合 AI 的学科，也仅约2倍。这假设 AI 广泛普及，并用于当前所有有用的步骤。
学科差异主要有两个原因。其一是现实操作，没有物理系统集成，AI 无法承担。农业科学、生物医学、化学、材料科学等实验或田野学科，38%至41%的科研时间用于现实操作，学科中位数却仅4%。该占比就解释了约三分之一的 AI 份额差异。其二是认知工作的能力分布。艺术和历史的现实操作占比仅10%、4%，但认知步骤的 AI 能力分数低，可能因定性、解释性工作不易用强化学习训练。计算机科学、统计学的能力分数和 AI 份额都高，由各学科能力分数最高的数据分析工作推动。
Claude 使用比值较高的学科，往往也有更大的 AI 份额，见图14。AI 份额的计算没有使用任何 Claude 使用数据，因此这种关系进一步支持了“AI 使用与理论 AI 能力相对应”的判断。
报告图十四 各学科的 Claude 使用与 AI 释放的科研时间。图中展示实际 Claude 使用量与各学科 AI 份额之间的相关性。每个点代表一个学科，大小反映研究人员数量。纵轴为 Claude 使用比值，采用对数刻度；横轴为当前 AI 能力下可由 AI 完成的人工科研时间占比估计值。
情景2与情景3 更高程度的自动化
这些情景更具推测性，高度依赖对 AI 能力覆盖范围和成本的假设。更高程度的自动化，会显著提高 AI 份额和加速倍数，也会扩大学科之间的差异。
情景2自动化75%的非现实操作步骤，计算机科学加速约8倍，统计学、图书馆与信息科学约7倍，经济学约6倍。大多数其他社会科学、数学、物理与天文学达4至5倍，实验和医学为2至3倍。实验学科与艺术、人文收益最小，但原因不同：前者大量现实操作仍须人工；后者虽多属认知工作，却因能力分数低，少有步骤进入自动化范围。自动化步骤占计算机科学非现实操作耗时的82%，艺术仅28%。历史、人类学、艺术约加速2倍或更少。
情景3中，艺术和人文赶到前面，实验学科仍受限。所有非现实操作步骤自动化后，低能力分数不再限制认知工作，AI 可接手许多学科几乎全部研究，见图13左图。这一推测情景中，统计学、计算机科学、经济学、数学、心理学及多数社会科学、艺术、人文等现实操作较少的领域，产出约达15至16倍。大量依赖实验或田野工作的生物学、化学、材料科学、农业科学、生物医学仅3至4倍。没有自动化实验室时，耗时约40%的现实操作仍是瓶颈。
这带来两点认识。第一，现实操作瓶颈很强：没有物理集成就无法自动化的步骤，将主导人工时间和预算，限制加速。第二，没有这类瓶颈时进步可能极快，AI 成本成为上限。按假设，完全自动化任务的成本仍约为人工的十六分之一，所以加速接近16倍即止。AI 更便宜，上限便按比例提高，例如成本减半，进步速度翻倍。如果成本大降，包括日后自动化的更难任务，无现实操作瓶颈的学科可能远超这些估计。
计算有重要局限，可能使结果向两边偏离。我们未考虑超出研究团队的学科级约束，例如大型强子对撞机同时只能做有限实验；只计人工和 AI 时间，未计实验设备、投入品等在健康、物质、生命科学中可能很高的成本；未考虑以模拟替代现实实验来缓解瓶颈；也未考虑创意质量。若 AI 能提出成功率更高的假设，科研可更快；若研究品味仍为人类独有，加速会更慢。
研究人员的预期
情景给出可能范围，研究者的专业预期可提供另一种指引。我们询问生命与健康科学研究者：AI 独立工作，何时能在各类任务上追平本领域最优秀者，见图15。近期预期很高：过半预计到2027年数据分析可追平顶尖者，38%认为已经做到。到2030年，94%预计数据分析可追平，89%预计写作可以，创意生成、数据采集各72%。后两者预期较低，与其当前 Claude 使用较少一致。
无人工参与的端到端 AI 科研预期较保守，但仍有显著进展。约40%预计2030年能完成完整项目，约64%预计2035年可以，16%认为永不可能。对自主科学突破更谨慎，约一半认为只可能在2035年后或永远不会。许多研究者预计十年内高度自动化，大致符合我们的高自动化情景。实现速度与程度不仅依赖 AI 软件进步，还取决于克服现实障碍的自动化实验室建设。
将过去的调查与实际结果比较，表明 AI 进步经常被大幅低估（Rosenberg 等，2026）。例如，2022年年中的一项调查中，对于 AI 在国际数学奥林匹克竞赛达到金牌水平的年份，领域专家的中位估计是2030年，超级预测者则为2035年（Karger 等，2023）。AI 在2025年便达到了这一里程碑，比这些预测早了约5至10年。虽然预测者系统性地低估了 AI 能力的进步，但也有少数例外，主要集中在需要现实世界执行的领域，例如 AI 辅助的生物学实验室任务。
报告图十五 研究人员预计 AI 何时能追平本领域最优秀的研究者。结果来自我们的调查。前四行对应 AI 独立工作时，在不同研究任务类别中追平本领域最优秀研究者的预期时间。最后两行对应 AI 在没有人类科学家参与的情况下，独立完成从“问题到发现”的全过程，以及产出“本领域认为属于重大进展的发现”的预期时间。
讨论
如果 AI 有助于加速科学发现，它可以提高生活水平，加快疾病治疗的进展。我们的估计表明，潜在收益很大。但 AI 科研能力的进步，不会自动转化为快速进展；要实现这种加速，还取决于我们怎样应对几类约束。
第一，采用可能大幅落后于能力。新技术的扩散通常很慢（Comin 和 Hobijn，2010），生产率收益往往要等组织围绕技术进行重构后才会显现（David，1990；Brynjolfsson、Rock 和 Syverson，2021）。个人学习过程、组织或系统层面的摩擦，以及 AI 接入或基础设施约束，都可能拖慢采用。
第二，研究可能继续面临 AI 无法消除的瓶颈。现实实验既昂贵又缓慢，即使 AI 极其强大，也可能显著限制进展。上述情景中的实验学科尤其如此。选择研究什么，也可能是另一种瓶颈。研究问题在很大程度上决定一个项目的价值，而 AI 提出好问题的能力仍不明确。如果构思是瓶颈，即使回答给定问题的成本大幅下降，整体加速仍会受限。相反，如果 AI 在提出高质量假设方面超越人类，加速可能更显著，尤其是在检验假设成本高的领域。
第三，AI 辅助研究可能提高产出的数量或质量，两者对科学的意义不同。新论文激增，可能推动学科更快发展，也可能超出科学家吸收或验证结果的能力。另一方面，从显微镜、望远镜到统计软件，新技术在历史上提高了科学洞见的质量，AI 同样可以让更全面的分析、更有雄心的项目变得可行。论文越容易产生，科研共同体也可能越重视格外新颖或高质量的工作。更高效的研究最终带来更多数量，还是更高质量，将取决于研究人员的选择，以及期刊、资助方和机构设定的激励。
第四，科研组织方式可能发生难以预料的变化。随着 AI 更有能力、更自主，AI 系统可能在验证、同行评审和传播重要成果方面发挥主导作用，缓解上文提到的吸收问题。在更远的未来，AI 科研 Agent 还可能组成庞大的自主群体，借助机器人和自动化实验室，独立于人类推进科学前沿。这种自主 AI 研究会带来新的问题：人类怎样跟上新知识，能否理解它，以及这些知识是怎样产生的。
第五，更自主的 AI 系统，可能加大确保 AI 驱动研究始终符合人类目标的难度。当 AI Agent 更强大、更有创造性时，让人类参与“研究哪些问题”“怎样研究”等关键决策，可能关系到安全与人类福祉。发现本身或研究副产物也可能带来风险，生物学尤其如此：同样的能力既能加快医学进展，也可能产生危险知识或材料。在这种情况下，研究过程或许需要有意设置检查节点，接受较慢的进度，以降低风险。
最后，研究者的工作可能大变，满意度也会受影响。若 AI 接管有趣、有成就感的工作，满意度可能下降，选择科研的人可能减少；若接管繁琐工作，满意度可提高。行政事务是潜在目标。美国联邦资助项目的负责人自报，约44%科研时间用于行政要求而非研究（Schneider 等，2020）。减轻负担可节省大量时间、改善满意度。净影响仍不确定，也会随能力变化。乐观地看，AI 将扩大探索发现的机会，而这正是科研职业的吸引力所在。若科学是驶向“无尽前沿”的航行，AI 可能是一艘新船，让研究者在问题与发现的广阔海域走得更远。
附录
附录请见文末链接。
参考文献
Ahmadpoor, Mohammad 和 Benjamin F. Jones，《解读科学与发明中的团队及个人影响力》，Proceedings of the National Academy of Sciences，2019，116（28），13885–13890。
Alamos, Cristian 和 Lukas Althoff，《SciNet：科学的解剖》，数据集，2026。https://www.anatomyofscience.com/
Amodei, Dario，《充满爱意的机器：AI 如何让世界变得更好》，文章，2024年10月。https://darioamodei.com/essay/machines-of-loving-grace
Anthropic，《进一步了解 Claude 的数学能力》，研究文章，2026年8月10日（2026a）。https://www.anthropic.com/research/riemann-zeta
Anthropic，《形式化费马大定理》，研究文章，2026年9月4日（2026b）。https://www.anthropic.com/research/formalizing-fermats-last-theorem
Appel, Ruth 等，《Anthropic 经济指数报告：经济基本要素》，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 和 Chad Syverson，《生产率 J 曲线：无形资产如何与通用技术互补》，American Economic Journal: Macroeconomics，2021，13（1），333–372。
Bush, Vannevar，《科学，无尽的前沿：致总统的报告》，华盛顿特区：美国政府印刷局，1945。
Codreanu, Mihai 等，《科学中的 AI：初步洞察》，arXiv 预印本 arXiv:2609.28504，2026。https://arxiv.org/abs/2609.28504
Comin, Diego 和 Bart Hobijn，《技术扩散探索》，American Economic Review，2010，100（5），2031–2059。
David, Paul A.，《发电机与计算机：从历史视角看现代生产率悖论》，American Economic Review，1990，80（2），355–361。
Eloundou, Tyna 等，《GPT 也是通用技术：大语言模型的劳动力市场影响潜力》，Science，2024，384（6702），1306–1308。
Guo, Daya 等，《DeepSeek-R1 通过强化学习激发大语言模型的推理能力》，Nature，2025，645（8081），633–638。
Hao, Qianyue 等，《人工智能工具扩大科学家的影响力，却收窄科学的关注范围》，Nature，2026，649（8099），1237–1243。
Jones, Benjamin F.，《研究与开发中的人工智能》，收录于 Ajay Agrawal、Erik Brynjolfsson 和 Anton Korinek 编《变革性 AI 的经济学》，芝加哥：芝加哥大学出版社，2026，37–61。
Jumper, John 等，《使用 AlphaFold 进行高精度蛋白质结构预测》，Nature，2021，596（7873），583–589。
Karger, Ezra 等，《预测生存性风险：来自长期预测锦标赛的证据》，Forecasting Research Institute 工作论文1，2023。https://forecastingresearch.org/research/existential-risk-persuasion-tournament
Kobak, Dmitry 等，《通过超常词汇使用探究生物医学论文中的 LLM 辅助写作》，Science Advances，2025，11（27），eadt3813。
Lambert, Nathan 等，《Tülu 3：推进开放语言模型后训练前沿》，arXiv 预印本 arXiv:2411.15124，2024。https://arxiv.org/abs/2411.15124
Liang, Weixin 等，《量化科学论文中大语言模型的使用》，Nature Human Behaviour，2025，9（12），2599–2609。
Liu, Yinhong 等，《与人类判断对齐：成对偏好在大语言模型评估器中的作用》，第一届语言建模会议论文集（COLM），2024。
Mantiuk, Rafał K.、Anna Tomaszewska 和 Radosław Mantiuk，《四种主观图像质量评估方法的比较》，Computer Graphics Forum，2012，31（8），2478–2491。
Massenkoff, Maxim 等，《Anthropic 经济指数报告：节奏》，研究文章，2026年6月26日。https://www.anthropic.com/research/economic-index-june-2026-report
Merchant, Amil 等，《扩展深度学习以发现新材料》，Nature，2023，624（7990），80–85。
OpenAI，《一个 OpenAI 模型推翻了离散几何中的核心猜想》，研究文章，2026年5月20日（2026a）。https://openai.com/index/model-disproves-discrete-geometry-conjecture/
OpenAI，《关于 Navier–Stokes 千禧年大奖难题》，研究文章，2026年9月8日（2026b）。https://openai.com/index/navier-stokes-solution/
Parshall, Daniel 和 Andrea Lopez-Luzuriaga，《衡量 AI 的经济覆盖范围：一种多维任务分类体系》，乔治·华盛顿大学经济研究中心工作论文2026-005，2026。https://www2.gwu.edu/~forcpgm/2026-005.pdf
Robinson-Garcia, Nicolas 等，《元研究：科研职业生涯中的任务专业化》，eLife，2020，9，e60586。
Rosenberg, Josh 等，《迄今为止，AI 进步预测有多准确？》，Forecasting Research Institute 研究文章，2026年9月22日。https://forecastingresearch.org/research/ai-progress-accuracy-update
Schneider, Sandra L. 等，《2018年 FDP 教师工作量调查：主要发现报告》，Federal Demonstration Partnership，2020。https://thefdp.org/wp-content/uploads/FDP-FWS-2018-Primary-Report.pdf
Shah, Nihar B. 等，《何时比较优于打分？》，arXiv 预印本 arXiv:1406.6618，2014。https://arxiv.org/abs/1406.6618
Tomei, Philip Moreira 和 Bouke Klein Teeselink，《AI 能学会哪些工作？通过强化学习衡量影响范围》，arXiv 预印本 arXiv:2605.02598，2026。https://arxiv.org/abs/2605.02598
Tsoukalas, George 等，《通过 AI 驱动的形式化证明搜索推进数学研究》，Science，2026，394（6820），234–239。
Varadi, Mihaly 等，《2024年的 AlphaFold 蛋白质结构数据库：为超过2.14亿条蛋白质序列提供结构覆盖》，Nucleic Acids Research，2024，52（D1），D368–D375。
Wang, Hanchen 等，《人工智能时代的科学发现》，Nature，2023，620（7972），47–60。
脚注
注1：计算各学科的全球研究人员数量时，我们排除了 Claude 不可用的国家。
注2：研究人员数量来自 SciNet。该指标的详细说明见附录。
注3：会话按所开展的研究归入学科，而不是按使用的工具归类，因此其他计算型科学中的编程工作，不计入计算机科学。
注4：与学科层面相比，子学科层面的使用占比估计精度较低，尤其是会话量较少的子学科，因为其抽样变异和分类噪声更大。因此，我们关注总体模式，而不是某个低会话量子学科的具体位置。
注5：尽管我们的分析聚焦于研究任务，教学、服务和行政等非研究任务，也可能占用研究人员相当一部分时间。不过，我们的科学使用分类器有意排除了本科教学；如果行政或日常工作不直接服务于研究或某项具体研究，也不会将其选入。此外，我们的样本不限于学术岗位中的科学家，而这类岗位本来就有更多教学与服务工作。因此，AI 在这些工作流中的使用，留待未来研究。
注6：从单项任务看，起草论文在 Claude（18.6%）和 Claude Code（11.1%）上都是最常见的任务。在 Claude 上，接下来最常见的是回顾与综合文献（6.8%），以及回复同行评审意见（6.7%）；Claude Code 上则是设计、构建与完善成果物（4.8%），以及数据与结果可视化（4.6%）。
注7：受访者来自 Anthropic 的 AI for Science 及相关资助项目申请人，隶属于美国和加拿大的研究机构。由于他们申请了 AI 研究额度，他们使用 AI 的强度很可能高于典型科学家。详细说明见附录。
注8：Claude Science 所执行任务的差异，可能部分反映了使用者的差异。任何付费用户都能访问 Claude Science，但采用者可能有更专业、要求更高的使用场景。因此，我们把产品之间的差异描述为使用模式。
注9：为了识别每次 Claude 会话的成果物，我们使用了此前研究引入的分类器（Massenkoff 等，2026）。它识别 Claude 在交流中产生的最主要输出，再把更细的类别汇总为文字成果与技术成果两类。文字成果主要包括文档、报告、学术论文和演示文稿；技术成果主要包括软件输出，例如脚本、代码修复，以及数据和图表。不属于这两类的成果，包括分析或总结，以及解释或建议。
作者与致谢
致谢
Cristian Alamos, Bailey Bova, Tom Chivers, Lauren Cottrell, Eleanor Dorfman, Adam Farina, Deep Ganguli, Rebecca Hiscott, Chad Jones, Anneke Jong, Aisling Keenan, Anton Korinek, Eva Lyubich, Paruul Maheshwary, Miles McCain, Teddy McGuire, Ankur Rathi, Santi Ruiz, Szymon Sacher, David Saunders, Monika Tuchowska, Nick Turner, Heather Whitney, Kim Withee, Jack Clark.
引用格式
@techreport{hermle2026AIScience,
author = {Hermle, Johannes and Jones, Benjamin and Althoff, Lukas and Heller, Ryan and Lyttelton, Thomas and Stein, Carolyn and Wilmers, Nathan and Massenkoff, Maxim and McCrory, Peter},
title = {{AI} for scientific discovery: How researchers use {Claude}},
institution = {The Anthropic Institute},
type = {Technical Report},
year = {2026},
month = nov,
url = {https://www.anthropic.com/research/how-researchers-use-claude}
}参考链接
-
原文：https://www.anthropic.com/research/how-researchers-use-claude -
研究附录 PDF：https://www-cdn.anthropic.com/files/4zrzovbb/website/fafb3d4237f9b53fe114fef4fb5109b9cf5b5e60.pdf
-
经济基本要素框架：https://www.anthropic.com/research/anthropic-economic-index-january-2026-report -
科研成果分类方法：https://www.anthropic.com/research/economic-index-june-2026-report