Anthropic报告：科学家用Claude最多分析数据与写论文，提想法最少
Anthropic于2026年11月5日发布研究报告《AI for scientific discovery: How researchers use Claude》，分析2026年8月2日至9月30日期间消费者计划下的207049次科研相关会话，其中Claude（Chat与Cowork）128914次，Claude Code 78135次。研究通过隐私保护分类器仅保留领域与任务标签，未存储具体研究内容。
数据分析占Claude会话的33.7%、Claude Code会话的48.1%，而科学家科研时间中约占27.6%；写作与沟通占Claude会话32.0%，科研时间中约占16.0%。数据收集占会话约11.5%至11.9%，科研时间中约占28.6%；提出想法与假设占Claude会话4.2%、Claude Code仅2.1%，科研时间中约占7.1%。计算机科学仅占全球科研人员约4.3%，却占Claude Code科研会话的32.7%。
报告同时调查528名科学家（以生命与健康科学领域、活跃使用AI者为主），他们将提出想法与假设评为最重要，数据收集次之。报告模型估算，现有AI能力若广泛采用，部分领域科研产出可提升至约2倍；若AI包揽全部非动手步骤，计算机科学与统计学可提升至约15倍，化学与生物学因约40%时间需动手实验仅约3至4倍。Claude Science上提出想法与假设约占会话8%，生物医学与生物学合计超一半会话。
原始来源：
标题：AI for scientific discovery: How researchers use Claude 发布者：Anthropic（Johannes Hermle、Ben Jones、Lukas Althoff等） 发布日期：2026-11-05 URL：https://www.anthropic.com/research/how-researchers-use-claude 来源性质：官方报告 核验情况：本次读取网页摘要、正文关键段落及PDF全文主要章节，2026-11-07访问 支持内容：会话样本规模与时间、任务占比、科研时间对比、调查结果、领域相对使用、加速场景估算及Claude Science相关数据
ABAB AI 解读
报告主要作者包括经济学家Ben Jones。Jones长期研究创新与经济增长，此前在Northwestern大学等机构关注技术进步对生产率的影响。此次与Anthropic经济学团队合作，将Claude实际使用数据与SciNet分类体系对照，而非仅依赖自我报告。报告本身引用AlphaFold预测超2亿种蛋白质结构并获2024年诺贝尔化学奖，以及GNoME预测约38万种稳定新晶体等案例，作为AI已介入科学发现的背景，但这些是特定领域突破，而非本次会话统计所覆盖的日常科研流程。
Claude使用高度集中于数据分析与写作，与科学家自评的“最重要任务”（提出想法与假设）形成反差。数据收集低使用主要因临床样本、生化实验等需物理操作；提出想法低使用则可能因科学家偏好自行选题，或AI在高层研究问题选择上能力仍弱。报告指出，AI能力评分最高的前20%任务（如数据可视化、统计检验）使用倍数约2至4倍于科研时间占比，而后20%（多为物理操作）几乎不用。这与强化学习易训练、反馈快的任务特征相关，相关系数约0.78。科学家目前主要在AI已擅长且易验证的环节使用它。
Claude Science作为2026年6月下旬推出的专用科研工作台，连接超60个科学数据库与工具，面向生物医学与生物学会话占比超一半，提出想法与假设占比约达普通Claude的两倍，且高自主完成比例更高。这与通用Claude形成对照：专用工具可降低跨数据库查询的摩擦，使更复杂任务进入实际使用。相比之下，实验学科仍受物理步骤约束，报告模型中即使非动手工作全自动化，化学与生物学产出提升也远低于计算机与统计等纯认知领域。
本次数据显示，当前AI主要放大已有能力较强的分析与写作环节，而非直接替代科学家最看重的选题与数据采集。计算与统计领域因任务可在计算机内大量模拟、反馈快速，相对使用与潜在加速更高；实验领域则受限于实验室操作，加速上限较低。报告场景为模型估算而非预测，且样本限于个人订阅用户与活跃AI采用者，实际普及后的产出变化仍取决于专用工具采用程度与实验自动化进展。
ABAB News · 认知定律
科学家自评最重要的选题与数据采集，AI实际使用最少；分析与写作则远超时间占比。
AI使用倍数与任务能力评分正相关，物理操作步骤几乎未进入会话。
非动手工作若全自动化，计算统计领域加速上限约15倍，实验学科仅3至4倍。