Anthropic報告：科學家用Claude最多分析數據與寫論文，提想法最少
Anthropic於2026年11月5日發佈研究報告《AI for scientific discovery: How researchers use Claude》，分析2026年8月2日至9月30日期間消費者計劃下的207049次科研相關會話，其中Claude（Chat與Cowork）128914次，Claude Code 78135次。研究通過隱私保護分類器僅保留領域與任務標籤，未存儲具體研究內容。
數據分析佔Claude會話的33.7%、Claude Code會話的48.1%，而科學家科研時間中約佔27.6%；寫作與溝通佔Claude會話32.0%，科研時間中約佔16.0%。數據收集佔會話約11.5%至11.9%，科研時間中約佔28.6%；提出想法與假設佔Claude會話4.2%、Claude Code僅2.1%，科研時間中約佔7.1%。計算機科學僅佔全球科研人員約4.3%，卻佔Claude Code科研會話的32.7%。
報告同時調查528名科學家（以生命與健康科學領域、活躍使用AI者爲主），他們將提出想法與假設評爲最重要，數據收集次之。報告模型估算，現有AI能力若廣泛採用，部分領域科研產出可提升至約2倍；若AI包攬全部非動手步驟，計算機科學與統計學可提升至約15倍，化學與生物學因約40%時間需動手實驗僅約3至4倍。Claude Science上提出想法與假設約佔會話8%，生物醫學與生物學合計超一半會話。
原始來源：
標題：AI for scientific discovery: How researchers use Claude 發佈者：Anthropic（Johannes Hermle、Ben Jones、Lukas Althoff等） 發佈日期：2026-11-05 URL：https://www.anthropic.com/research/how-researchers-use-claude 來源性質：官方報告 覈驗情況：本次讀取網頁摘要、正文關鍵段落及PDF全文主要章節，2026-11-07訪問 支持內容：會話樣本規模與時間、任務佔比、科研時間對比、調查結果、領域相對使用、加速場景估算及Claude Science相關數據
ABAB AI 解讀
報告主要作者包括經濟學家Ben Jones。Jones長期研究創新與經濟增長，此前在Northwestern大學等機構關注技術進步對生產率的影響。此次與Anthropic經濟學團隊合作，將Claude實際使用數據與SciNet分類體系對照，而非僅依賴自我報告。報告本身引用AlphaFold預測超2億種蛋白質結構並獲2024年諾貝爾化學獎，以及GNoME預測約38萬種穩定新晶體等案例，作爲AI已介入科學發現的背景，但這些是特定領域突破，而非本次會話統計所覆蓋的日常科研流程。
Claude使用高度集中於數據分析與寫作，與科學家自評的“最重要任務”（提出想法與假設）形成反差。數據收集低使用主要因臨牀樣本、生化實驗等需物理操作；提出想法低使用則可能因科學家偏好自行選題，或AI在高層研究問題選擇上能力仍弱。報告指出，AI能力評分最高的前20%任務（如數據可視化、統計檢驗）使用倍數約2至4倍於科研時間佔比，而後20%（多爲物理操作）幾乎不用。這與強化學習易訓練、反饋快的任務特徵相關，相關係數約0.78。科學家目前主要在AI已擅長且易驗證的環節使用它。
Claude Science作爲2026年6月下旬推出的專用科研工作臺，連接超60個科學數據庫與工具，面向生物醫學與生物學會話佔比超一半，提出想法與假設佔比約達普通Claude的兩倍，且高自主完成比例更高。這與通用Claude形成對照：專用工具可降低跨數據庫查詢的摩擦，使更復雜任務進入實際使用。相比之下，實驗學科仍受物理步驟約束，報告模型中即使非動手工作全自動化，化學與生物學產出提升也遠低於計算機與統計等純認知領域。
本次數據顯示，當前AI主要放大已有能力較強的分析與寫作環節，而非直接替代科學家最看重的選題與數據採集。計算與統計領域因任務可在計算機內大量模擬、反饋快速，相對使用與潛在加速更高；實驗領域則受限於實驗室操作，加速上限較低。報告場景爲模型估算而非預測，且樣本限於個人訂閱用戶與活躍AI採用者，實際普及後的產出變化仍取決於專用工具採用程度與實驗自動化進展。
ABAB News · 認知定律
科學家自評最重要的選題與數據採集，AI實際使用最少；分析與寫作則遠超時間佔比。
AI使用倍數與任務能力評分正相關，物理操作步驟幾乎未進入會話。
非動手工作若全自動化，計算統計領域加速上限約15倍，實驗學科僅3至4倍。