TWITTER · 人工智能
Anthropic 分析 20 万次科研会话：AI 在数据分析和写作中被频繁使用，而提出想法的环节相对薄弱
一语总结Anthropic 通过统计约 20.7 万次 Claude 科研会话，发现科学家最常利用 AI 进行数据分析和论文写作，却较少用于提出创新想法，评估了 AI 对不同学科科研产出的潜在提升空间。
Anthropic 在 2026 年 8 月至 9 月间分析了约 20.7 万次科研相关的 Claude 会话，发现数据分析占科研时间 28%，在 Claude 上占比高达 33.7%-48.1%；写作和沟通时间 16%，在 Claude 中占 32%；而提出想法仅占科研时间 7.1%，在 AI 使用中仅为 4.2%-2.1%。研究指出，AI 在能力强、反馈快、易判断的任务中使用频率最高，若 AI 全面介入，统计、计算机等领域科研产出可提升 15-16 倍；但实验性学科因依赖实体实验，提升空间有限为 3-4 倍。
- AI 在科研中的主要用途集中于数据分析和写作
数据分析占科研时间约 28%，在 Claude 上使用占比 33.7%-48.1%；写作沟通占 16%科研时间，AI 使用占 32%，其中起草论文是单项最常使用的任务。
- 提出想法和收集数据的环节 AI 使用较少
提出想法仅占科研时间 7.1%，在 Claude 上仅占 4.2%，Claude Code 更低至 2.1%；收集数据占 28.6%科研时间，但 AI 使用仅 12%，因涉及实地采集等动手工作业。
- AI 能力强的任务使用倍数最高
对 7000 多项科研任务评估 AI 能力分后计算使用倍数，能力分前 20%的任务（如绘图、统计检验）Claude 使用倍数约为 2，Claude Code 为 4；后 20%任务（如化学纯提、实地观察）几乎不被使用。
- AI 对科研产出的潜在提升空间受实验依赖程度影响
若 AI 接手 27%-52%科研时间，产出提升 1.35-2.02 倍；若 AI 包揽 75%-全部不动手步骤，统计、计算机等可提升 15-16 倍；而生物、化学等需实验的学科受限于现有实验室自动化不足，提升仅为 3-4 倍。
- 科学家对 AI 在科研中的位置持积极但审慎的态度
38%受访者认为 AI 已达顶尖水平，40%预计 2030 年前 AI 能独立完成项目，64%认为 2035 年前可实现；但 16%坚持认为永远不会。
Anthropic 分析 20 万次科研会话：AI 在数据分析和写作中被频繁使用，而提出想法的环节相对薄弱
Anthropic 在 2026 年 8 月至 9 月间分析了约 20.7 万次科研相关的 Claude 会话，发现数据分析占科研时间 28%，在 Claude 上占比高达 33.7%-48.1%；写作和沟通时间 16%，在 Claude 中占 32%；而提出想法仅占科研时间 7.1%，在 AI 使用中仅为 4.2%-2.1%。研究指出，AI 在能力强、反馈快、易判断的任务中使用频率最高，若 AI 全面介入，统计、计算机等领域科研产出可提升 15-16 倍；但实验性学科因依赖实体实验，提升空间有限为 3-4 倍。
文章金句
"分析数据是第一大用途，占 Claude 科研会话的三分之一，Claude Code 的近一半
"科学家认为最重要的两件事，提出想法和收集数据，用 AI 最少
"能力分高的任务有共同点：对错容易判断，能在电脑里大量模拟，反馈来得快