Anthropic 扒了 20.7 万次真实科研对话,发现 AI 用错了地方
11 月 5 日,Anthropic 经济团队发布了一份 35 页的报告,标题很朴素:AI for scientific discovery - How researchers use Claude。
它做的事也不复杂:把 2026 年 8 月 2 日到 9 月 30 日之间、消费版套餐上的 207,049 次科研相关会话,用 SciNet 分类法(7,262 个任务、34 个学科、318 个子领域)逐一打标,再叠上 528 位一线科学家的问卷。
结论里有几个数字很抓眼球:按当前能力全面用起来,AI 可以接手一项新研究所需研究者时间的 27% 到 52%,中位数 38%;换算成同样预算下的产出,统计学到 2.02 倍,计算机科学 1.96 倍,化学 1.41 倍。
但如果这份报告只讲这些倍数,它不值得写一篇长文。真正有价值的部分,藏在数据和数据的对照里。
一张错位的分工表
📖 名词释义
AI Box(又称 AI盒子 / 智能体计算机 / Agent Computer),是一种专门运行 AI Agent 的本地硬件设备,预装智能体应用管理系统,开箱即用,7×24 小时在线运行。用户可以通过微信、飞书、企业微信、钉钉等社交软件远程指挥 AI 帮你干活。
先看任务维度。左边是科学家实际花的时间,右边是 AI 实际接的活。
数据分析:研究者时间占 27.6%,Claude 会话占 33.7%,Claude Code 占 48.1%。
写作与沟通:研究者时间占 16.0%,Claude 会话占 32.0%。
数据采集:研究者时间占 28.6%,Claude 会话只有 11.5%,Claude Code 11.9%。
出点子与提出假设:研究者时间占 7.1%,Claude 会话 4.2%,Claude Code 2.1%。
科学家自己排最重要的两件事——提出假说和采集数据——恰恰是 AI 用得最少的两件事。而 AI 接得最多的分析和写作,恰好是已经数字化好的环节。
528 位科学家的问卷也认这个账:论「什么对做出重要成果最关键」,出点子排第一,采数据排第二。Anthropic 给了两个解释。数据采集大多要动手,AI 碰不了;出点子不需要动手,但人可能更想自己想,也觉得 AI 选不对问题。还有一层是分类本身的问题——点子经常夹在别的活里,容易被漏算。
所以这份报告说的不是「AI 有多强」,而是「AI 现在的能力边界在哪里」。这两件事看起来像,其实差得很远。
用脚投票的规律

Anthropic 还给每个科研任务打了一个「AI 胜任力分」,方法有点像下棋的 ELO:两个科研步骤放一起 PK,看 AI 干哪个更顺手。
结果非常干净。能力排在前 20% 的任务——数据可视化、统计检验、代码调试——Claude 的使用量是按研究者时间预期推算的 2.1 倍,Claude Code 是 3.9 倍。能力排在后 20% 的任务——实验室提纯混合物、田野调查、动物实验——使用率只有 0.2 倍左右,基本没人指望 AI。
相关性数据也说得通:任务分数和「是否适合强化学习」的相关系数是 0.78,和「是否属于认知型工作」是 0.69,和「是否需要动手实操」是负 0.57。
翻译成人话:AI 干得好不好,和这件事能不能被拆成「题海」有强关联;能不能被反复练、有即时反馈,AI 就稳赢。需要亲手做、结果难验证的活,AI 稳输。
科学家在用脚投票,把 Claude 精准用在了它最在行的地方。这不是工具偏好问题,是能力边界问题。
学科之间的贫富分化
按学科拆开看,失衡更明显。
计算机科学占全球研究者的 4.3%,却贡献了 Claude Code 科研会话的 32.7%。人工智能与机器学习这个子领域更夸张:只占全球科学家的 1.2%,吃掉了 Claude Code 会话的 15.2%。反过来,化学家、临床医生这些每天泡在实验室和诊室里的,用得少得多。
报告用「物理操作占比」解释这件事的另一半。农学、生物医学、化学、材料这些实验型学科,有 38% 到 41% 的工时是必须动手的,而各学科的中位数只有 4%。
这就解释了为什么三档情景算出来差距这么大。
情景一,现有能力全面普及。AI 接手 27% 到 52% 的研究时间,产出加速从艺术 1.35 倍、人类学 1.36 倍、化学 1.41 倍,一直到统计 2.02 倍、计算机 1.96 倍。
情景二,非体力步骤 75% 自动化。计算机科学冲到约 8 倍,统计和图书情报约 7 倍,经济学约 6 倍,实验与医学类科学只有 2 到 3 倍。
情景三,非体力步骤全部自动化。统计、计算机、经济、数学、心理学,连文史艺术都到 15 到 16 倍。但生物、化学、材料、农业、生物医学仍然卡在 3 到 4 倍。
为什么天花板是 16 倍。报告给了成本假设:AI 代理每小时 30 美元,研究员每小时 95 美元。完全自动化的任务成本大约是研究者的十六分之一,所以加速就停在 16 倍左右。AI 成本减半,天花板跟着翻倍。
Anthropic 在报告里反复强调,这三档是「说明性情景,不是预测」。
这份报告没说的部分
先看样本边界。207,049 次会话全部来自消费版套餐,企业使用和 API 调用完全不在图里。528 位问卷受访者主要来自 Anthropic 自己 AI for Science 资助项目的申请者,官方承认这批人可能比典型科学家用得更重。分类标签由模型判定,SciNet 的时间基准本身是估算值。
也就是说,这张分工表准确描述的是「个人和小团队用消费版工具做科研」的真实状态。而这恰恰是最贴近大多数人的那一层。
顺着这份图景往下推

第一,AI 科研的第一波红利不在「替代科学家思考」,而在「让已经数字化的环节持续在线」。分析、写作、代码复现、文献整理,这些环节 AI 接得最稳,也最不挑场景。
第二,瓶颈不在模型分数,在三样东西:算力、数据、持续在场的时间。
看数据就明白了。研究样本 35 万份文件、4.2 亿 token 那一套整理流程之所以要专门设计,正是因为它需要空闲时间和持续算力。Claude Code 那 48.1% 的数据分析占比,前提是有人一直开着它。数据也一样——数据不在你手上,AI 就只能处理你手动喂进去的部分,28.6% 的采集工时永远接不上。
第三,「AI 接手一半工时」这句话能不能兑现,取决于这活是在你的机器上跑,还是在别人的服务器上排队。
云端 API 有一个绕不开的问题:你得为每一次调用付费,为每一段等待焦虑,为每一份数据出境做合规判断。对个人研究者和小团队来说,这些成本会随使用量线性上涨。而科研场景恰恰是那种一旦跑起来就停不下来的场景。
铠盒AIBOX 走的是另一条路。它是一台自持的智能体计算机,算力是自己的,数据留在本地,7×24 开着,预装的 OpenClaw 和 Hermes 都在待命。多智能体协同的时候,一份分析任务拆给几个角色并行,跑完的结果沉淀在本地知识库里,下次直接接着用,不用每次重新喂。
这不是把云端能力搬到本地这么简单。它换掉的是「AI 是一次性应答」这个默认假设,变成「AI 是一个一直在跑、一直在记、随时能被叫醒的同事」。
最后说清楚它不能做什么
这一点必须写明白,不然就是耍流氓。
那份报告里最硬的天花板——实验学科 3 到 4 倍——跟用什么设备没有关系。化学实验台上该烧的瓶还是要烧,移液枪还是要人拿,40% 的物理操作对谁都存在。铠盒AIBOX 不会凭空变出一台质谱仪,也不会让 AI 生成的假说自动变成立。
它能解决的是另外那 60%:已经被数字化的那些环节,能不能不间断、零边际成本、不出境地跑下去。
报告里有个细节值得反复看——能力后 20% 的任务,使用率只有 0.2 倍左右。这说明真正聪明的用法不是把 AI 塞进所有环节,而是把判断哪些环节该交给 AI 这件事也交出去一部分:明确目标,明确边界,让它自己决定怎么记、怎么组织。
这就是这份 Anthropic 报告和铠盒AIBOX 放在一起看的意义。决定 AI 能不能持续干活的,从来不是单次回答有多准,而是它有没有一个稳定在场、算力够用、数据在你手里的地方。
那台机器可以是云,也可以是你自己的一台。