同样用AI，为什么有的人用得更好？Anthropic新报告揭秘

智东西3月25日消息，Anthropic于当地时间3月24日发布了《Anthropic经济指数报告：学习曲线》（The Anthropic Economic Index report: Learning curves）。报告基于2026年2月Claude使用情况进行分析，与此前更关注“AI被用来做什么”不同，这份报告把重点转向了另一个问题：同样在使用AI，为什么有的人用得更好？

报告发现，使用Claude超过6个月的老用户，对话成功率比新用户高出约10%，且这一差距排除了任务类型、所在国家或所选模型等方面的偏差。美国科技媒体Axios将这一现象称作AI熟练度的阶级纷争（class war over AI fluency），AI成果并非平等地被每个人共享，相反越熟练的用户，越能从AI中收益。

一、用途更广了，但任务降级了

报告首先追踪了Claude使用场景的变化。与2025年11月相比，Claude在网页上的使用场景明显变多了，而最常见的10种任务占比减少，从11月的24%降至现在的19%。与此同时，更高价值、更可编排的编程任务则继续向API端迁移。所以，编程需求虽然变多了，却只有API端的使用占比在增长。

▲最常见的10种任务在Claude网页和API调用占比情况（图源：Anthropic）

在使用场景不断丰富的同时，任务难度却在降低。网页端任务中，个人用途任务（如查体育比分、比较产品、家居维修咨询）占比从35%升至42%，课业用途任务占比从19%降至12%。任务平均经济价值（以美国时薪衡量）从49.3美元（约合人民币340元）降至47.9美元（约合人民币330元）。其实这一情况也很好理解，随着用户规模扩大，普通用户大量涌入，查比分、比商品、问维修这类轻量需求迅速增加，高价值的编程任务转向API端，所以任务平均经济价值变低。

▲工作用途、个人用途及课业用途使用占比变化（图源：Anthropic）

二、老用户为何更强？学习曲线效应浮现

本期报告最核心的发现就是老用户对话成功率更高。Anthropic将用户分为高资历用户（注册超过6个月）和其他用户两组，两者之间使用差异明显：

Anthropic发现，高资历用户不仅更常将其用于工作，也更擅长通过协作和迭代获得更好的结果。报告显示，高资历用户的对话成功率明显更高；即便在控制任务类型、模型选择、使用场景和国家等因素之后，这种优势依然存在。Axios将其视为AI熟练度（AI fluency）分化，认为AI可能正在带来一种新的经济不平等。

成功率方面，高资历用户的对话成功率较其他用户平均值高出约4-5%；使用方式方面，高资历用户更倾向于协作式交互，多任务迭代高出3.6%，学习模式高出3.4%，而指令式使用减少8.7%；任务复杂度方面，高资历用户处理的任务所需教育水平高出6.6%，用于工作的比例高出7.3%，个人休闲用途低4%。数据显示，用户每多使用Claude一年，其提示词所需的教育年限平均提高近1年。

▲AI使用经验越丰富，任务成功率越高（图源：Anthropic）

Anthropic认为，这些数据契合干中学（learning-by-doing）效应，用户通过持续使用AI，逐渐掌握了更有效的提示策略和协作模式。

三、聪明用户会挑模型：越贵的任务越爱用Opus

报告还分析了用户的模型选择行为，在付费Claude.ai用户中，51%的对话使用Opus（强但贵的模型）。对于计算机与数学类任务，55%的情况下，选择使用Opus，高于均值4.4%；对于教育辅导类任务，45%使用Opus，低于均值6.5%。

▲不同职业选用Opus的情况差异（图源：Anthropic）

值得注意的是，任务对应职业的时薪每增加10美元（约合人民币79元），Claude.ai上Opus的使用率就增加1.5%，而在API的Opus使用率提高2.8%。用户正在根据任务价值精打细算地分配AI算力。

四、AI的地理鸿沟：美国内部趋同，全球差距扩大

报告中还研究了世界范围内的AI使用差距。其中美国各州之间的差距在缩小，原本人均使用率偏低的州，追赶得更快。2025年8月到2026年2月之间，人均使用量排名前五的州，所占份额从30%降到了24%。不过Anthropic也注意到，这种收敛正在放慢：按现在的速度估算，美国各州要达到大致相近的人均使用水平，可能需要5到9年，而不是之前估计的2到5年。

然而，放眼全球，趋势却是反过来的：按人口调整后，Claude使用量最高的前20个国家，份额已经从45%升到了48%，AI的红利并没有自动均匀扩散，反而还在进一步向少数领先国家集中。

结语：AI熟练度，正在成为新的数字鸿沟

Anthropic在报告中坦言，老用户的优势可能部分源于幸存者偏差和早期采用者的自选择效应。但经过严格的统计控制后，学习效应仍然显著存在。所以说，AI可能正在催生一种技能偏向型变革，早期的高技能采用者既最容易受到AI冲击，也最能从AI中获益。正如Axios所警告的，美国下一场阶级对立，可能不在于财富或教育，而取决于AI熟练度。这意味着缩小AI技能差距的窗口期可能比预想的更短。当会用AI本身成为一种可积累的竞争优势时，先发者与后来者之间的鸿沟只会越来越难以弥合。

来源：Anthropic、Axios