科学家如何使用 Claude

约翰内斯·赫尔姆勒（Johannes Hermle）*、本·琼斯（Ben Jones）*、卢卡斯·阿尔特霍夫（Lukas Althoff）*、瑞安·赫勒（Ryan Heller）、托马斯·利特尔顿（Thomas Lyttelton）、卡罗琳·斯坦（Carolyn Stein）、内森·威尔默斯（Nathan Wilmers）、马克西姆·马森科夫（Maxim Massenkoff）、彼得·麦克罗里（Peter McCrory）

*报告的主要作者

摘要

• 我们测量了什么。 AI 可以加速科学发现，但能加速多少取决于 AI 能做什么以及科学家如何使用它。我们使用隐私保护方法研究了 207,000 个 Claude 和 Claude Code 研究会话，以了解 Claude 在不同科学领域和研究任务中的使用方式。我们开展这项研究，是为了帮助公众更好地了解当今 AI for Science 的现状，并评估 AI 未来可能对科学发现产生的影响。
• 科学家在哪里使用 Claude。 相对于各领域研究人员的数量，Claude 在形式科学（如计算机科学、数学和统计学）中使用得更多，而在健康和基于实验室的物理科学中使用得较少。科学家主要使用 Claude 来分析数据和写作。仅数据分析一项就约占 Claude 会话的三分之一，接近 Claude Code 会话的一半。科学家较少使用它来产生想法和收集数据，尽管在 accompanying survey（伴随调查）中，他们将这些任务列为对科学发现最重要的任务。尽管如此，专为科学工作设计的专用 AI 工具可以缩小科学家使用 AI 的研究任务与他们认为最重要的研究任务之间的差距。例如，在 Claude Science 上，想法生成所占的使用份额大约是它在 Claude 上的两倍。
• Claude 的使用如何随 AI 能力而变化。 我们建立了一个衡量 AI 在理论上能多好地完成每项研究任务的指标。AI 最擅长完成的任务（按此指标排名前 20% 的任务）所获得的 Claude 使用量是研究人员在其上花费时间所预测水平的三到四倍。而 AI 最不擅长的任务（排名后 20%），包括大多数体力工作，使用量则非常少。我们在各个领域观察到相同的模式：在 AI 能很好完成许多任务的领域，如计算机科学和统计学，Claude 的使用更多。
• 这可能对科学发现的速度意味着什么。 我们使用一个简单模型，探讨了 AI 能在多大程度上加速研究的各种情景。如果现有的 AI 能力被广泛采用，可能会使某些领域的研究产出翻倍。如果 AI 能够执行所有非体力的研究工作，计算机科学和统计学等领域的产出可能提升至多 15 倍，而受到物理瓶颈制约的化学和生物学等实验科学的产出将提升三到四倍。在对积极使用 AI 的研究人员的调查中，约 40% 的人预计到 2030 年 AI 模型将能够独立完成完整的研究项目。

引言

科学被描述为“无尽的边疆”（Bush 1945）。但历史上，我们探索这一边疆的速度一直受到一种稀缺资源的限制：人类研究人员的时间和才智。人工智能可以通过放大研究人员的能力来缓解这一限制，从而改变发现的过程和探索的步伐（Wang et al. 2023; Amodei 2024）。很少有 AI 的应用能比这对人类福祉更重要。与研究相比经济中的大多数部门，研究具有高度的认知性质，因此 AI 在这一领域的影响可能特别巨大且来得更早。

最近的例子显示 AI 在科学发现中发挥着越来越大的作用。在结构生物学领域，AlphaFold 预测了超过 200 百万个蛋白质的三维形状（Jumper et al. 2021; Varadi et al. 2024），其创造者分享了 2024 年诺贝尔化学奖。在材料科学领域，GNoME 预测了 380,000 种稳定的新晶体（Merchant et al. 2023）。在数学领域，研究人员已使用 AI 系统帮助解决数十年来悬而未决的 Erdős 问题、为一个千禧年大奖难题提出了一个潜在证明，并在其他重大问题上取得进展，从公开猜想到验证里程碑式的证明（Anthropic 2026a, 2026b; OpenAI 2026a, 2026b; Tsoukalas et al. 2026）。

除了这些进展之外，大多数科学进步涉及许多专业化且相互关联的研究任务，而这些任务在不同领域之间可能存在很大差异。AI 能在多大程度上加速科学发现，不仅取决于 AI 的能力，还取决于它在这些任务中的采用情况。在本报告中，我们使用隐私保护基础设施来研究 Claude、Claude Code 和 Claude Science 的科学使用情况。我们记录了使用情况在领域和任务之间的差异，找出解释这些使用模式的原因，并概述了 AI 加速研究的可能情景。

Claude 在科学中的使用因领域而异。相对于研究人员的数量，计算机科学、数学和统计学等形式科学对 Claude 的使用更为密集，而健康和基于实验室的物理科学则使用较少。在研究任务方面，科学家更多地使用 Claude 来分析数据和写作，较少用于收集数据或产生想法和假设。这与一项针对科学家的伴随调查中自我报告的 AI 使用情况一致。

为了理解这些差异，我们建立了一个理论 AI 能力的衡量指标。在该指标上得分较高的任务和领域，Claude 的使用量也较高。这些任务和领域往往在性质上更具认知性，也更适合强化学习——即 AI 从重复尝试的反馈中学习。简而言之，科学家似乎是在 AI 最有效的地方使用 AI。

基于这些发现，我们概述了AI如何加速科学进步的情景。以当前的能力来看，某些领域的研究产出最多可以翻倍，这主要来自任务层面的增强。我们调查中的研究人员预期将有更强大的能力到来。在一个AI完全自动化所有非体力工作的假设情景中，计算机科学或统计学等高度认知性的领域产出最多可增长15倍。由于加速潜力最大的领域包括生产AI本身的领域，这些收益可能形成一个额外的反馈循环：更快的AI研究产出更强大的AI，而这反过来又可能进一步加速研究。

更快的科学发现虽然能为人类带来巨大益处，但AI驱动的研究也带有风险和不确定性。人类监督的减少可能导致追求危险或不道德的研究。AI还可能重塑研究人员的职业生涯，使研究工作更有或更少回报，并改变人类追求知识所带来的意义感。

我们如何开展这项研究

本研究的目标是在保护研究人员工作细节的前提下，衡量科学家使用Claude的不同方式。为此，我们使用保护隐私的基础设施来分析消费者套餐上对Claude的科学使用。一个语言模型在这里被用作“分类器”，阅读每个会话记录，并按照一个预定义的分类体系（Alamos和Althoff 2026年的SciNet分类体系）将其标注为一组固定的类别，例如所涉及的领域和研究任务。由此产生的标签，如“化学”或“数据清洗”，是研究团队为本报告保留和分析的这些对话的唯一信息。本研究中使用的所有分类器均不提取和存储开放式信息或研究内容细节，例如研究数据集、假设、实验方法、早期发现或未发表的论文。结果仅以汇总形式报告，且仅针对达到最低独立账户数量的单元格。本研究引入的所有分类器均列于 附录.

我们的测量包括两个步骤。第一个分类器识别某个会话记录是否涉及科学工作。第二个分类器随后将这些记录中的每一条分配到SciNet分类体系中的一个领域、子领域和任务。SciNet包含7,262个任务，涵盖34个领域和318个子领域。分类体系中的一些任务，如起草手稿，是所有领域通用的。其他任务则特定于个别领域或子领域。例如，在分类体系中，预测光学吸收和发射光谱这一任务特定于材料科学。这些任务共同覆盖了产生新研究发现的全过程。

我们的主要样本由2026年8月2日至9月30日期间消费者套餐上的207,049个被分配了科学领域和研究任务的会话组成：128,914个来自Chat和Cowork（两种用于对话和知识工作的通用界面），以下统称为“Claude”，78,135个来自Claude Code（一种直接处理用户文件、编写和运行代码的智能体编程工具）。我们还研究了Claude Science会话的补充样本。有关样本构建的详细信息，请参见 附录.

将使用数据与研究任务的结构化分类体系相结合，使我们能够研究哪些领域采用了Claude，以及用于研究过程的哪些部分。这项研究为日益增长的、试图衡量AI技术在科学发现中应用的工作（Kobak et al. 2025; Liang et al. 2025; Hao et al. 2026; Codreanu et al. 2026）做出了贡献。

Claude的使用在科学领域之间的差异

我们首先描述Claude的使用在科学领域之间的差异。图1将一个领域的会话占比与该领域全球研究人员的占比进行比较，从而让我们了解各科学领域的相对使用情况。¹ 在Claude上，按会话占比计的三个最大领域是计算机科学（11.9%）、工程学（8.4%）和医学（7.7%），它们在全球研究人员数量最多的领域之列。² 总体而言，研究人员占比更大的领域也往往占Claude会话更大的份额（对数-对数相关性为0.79）。

然而，各领域的Claude使用量无法仅用研究人员数量来解释。在图1中，位于45度线以上的领域相对于其规模表现出更高的使用率，而位于该线以下的领域使用率较低。形式科学（包括计算机科学、数学和统计学）的相对使用率尤其高。社会科学的使用率也较高。相比之下，化学等工作通常在实验室进行的物理科学，相对使用率往往较低。按会话量计为第三大领域的医学也是如此，研究人员在该领域花费大量时间与患者相处。

在 Claude Code 上，使用量与学科规模的关联较弱（与研究人员数量的对数-对数相关性为 0.62），且集中在更偏定量研究的学科。尽管计算机科学的研究人员仅占全球研究人员的 4.3%，但仅计算机科学就占 Claude Code 会话的 32.7%。³ 其他形式科学，如数学和统计学，也显示出较高的相对使用率。艺术与人文学科以及社会科学的相对使用率较低，经济学是一个例外，它是一个相对偏定量的学科。

在比较这 34 个学科内部 318 个子学科的使用情况时，我们观察到类似的模式（图 2）。⁴ 这一更细粒度的子学科视角显示，人工智能和机器学习尤为突出，尽管仅占全球研究人员的 1.2%，但其会话占比在 Claude 上为 5.0%，在 Claude Code 上为 15.2%。更广泛地说，无论属于哪个大的科学领域，计算类子学科都是使用率最高的群体之一，包括计算生物学、计算语言学和计算神经科学。机器人学的相对使用率也很高，这可能是因为它尽管关注物理系统，但高度依赖计算方法。

Claude 的使用在不同研究任务上的差异

除了了解哪些学科使用 Claude，我们还希望了解科学家用它来做什么。研究涉及许多不同的任务，从提出假设、分析数据到将研究结果写成研究论文。为了更好地辨析 Claude 如何支持科学发现，我们研究了使用量在这些任务上的差异。为此，我们将每个会话分配到 SciNet 的 7,262 个任务之一。这些任务可以是所有学科通用的，例如撰写手稿；也可以是特定于学科或子学科的，例如进行差异基因表达分析以比较肿瘤亚型，这与癌症生物学相关联。该分类体系区分了研究任务和非研究任务：研究任务是研究人员为产出新的科学发现而执行的任务；非研究任务包括教学、同行评审以及对院系或学科领域的服务。⁵ 我们将分析限定于涵盖八个类别的研究任务：(1) 数据分析，(2) 写作与交流，(3) 数据收集，(4) 阅读与知识获取，(5) 理论分析，(6) 设计与开发（软件、材料和创意作品），(7) 创意构思与假设生成，以及 (8) 其他，例如研究管理。

对于每个任务类别，我们分别计算其在 Claude 和 Claude Code 会话中的占比。为评估某一类别的使用量是高还是低，我们参考 SciNet 估计的研究人员通常在该类别上所花费的时间比例。这些时间估计基于一个 LLM 分类器，并通过记录研究人员每项任务所花时间的湿实验室研究方案以及数千篇学术论文中任务的频率进行了验证（参见 附录）。这提供了一个基准，用以评估 Claude 在不同任务类别上的使用占比是符合还是偏离研究人员实际的时间分配。

按任务类别的使用情况。 数据分析任务在绝对数量上使用率最高，且相对于研究人员的时间投入而言被过度代表。数据分析占 Claude 会话的 33.7%，占 Claude Code 会话的 48.1%，而占研究人员时间的 27.6%。写作与交流任务的使用率也很高，尤其是在 Claude 上（32.0%，而研究人员时间占比为 16.0%）。⁶ 数据收集任务的相对使用率较低，占研究人员时间的 28.6%，但仅占 Claude 会话的 11.5% 和 Claude Code 会话的 11.9%。对于存在物理障碍的任务，例如临床或生化数据的采集，数据收集的代表性不足尤为显著。而可以依赖更多数字化流程的数据收集任务，例如检索档案文献或文本，代表性不足程度较轻；纯数字化的数据收集任务，例如在线数据采集，甚至可能被过度代表。创意构思与假设生成任务的使用率也很低，占 Claude 会话的 4.2%、Claude Code 会话的 2.1%，而占研究人员时间的 7.1%。

将观测到的使用情况与调查证据进行比较。 除了对 Claude 和 Claude Code 会话的分析之外，我们还对 528 位科学家进行了调查，他们自我报告的 AI 使用情况与我们在这些会话中观察到的模式一致。样本主要由生命科学与健康科学领域的研究人员组成，他们都是 AI 的积极采用者。⁷ 与图 3 所示的 Claude 使用模式一致，调查参与者自我报告的 AI 使用在数据分析和写作与交流方面最高，在创意构思与假设生成以及数据收集方面较低。参与者还报告在数据分析和写作与交流方面有更多共享或委托使用 AI 的情况（图 4）。

调查还询问了哪些类别对产出重要研究成果最为关键。受访者将创意构思与假设生成排名第一，数据收集排名第二。值得注意的是，这些类别在自我报告的使用中以及 Claude 会话中均占比不足。这种占比不足的原因可能各不相同。数据收集的很大一部分是物理性的，而创意构思则不然。对于创意构思，科学家可能更倾向于自己产生想法，或者他们认为 AI 的能力有限。我们的数据也可能低估了创意构思，因为它往往融入许多其他研究任务之中，难以分类。但 AI 在高水平创意构思方面也可能确实较弱，例如选择 pursuing 哪个研究问题以及设计解答该问题的研究方案。

生物与生物医学领域对 Claude Science 的使用。 虽然 Claude 和 Claude Code 是通用界面，但面向科学的专用 AI 工具正日益增多。为了研究此类工具是否能够支持更专业、要求更高的研究，我们使用隐私保护分析基础设施，将 Claude Science 上的生物学和生物医学工作与 Claude 和 Claude Code 上的工作进行对比。

Claude Science 将 Claude 连接到许多原本相互割裂的研究工具和数据库，并起到整合和加速科学工作流程的作用。科学家在研究中组合不同工具和数据库时，往往必须使用不同的平台，每个平台都有独特的数据结构或查询语言。例如，研究现有药物能否作用于特定蛋白质的生物学家，通常必须查询不同的数据库，以了解该蛋白质的功能、其结构、已针对其测试过的化合物，以及相关的药物试验或论文。Claude Science 将这些整合为一个工作流程。

Claude Science 的使用集中在生命科学领域。排名前两位的领域是生物医学科学和生物学，两者合计占会话总数的 50% 以上。在这些领域中，我们评估哪些任务相对于 Claude 执行的任务占比最为突出。

我们发现，研究人员将 Claude Science 用于比 Claude 更专业的任务（图 5）。例如，任务“为蛋白质—蛋白质或蛋白质—配体相互作用提出机制模型”出现在 Claude Science 上的可能性比在 Claude 上高 5.6 倍。该任务涉及在单个分子接触的层面上解释蛋白质如何与另一种蛋白质或与药物等小分子结合。Claude Science 非常适合这一任务，因为它可以从多个互联数据库中收集蛋白质结构和结合数据，并将它们组合成一个可检验的相互作用模型。相比之下，Claude Science 在起草稿件或与协作者协调等通用任务上的使用相对较少。此外，我们发现创意构思与假设生成占 Claude Science 会话的 8%，大致与这些任务占用研究人员时间的比例相当，这表明面向科学的专用 AI 工具可以促进更复杂和更具创造性的工作。

聚焦于生物医学科学和生物学，并使用我们在先前工作中引入的经济基元框架中的度量方法（ 先前工作 ，Appel et al. 2026），我们发现 Claude Science 上的任务比 Claude 和 Claude Code 上的任务更长、更复杂，且自动化程度更高（Figure 6）。这与专用 AI 工具被用于要求更高的任务这一情况相一致。⁸ Claude Science 上的会话所包含的工作，如果没有 AI，所需的人工时间几乎是 Claude 和 Claude Code 上工作的近两倍。这些会话的内容也更先进。据估计，超过80%的 Claude Science 使用需要博士级训练（20年教育），而在其他界面上这一比例约为50–70%。超过70%的 Claude Science 会话在高度 AI 自主性下完成，远高于 Claude（23.7%），也略高于 Claude Code（64.1%）。

Claude 使用的输出。 最后，用 Claude 产出的成果在不同领域之间显示出明显差异（Figure 7）。⁹ 相对于自然科学和形式科学，文档、报告或学术论文等书面成果在社会科学和人文学科中更为常见。相反，代码、软件输出和数据等技术成果在自然科学和形式科学中更为常见。总体而言，健康科学在产出成果方面更接近社会科学。技术成果在 Claude Code 上的出现频率约为 Claude 上的两倍，但跨领域的总体模式相似（参见 附录).

使用情况与能力的关系

AI 使用是否与 AI 能力相关？领域规模能解释 Claude 使用中的部分差异，但不能解释全部。例如，计算机科学领域的研究人员使用 Claude 的频率远高于该领域规模所预测的水平，而营养学领域的研究人员使用 Claude 的频率则远低于预测水平。同样，研究人员自己花时间的地方也不能完全预测他们最常使用 Claude 的地方。一些宽泛的任务类别（如数据分析和写作）的使用份额远大于其研究时间份额，而另一些类别（如数据收集、构思与假设生成）的使用份额则小得多。在这里，我们检验这些使用差异是否反映了 AI 实际能做到的事情。

为了衡量任务特定的 AI 能力，我们首先使用 LLM 分类器构建能力分数。对于每项任务，SciNet 提供了科学家完成任务所需执行的单个步骤列表。例如，在化学中，有一项任务涉及纯化反应混合物，而该任务的一个步骤涉及装填色谱柱。分类器会看到分类体系中成对的步骤，并被问及哪一步 AI 能做得更好。我们使用 Bradley–Terry 模型汇总这些比较——该模型也就是基于棋手间对弈结果对其进行排名的 Elo 等级分背后的模型。一个步骤的分数在比较获胜时上升，在失败时下降。然后我们对每项任务的步骤求平均，得到任务层面的分数（详见 附录 ）。我们将这一度量标记为 理论 AI 能力。我们将某项任务的具体分数称为其 AI 能力分数.

为了比较不同任务之间的使用情况，我们考察相对于研究人员在某项任务上花费的时间，该任务的 Claude 使用量是更高还是更低。例如，一项任务占研究人员时间的 5%，但占 Claude 会话的 10%，则其使用量为预期水平的两倍，比率为 2。比率为 1 表示 Claude 的使用量与研究人员在该任务上花费的时间相符。比率低于 1 表示 Claude 的使用量低于基于该任务所需研究人员时间所预期的水平。

Figure 8 显示，该使用比率随任务的 AI 能力分数急剧上升。对于能力分数处于最低 20% 的任务，如纯化反应混合物和进行参与式观察，Claude 几乎不被使用。在中位数能力分数处，比率大约为 1，因此使用量与研究人员时间相符。对于能力分数处于最高 20% 的任务，如数据可视化和应用统计检验，相对于研究人员通常在这些任务上花费的时间，Claude 上的使用量约为两倍，Claude Code 上的使用量约为四倍。这些模式表明，科学家对 Claude 的使用与 AI 能力分数密切相关。Claude Code 上更陡峭的梯度反映了它对计算性工作的专注，而这类工作具有较高的能力分数。

理论AI能力在不同任务之间存在差异，原因有很多。为了理解这些差异，我们将每个任务的AI能力得分与三组由LLM推导的任务特征相关联：其是否适合强化学习（RL）；工作是以认知、人际还是体力为主；以及监管限制是否限制了AI的使用（图9；参见 附录 以获取定义和数据来源）。

以RL适用性为例。在RL中，AI模型反复尝试某项任务，并在成功时获得奖励，从而使模型学会如何执行该任务。当成功易于验证、可以在计算环境中模拟大量示例、且反馈可以快速交付时，任务特别适合RL（Lambert et al. 2024；Guo et al. 2025）。我们使用SciNet中针对这三个RL相关成分的任务特定指标，并将其汇总为一个单一指数。任务的AI能力得分与其单独分类的RL指数得分高度相关（相关系数为0.78）。这表明AI在RL最容易应用的研究任务上能力最强。

其他重要的任务特征涉及工作的性质。一些研究任务本质上是认知性的，而另一些则需要体力操作或人际接触。体力任务总体上超出了纯认知机器的能力范围。此外，还可能存在限制AI使用的监管限制。以认知工作为特征的任务AI能力得分较高（相关系数为0.69）。相比之下，涉及更多体力工作的研究任务AI能力得分较低（−0.57）。包含人际工作的研究活动（−0.31）或涉及AI使用监管限制的研究活动（−0.38）的得分也往往较低。

同样的任务特征也能预测研究人员在给定任务上使用Claude的程度（图10）。对于RL适用性处于最低五分之一的任务，Claude的使用几乎为零。而对于处于最高五分之一的任务，相对于研究人员在这些任务上花费的时间，Claude的使用比例异常高：在Claude上高出两倍，在Claude Code上高出四倍。这与Claude使用情况和整体AI能力得分之间的关联类似，其中得分最高的20%任务也吸引了预期使用量的两到四倍。

在以认知为主的任务中，Claude的使用比例也异常高。相比之下，对于体力和人际任务，Claude的使用较低。在监管障碍限制AI辅助的任务中，Claude的使用也较低。总体而言，在高度专业化的研究任务范围内，使用情况和能力指标密切相关。

不同的科学领域依赖于不同的研究活动组合。对于狭窄研究任务而言，使用情况与能力得分之间的相关性是否有助于解释为什么某些领域比其他领域更多地使用Claude？我们的数据表明确实如此：一个子领域每位研究人员对Claude的使用量往往随着其任务的平均AI能力得分而上升（Claude的相关系数为0.45，Claude Code为0.57），如图11所示。

各领域之间也存在实质性差异，这表明Claude的使用受到AI能力之外的因素影响。与任务的AI能力得分相比，健康科学研究人员对Claude的使用相对较少，这可能是由于医疗数据和研究方面的监管限制了AI的使用或使其更难整合。形式科学、社会科学以及艺术和人文学科的研究人员对Claude的使用则超过了AI能力得分所预测的水平。这些领域的大部分工作通过文本和代码完成，这可能促进了AI工具的采用。物理科学和生命科学中的Claude使用通常与AI能力得分更为接近，但个别子领域可能出现偏差。

理论AI能力还预测了研究人员允许Claude自主工作的程度。图12显示，自主使用与子领域的理论AI能力相关。换言之，理论AI能力更强的子领域不仅更多使用AI，而且以更自主的方式使用。

AI带来的研究加速情景

科学技术进步的速度取决于好的想法以及追求这些想法的手段。历史上，这两者都受限于人类的能力。研究人员的数量是有限的，而每位研究人员可用于提出假设、设计合适的实验、运行分析以及综合研究结果的时间也是有限的。

AI可以从两个方面缓解这些限制。第一，它可以承担研究人员目前所做的工作，使他们能够探索更多想法。第二，它可以提供研究人员原本可能无法发现的想法。第二点最终可能最为重要，但它要难以衡量得多，因此我们的分析侧重于第一点。

方法

我们考虑了通过AI实现科学加速的三种情景。情景1假设当前AI能力得到广泛采用，其采用程度根据我们的调查和AI能力得分估算。情景2和情景3是假设性的未来，其中AI完全自动化75%或100%的非物理性研究步骤——即构成SciNet中每个研究任务的各个单独动作——并且从AI能力得分最高的步骤开始。在所有三种情景中，研究人员继续执行物理性步骤。这些是说明性情景，而非预测。它们展示了物理性工作、理论AI能力和AI成本可能如何塑造科学研究的加速，以及哪些领域的加速潜力最大。

对于每种情景，我们报告两项指标。第一项是 AI份额：即一项研究所花费的研究人员时间中AI可以承担的比例。它根据研究人员目前分配时间的方式，衡量AI可以释放多少人类研究时间，并且它直接源于我们上述的分析。研究人员可以将释放出的时间用于其他工作，从而提高研究产出。我们的第二项指标是 加速，它估算这一收益：在固定的研究预算下，研究产出相对于没有AI时研究产出的增加。它告诉我们同样的预算可以多产出多少研究成果。释放出的时间并不会一一对应地转化为更多产出，这既因为研究人员会将精力转向AI帮助较小的任务，也因为AI本身有成本。

我们根据调查构建情景1的AI份额，调查记录了五个AI使用层级：无、辅助、共享、委托和自主。我们假设这些层级对应于AI在给定任务步骤中承担研究人员时间的0%、25%、50%、75%和100%。在每个任务类别内，我们按AI能力得分对任务步骤进行排序。然后，我们按照调查中报告的相同比例为每个任务步骤分配一个AI使用层级，最高层级分配给得分最高的步骤。例如，在构思与假设生成方面，17%的回复报告没有AI使用，53%报告辅助使用。因此，AI能力得分最低的17%的构思任务步骤被分配为无AI份额，接下来的53%被分配为25%，依此类推，逐级向上。由于受访者很可能属于重度AI使用者，我们将他们报告的使用情况作为AI当今能力的代理指标。最后，我们将AI释放的研究人员时间从步骤层面汇总到领域层面（参见 附录).

为了计算加速，我们使用思想生产函数，这是一种将研究投入（如研究人员时间）转化为研究产出的标准经济模型。在该模型中，一篇论文需要许多研究任务（Jones 2026）。这些任务具有互补性，即一项任务的优势无法完全弥补另一项任务的劣势。随着AI使某些任务变得更廉价，研究人员会将精力转向AI帮助较小的任务，从而缓解限制总体收益的瓶颈。例如，研究人员可以花更多时间提出新问题，或进行更多物理实验以扩展实证证据。我们使用Ahmadpoor and Jones (2019)来校准这些瓶颈对总体收益的限制程度。对于AI的成本，我们假设AI代理一小时的成本为30美元，而研究人员一小时的成本为95美元，并且AI每节省一小时研究人员时间需要运行0.2小时。这些是说明性假设：AI成本采用当今的公开标价。这些成本越低，在给定预算内可以完成的研究就越多，加速幅度也就越大，如下文所述。 附录 描述了该模型及其假设。

情景1:当前能力

在当前能力下,如果被广泛采用,AI可以承担产生一项新研究所需研究者时间的27–52%,各领域的中位数为38%(图13,左图)。这些份额意味着研究加速的范围从艺术领域的1.35x、人类学的1.36x和化学的1.41x,到计算机科学的1.96x和统计学的2.02x(图13,右图)。加速仍然有限,因为如今AI的工作大多是辅助性或共享性的而非自主性的,因此研究者仍然在几乎每一个步骤上花费大量时间。即使是对AI准备最充分的领域——其工作几乎完全是认知性的——也只达到约2x的加速。这些估计假设AI得到广泛普及,并且研究者将其应用于当前有用的每一个步骤。

两个因素解释了各领域之间的大部分差异。第一个是物理性工作,AI在没有物理集成的情况下无法承担。在实验室和野外科学(如农业科学、生物医学科学、化学和材料科学)中,研究者时间的38–41%用于物理步骤,而所有领域中位数为4%。仅物理份额就解释了AI份额变异的约三分之一。第二个因素是认知性工作中AI能力得分的分布。艺术和历史在物理步骤上花费的时间很少(分别为10%和4%),但其认知步骤的AI能力得分较低,这或许是因为定性和阐释性工作不太适合强化学习。相比之下,计算机科学和统计学得分较高且AI份额较大,这是由数据分析驱动的,该类工作在各领域中拥有最高的AI能力得分。

在Claude上使用率较高的领域往往也具有较大的AI份额(图14)。AI份额的计算没有使用任何Claude使用数据,因此这种关系进一步证明了AI使用情况与理论AI能力相吻合。

情景2和3:更大程度的自动化

在这些更为推测性的情景中——它们很大程度上取决于关于AI的能力范围和成本的假设——更大程度的自动化会大幅提高AI份额和加速,并扩大领域之间的差异。

在情景2中,即75%的非物理步骤可以由AI完成时,计算机科学的加速达到约8x,统计学以及图书馆与信息科学达到7x,经济学达到6x。大多数其他社会科学、数学、以及物理与天文学达到4–5x,而实验科学和医学科学达到约2–3x。实验科学以及艺术与人文学科的获益最少,但原因不同。在实验科学中,大部分工作是物理性的,仍然必须由研究者完成。在艺术与人文学科中,工作主要是认知性的,但AI能力得分较低,因此其步骤中很少被自动化。被自动化的步骤在计算机科学中占非物理研究者时间的82%,而在艺术中仅占28%。历史、人类学和艺术学科的加速约为2x或更少。

在情景3中,艺术与人文学科领先,而实验科学仍然受阻。一旦AI自动化所有非物理步骤,低AI能力得分不再限制认知性工作,AI可以承担许多领域中几乎全部的研究工作(图13,左图)。在这一推测性情景中,物理任务较少的领域——包括统计学、计算机科学、经济学、数学、心理学以及大部分社会科学和艺术与人文学科——达到约15–16x。拥有大量实验室或野外工作的领域,如生物学、化学、材料科学、农业科学和生物医学科学,仅达到3–4x。在没有自动化实验室的情况下,其物理步骤——约占研究者时间的40%——仍然是瓶颈。

从这些情景中可以得到两个教训。第一,物理瓶颈依然强大。AI在没有物理集成的情况下无法执行的步骤会主导研究者的时间和预算,从而限制加速。第二,在不存在此类瓶颈的地方,非凡的进步速度成为可能,而AI的成本成为限制。在我们的假设下,由AI完全自动化的任务的成本仍然约为研究者执行成本的大约十六分之一,因此加速接近约16x并止步于此。更低的AI成本将按比例提高这一上限,例如,将AI成本减半将使进步速度翻倍。如果成本大幅下降——包括那些AI稍后才会自动化的更难任务的成本——没有物理瓶颈的领域可能加速到远超这些估计的水平。

这些计算存在重要的局限性，且其影响是双向的。我们没有考虑研究领域层面而非研究团队层面的约束。例如，在大型强子对撞机等设施中，能运行的实验数量是有限的。我们也只计算了研究人员和AI时间的成本，而没有计算机器设备或实验所需材料的成本，而这些成本在健康、物理和生命科学领域可能相当可观。我们也没有考虑用模拟来替代物理实验，这可能会缓解某些领域的瓶颈。最后，我们没有考虑想法的质量。如果AI能识别出成功率更高的更好假设，研究的加速可能会更快；如果研究品味仍然为人类独有，加速则会更慢。

研究人员的预期

上述情景刻画了一系列可能性。研究人员自身的预期可以提供一种基于专业经验的独特指引。为了收集他们的观点，我们对生命与健康科学领域研究人员的调查询问了他们认为AI在独立工作的情况下，何时能在不同类别的研究工作中比得上其所在领域最优秀的研究人员（图15）。受访者的短期预期很高：超过半数的人预期AI将在2027年前在数据分析方面达到顶尖研究人员的水平，38%的人表示AI已经达到了这一水平。到2030年，94%的人预期AI将在数据分析方面比得上最优秀的研究人员，89%认为在写作方面，72%认为在构思和数据收集方面均是如此。对构思和数据收集的预期较低，这与当前Claude在这些任务上使用率较低的情况一致。

对无需人类参与的全流程AI研究的预期更为保守，但研究人员仍然预期会取得显著进展。约40%的受访者预期AI将在2030年前完成完整的研究项目，约64%预期在2035年前实现，尽管有16%的人表示这永远不会发生。对AI能自主产生科学突破的预期则更为谨慎，约一半的研究人员预期这要到2035年之后才会发生，如果会发生的话。总体而言，许多研究人员预期未来十年将实现高度自动化，这与我们较高自动化的情景大体一致。这些预期以多快、在多大程度上实现，不仅取决于AI作为软件技术的进步，还取决于建设自动化实验室以克服物理障碍的努力。

将过去的调查证据与实际结果进行比较表明，AI的进展常常被大幅低估（Rosenberg et al. 2026）。例如，在2022年年中的一项调查中，领域专家对AI在国际数学奥林匹克竞赛中达到金牌水平表现的中位估计是2030年，超级预测者的估计是2035年（Karger et al. 2023）。AI在2025年实现了这一里程碑，比这些预测提前了约五到10年。虽然预测者系统性地低估了AI能力的进展，但也有一些例外，主要出现在需要在物理世界中执行操作的领域，例如生物学中AI辅助的实验室任务。

讨论

如果AI有助于加速科学发现，它可能有助于提高生活水平并加快疾病治疗的进展。我们的估计表明潜在收益是可观的。但AI研究能力的进步并不会自动转化为快速进展；实现这种加速还将取决于我们如何应对若干约束。

第一，技术的采用可能大幅滞后于能力。新技术的扩散通常很慢（Comin and Hobijn 2010），而生产率收益往往只有在组织围绕新技术进行重组之后才会显现（David 1990; Brynjolfsson, Rock, and Syverson 2021）。个体的学习过程、组织或系统层面的摩擦，以及对AI访问或基础设施的限制，都可能减缓采用速度。

第二，研究可能继续面临AI无法消除的瓶颈。物理实验可能既昂贵又缓慢，即使AI能力极强，物理实验仍可能严重限制进展。在上述情景中，我们在实验科学领域尤其能看到这一点。选择研究什么可能是另一个瓶颈。研究问题在很大程度上决定了研究项目的价值，而AI产生好问题的能力仍不明确。如果构思是瓶颈，那么即使回答给定问题变得便宜得多，加速仍会受到限制。相反，如果AI在提出高质量假设方面超越人类，加速可能会更加显著，尤其是在验证假设成本高昂的领域。

第三，AI赋能的研究可能提高研究产出的数量或质量，这对科学具有不同的影响。新研究论文的激增可以更快地推动一个领域的发展，但也可能使科学家难以消化或验证这些结果。另一方面，从显微镜和望远镜到统计软件，新技术在历史上提升了科学洞察的质量，AI同样可以使更全面的分析和更有雄心的项目成为可能。随着论文变得更容易产出，研究界可能会越来越多地奖励特别新颖或高质量的工作。更高效的研究会带来更大的数量还是更高的质量，将取决于研究人员的选择以及期刊、资助机构和研究机构设定的激励。

第四，研究的组织方式可能发生难以预料的变化。随着AI变得更强大和更自主，AI系统可能在验证、同行评审以及传播重要成果方面发挥主导作用，这将缓解上文讨论的吸收问题。再往远看，AI研究智能体还可能凭借机器人和自动化实验室，在独立于人类的大型社区中推动科学前沿。这种自主的AI研究将引发一系列问题：人类如何追踪新知识、能否理解这些知识，以及知识是如何生成的。

第五，更加自主的AI系统可能加大确保AI驱动的研究与人类目标保持一致的难度。随着AI智能体变得更强大、更有创造力，让人类参与关键研究决策——例如研究哪些问题以及如何研究——可能对安全和人类福祉至关重要。研究成果本身或研究的副产品也可能带来风险，尤其是在生物学领域，那里加速医学进步的能力同样可能产生危险的知识或材料。在这种情况下，在研究过程中设置审慎的检查点可能是必要的，这要求我们接受较慢的进展以降低风险。

最后，研究人员从事的工作可能发生实质性变化。一个影响可能是研究人员工作满意度的变化。如果AI接手了令人愉悦或有成就感的工作，满意度可能下降，选择研究职业的人也可能减少。如果AI接手的是研究人员觉得乏味的工作，满意度则可能上升。行政事务是一个潜在的目标。在美国，联邦资助项目的首席研究员报告称，他们大约44%的研究时间用于满足行政要求而非开展研究（Schneider等，2020），减轻这一负担可能是一大福音，既能节省时间又能提升整体满意度。归根结底，净效应尚不确定，并可能随着AI能力的演变而变化。一种乐观的看法是，AI将拓展发现的机会，而发现正是研究职业回报的核心所在。如果说科学是一次驶向“无尽前沿”的航行，那么AI或许就是一艘新船，让研究人员得以在浩瀚的研究问题和发现中航行得更远。

附录

可在此处获取.

参考文献

Ahmadpoor, Mohammad and Benjamin F. Jones, “Decoding Team and Individual Impact in Science and Invention,” Proceedings of the National Academy of Sciences, 2019, 116 (28), 13885–13890.

Alamos, Cristian和Lukas Althoff，“SciNet: The Anatomy of Science”，数据集，2026年。 https://www.anatomyofscience.com/

Amodei, Dario, “Machines of Loving Grace: How AI Could Transform the World for the Better,” essay, 2024年10月。 https://darioamodei.com/essay/machines-of-loving-grace

Anthropic, “Learning More about Claude’s Mathematical Capabilities,” research post, 2026年8月10日，2026a。 https://www.anthropic.com/research/riemann-zeta

Anthropic, “Formalizing Fermat’s Last Theorem,” research post, 2026年9月4日，2026b。 https://www.anthropic.com/research/formalizing-fermats-last-theorem

Appel, Ruth et al., “Anthropic Economic Index Report: Economic Primitives,” research post, 2026年1月15日。 https://www.anthropic.com/research/anthropic-economic-index-january-2026-report

Brynjolfsson, Erik, Daniel Rock, and Chad Syverson, “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,” American Economic Journal: Macroeconomics, 2021, 13 (1), 333–372.

Bush, Vannevar, Science, the Endless Frontier: A Report to the President，华盛顿特区：United States Government Printing Office，1945年。

Codreanu, Mihai 等人，《AI in Science: Early Insights》，arXiv预印本 arXiv:2609.28504，2026年。 https://arxiv.org/abs/2609.28504

Comin, Diego and Bart Hobijn, “An Exploration of Technology Diffusion,” American Economic Review, 2010, 100 (5), 2031–2059.

David, Paul A., “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,” American Economic Review, 1990, 80 (2), 355–361.

Eloundou, Tyna et al., “GPTs Are GPTs: Labor Market Impact Potential of LLMs,” Science, 2024, 384 (6702), 1306–1308.

Guo, Daya et al., “DeepSeek-R1 Incentivizes Reasoning in LLMs through Reinforcement Learning,” Nature, 2025, 645 (8081), 633–638.

Hao, Qianyue et al., “Artificial Intelligence Tools Expand Scientists’ Impact but Contract Science’s Focus,” Nature, 2026, 649 (8099), 1237–1243.

Jones, Benjamin F., “Artificial Intelligence in Research and Development,” 载于Ajay Agrawal、Erik Brynjolfsson和Anton Korinek主编， The Economics of Transformative AI，芝加哥：University of Chicago Press，2026年，第37–61页。

Jumper, John et al., “Highly Accurate Protein Structure Prediction with AlphaFold,” Nature, 2021, 596 (7873), 583–589.

Karger, Ezra 等，《预测生存风险：来自长期预测锦标赛的证据》（Forecasting Existential Risks: Evidence from a Long-Run Forecasting Tournament），Forecasting Research Institute 工作论文 1，2023年。 https://forecastingresearch.org/research/existential-risk-persuasion-tournament

Kobak, Dmitry 等，《通过过剩词汇探究生物医学出版物中的 LLM 辅助写作》（Delving into LLM-Assisted Writing in Biomedical Publications through Excess Vocabulary）， Science Advances，2025年，第11卷第27期，eadt3813。

Lambert, Nathan 等，《Tülu 3：推进开放语言模型后训练的前沿》（Tülu 3: Pushing Frontiers in Open Language Model Post-Training），arXiv 预印本 arXiv:2411.15124，2024年。 https://arxiv.org/abs/2411.15124

Liang, Weixin et al., “Quantifying Large Language Model Usage in Scientific Papers,” Nature Human Behaviour, 2025, 9 (12), 2599–2609.

Liu, Yinhong 等，《与人类判断对齐：成对偏好在大型语言模型评估器中的作用》（Aligning with Human Judgement: The Role of Pairwise Preference in Large Language Model Evaluators），收录于 第一届语言建模会议论文集（COLM）, 2024.

Mantiuk, Rafał K.、Anna Tomaszewska 和 Radosław Mantiuk，《四种图像质量评估主观方法的比较》（Comparison of Four Subjective Methods for Image Quality Assessment）， Computer Graphics Forum, 2012, 31 (8), 2478–2491.

Massenkoff, Maxim 等，《Anthropic 经济指数报告：节奏》（Anthropic Economic Index Report: Cadences），研究博文，2026年6月26日。 https://www.anthropic.com/research/economic-index-june-2026-report

Merchant, Amil et al., “Scaling Deep Learning for Materials Discovery,” Nature, 2023, 624 (7990), 80–85.

OpenAI，《一个 OpenAI 模型已推翻离散几何中的一个核心猜想》（An OpenAI Model Has Disproved a Central Conjecture in Discrete Geometry），研究博文，2026年5月20日。 https://openai.com/index/model-disproves-discrete-geometry-conjecture/

OpenAI，《关于 Navier–Stokes 千禧年大奖问题》（On the Navier–Stokes Millennium Prize Problem），研究博文，2026年9月8日。 https://openai.com/index/navier-stokes-solution/

Parshall, Daniel 和 Andrea Lopez-Luzuriaga，《衡量 AI 的经济影响范围：多维任务分类法》（Measuring AI’s Economic Reach: A Multi-Dimensional Task Taxonomy），乔治·华盛顿大学经济研究中心工作论文 2026-005，2026年。 https://www2.gwu.edu/~forcpgm/2026-005.pdf

Robinson-Garcia, Nicolas 等，《元研究：研究职业生涯中的任务专业化》（Meta-Research: Task Specialization Across Research Careers）， eLife，2020年，第9卷，e60586。

Rosenberg, Josh 等，《迄今为止的 AI 进展预测有多准确？》（How Accurate Have AI Progress Forecasts Been So Far?），研究博文，Forecasting Research Institute，2026年9月22日。 https://forecastingresearch.org/research/ai-progress-accuracy-update

Schneider, Sandra L. 等，《2018年 FDP 教师工作量调查：主要发现报告》（2018 FDP Faculty Workload Survey: Report of Primary Findings），Federal Demonstration Partnership，2020年。 https://thefdp.org/wp-content/uploads/FDP-FWS-2018-Primary-Report.pdf

Shah, Nihar B. 等，《何时比较优于打分？》（When Is It Better to Compare than to Score?），arXiv 预印本 arXiv:1406.6618，2014年。 https://arxiv.org/abs/1406.6618

Tomei, Philip Moreira 和 Bouke Klein Teeselink，《AI 能学会哪些工作？通过强化学习衡量暴露度》（What Jobs Can AI Learn? Measuring Exposure by Reinforcement Learning），arXiv 预印本 arXiv:2605.02598，2026年。 https://arxiv.org/abs/2605.02598

Tsoukalas, George et al., “Advancing Mathematics Research with AI-Driven Formal Proof Search,” Science, 2026, 394 (6820), 234–239.

Varadi, Mihaly 等人，《2024年的 AlphaFold 蛋白质结构数据库：为超过 214 百万条蛋白质序列提供结构覆盖》， Nucleic Acids Research, 2024, 52 (D1), D368–D375。

Wang, Hanchen et al., “Scientific Discovery in the Age of Artificial Intelligence,” Nature, 2023, 620 (7972), 47–60.

脚注

01在计算各领域的全球研究人员数量时，我们排除了Claude不可用的国家。

02研究人员数量来自SciNet。有关该指标的详细信息，请参见 附录.

03转录文本按其所从事的研究而非所使用的工具被归入相应领域，因此其他计算科学中的编码工作不计入计算机科学。

04子领域层面的使用份额比领域层面的份额估算精度更低，尤其是会话量较低的子领域，因为采样变异和分类噪声更大。因此我们关注总体模式，而非任何单个低会话量子领域的具体位置。

05虽然我们的分析聚焦于科研任务，但教学、服务和行政等非科研任务可能占用研究人员相当大的时间预算。然而，我们的科学用途分类器有意将本科教学排除在外，并且如果行政或常规工作并非直接服务于科研或某项研究，则不予选取。此外，我们的样本并不限于担任学术职位的科学家，而这类科学家的教学和服务工作量天然更高。因此，我们将AI在这些工作流程中的应用研究留给未来的研究。

06就单个任务而言，起草稿件是 Claude（18.6%）和 Claude Code（11.1%）上最常见的任务。在 Claude 上，接下来最常见的任务是审阅和综合文献（6.8%）以及回应同行评审意见（6.7%）。在 Claude Code 上，则是设计、构建和改进工件（4.8%）以及可视化数据和结果（4.6%）。

07受访者来自Anthropic的AI for Science及相关资助项目的申请者，隶属于美国和加拿大的科研机构。由于他们申请了AI研究积分，他们可能比一般科学家更密集地使用AI。参见 附录 详情。

08在Claude Science上执行的任务差异可能部分反映了使用者是谁。任何付费用户都可以访问Claude Science，但采用者很可能是那些有更专业或更高要求使用场景的人。因此，我们将产品之间的差异描述为使用模式。

09为了识别每个 Claude 会话的工件，我们使用了我们在 先前工作 (Massenkoff et al. 2026)。该分类器识别对话中 Claude 产生的最突出的输出产物。我们将更细分的响应归入两个类别：书面产物和技术产物。书面产物主要包括文档、报告、学术论文或演示文稿。技术产物主要包括软件输出，例如脚本、代码修复以及数据和图表。既非书面也非技术产物的产物包括分析或总结，以及解释或建议。

作者与致谢

致谢

克里斯蒂安·阿拉莫斯（Cristian Alamos）、贝莉·博瓦（Bailey Bova）、汤姆·奇弗斯（Tom Chivers）、劳伦·科特雷尔（Lauren Cottrell）、埃莉诺·多夫曼（Eleanor Dorfman）、亚当·法里纳（Adam Farina）、迪普·甘古利（Deep Ganguli）、丽贝卡·希斯科特（Rebecca Hiscott）、查德·琼斯（Chad Jones）、安妮克·容（Anneke Jong）、艾什琳·基南（Aisling Keenan）、安东·科里内克（Anton Korinek）、伊娃·柳比奇（Eva Lyubich）、帕鲁尔·马赫什瓦里（Paruul Maheshwary）、迈尔斯·麦凯恩（Miles McCain）、特迪·麦圭尔（Teddy McGuire）、安库尔·拉蒂（Ankur Rathi）、桑蒂·鲁伊斯（Santi Ruiz）、希蒙·萨彻（Szymon Sacher）、大卫·桑德斯（David Saunders）、莫妮卡·图霍夫斯卡（Monika Tuchowska）、尼克·特纳（Nick Turner）、希瑟·惠特尼（Heather Whitney）、金·威西（Kim Withee）、杰克·克拉克（Jack Clark）。

引用

@techreport{hermle2026AIScience,
  author = {Hermle, Johannes and Jones, Benjamin and Althoff, Lukas and Heller, Ryan and Lyttelton, Thomas and Stein, Carolyn and Wilmers, Nathan and Massenkoff, Maxim and McCrory, Peter},
  title = {{AI} for scientific discovery: How researchers use {Claude}},
  institution = {The Anthropic Institute},
  type = {Technical Report},
  year = {2026},
  month = nov,
  url = {https://www.anthropic.com/research/how-researchers-use-claude}
}