一句话看懂：Anthropic 发布研究，用隐私保护方法分析了 207,000 次科研场景下的 Claude、Claude Code 会话，发现科学家主要拿它做数据分析和写作；AI 对科研的加速幅度，不只取决于模型能力，也取决于科学家愿不愿意在关键任务上用。
事件核心：发生了什么
Anthropic 于 2026 年 11 月 6 日发布这份报告，由 Johannes Hermle、Ben Jones、Lukas Althoff 等牵头撰写。研究基于 207,000 次 Claude 和 Claude Code 研究会话，按学科看，计算机、数学、统计等形式科学相对研究人员数量使用更多，健康和实验室物理科学使用较少。按任务看，数据分析约占 Claude 会话的三分之一、Claude Code 会话的近一半；写作也占较高比例。相对而言，想法生成和数据收集用得少，尽管受访科学家在配套调查中把这两项列为对科学发现最重要。
为什么重要
这组数据把“AI 能否加速科学”从能力讨论拉回到采用问题。研究者构造了一个理论衡量：AI 最适合的前 20% 任务，实际使用量是研究时间占比的 2 到 4 倍；最不适合的后 20% 任务（含大量物理操作）几乎无人使用。领域差异也遵循同一逻辑：AI 能胜任任务越多的学科，Claude 用越多。简单模型推演显示，若现有能力被广泛采用，部分领域研究产出可翻倍；若能承担所有非物理研究工作，计算机和统计等领域产出最高可达 15 倍，化学、生物等受物理瓶颈限制的实验室科学约 3 到 4 倍。调查中约 40% 积极使用 AI 的研究者预计，到 2030 年 AI 模型可独立完成完整研究项目。这些属情景推演和调查预期，并非已验证结论。
对用户/开发者/创作者的影响
对科研工具开发者来说，报告点出一个产品机会：科学家认为最重要的“想法生成”目前使用占比不高，而面向科研的 Claude Science 上该任务使用占比约为通用 Claude 的两倍，说明专用产品和工作流设计能缩小“实际用法”和“价值判断”之间的差距。对使用 Claude 的研究者，数据分析和写作是最成熟入口；对做科研 API、智能体或垂直应用的团队，围绕数据管道、文献整理和实验设计推理做深，比泛化聊天更贴近真实需求。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Claude Science 等科研专用产品能否把想法生成、数据收集的使用占比真正拉高；二是形式科学与实验科学的产出差距是否随工具成熟而收窄；三是“40% 研究者预计 2030 年 AI 独立完成项目”这一预期，后续有无更严谨的跟踪数据支撑。目前公开信息仅为报告摘要层面，具体方法细节和同行评审状态尚需进一步确认。
