一周只上3天！Anthropic 35页报告：全球科研产出或拉爆16倍

该来的还是来了！

一早，「AI 2027追踪器」昨晚更新的一张图，刷爆了全网。

这么一调，ASI到来的时间表，要再次提前6周！

原因竟是，METR周五的那份调查报告，首次曝光了Anthropic神秘Model 4在AECI拿下了史上最高分。

这款刚在上个月训完的内部猛兽，内部员工实测后，生产力直接暴涨了12倍。

好巧不巧，Anthropic刚端出的一份35页重磅报告，亮出了一组AI科研提速的惊人数字——

把手里的AI能力彻底拉满，AI直接接手一项新研究27%到52%的研究人员工时，中位数38%。

换算一下，一位科学家一周5个工作日，有近2天的活儿AI能全部扛下。

不同学科被AI提速的幅度，差别还真不小。扒光超20万次对话后，Anthropic发现：

Claude让统计学的科研产出，飙到原来的2.02倍，计算机科学是1.96倍。

如果整套流程跑通，全部100%自动化，可以狂飙至恐怖的16倍。

有网友表示，「整个科学史恐怕要被彻底翻页了，以后的科研，AI才是主力」。

全球4.3%计算机科学家

刷走1/3 Claude Code

这份报告，是Anthropic第一次拿真实使用数据，彻底摸清了AI加速科研的速度。

为了看清普通科学家每天都在用Claude做了什么，团队搬出了「SciNet科学分类法」。

它把科研拆成了7262个具体任务，共计34个学科、318个子领域。

而且，SciNet把一项新发现需要走的路基本全覆盖，从最开始清洗数据，到分析数据、提出假设、设计材料等。

接下来，研究团队抓取了128914次Claude对话，以及78135次Claude Code对话。外场，他们还找了528位一线学者做深度问卷。

超20万次会话一拉出来，各个学科的「贫富差距」直接拉满——

光看Claude对话，排在前三的是计算机（11.9%）、工程学（8.4%）和医学（7.7%）。

到了Claude Code这边，「偏科」更是到了极致：搞计算机的人只占全球科研圈4.3%，结果刷爆了32.7%的CC科研对话。

再往细了看，扒开318个细分领域数据更夸张：专攻AI和机器学习那波人，只占全球科学家的1.2%，但刷掉了CC 15.2%的对话量。

合着这帮造AI的人，自己用起AI来才是最狠的。

不管是生物学、语言学，还是神经科学，只要前面加上「计算」两字，全都在疯吐Token。

而每天泡在实验室的化学家、还有坐诊看病人的临床医生，他们使用AI频率显然少了很多。

现在最依赖AI、被AI提速最猛的学科（像计算机、统计学、机器学习），恰恰就是造出AI的那帮学科本身。

在这个圈子里，AI帮人类更快造出下一代，下一代AI又反过来倒逼科研提速，形成了闭环。

这些数据背后，另一个反差就在任务上。

「数据分析」成为绝对的霸主，科学家平均花27.6%时间干这活，但在Claude上占33.7%，Claude Code飙到了48.1%，直接占了半壁江山。

接下来，写作与交流成为了高频刚需。

人类平时花16.0%的时间写论文，在普通Claude上却吞掉了32.0%的会话量，足足超标了一倍。

另外，数据收集占了28.6%的工时，在Claude上只有11.5%的会话；提点子、做假设占7.1%的时间，在Claude Code上只有2.1%。

最扎心的是，在528位科学家的问卷里，「提出点子与假说」、「数据采集」的需求位列第一第二。

也就是说，科学家最看重的两件事，恰恰是AI参与最少的两件事。

那么，在实操中，科学家是凭什么决定，把某个任务交给AI？

Claude最擅长的活，用量直接翻4倍

Anthropic把7262个科研任务拉出来，挨个给AI的上手程度打了分。

打分方式就和下棋的ELO差不多：每次拎出两个科研步骤PK，看AI干哪个更顺手，赢了加分、输了扣分，最后排出一张实力榜。

榜单一出，实力都一目了然了。

AI最拿手的前20%任务，像画数据图、跑统计检验，在Claude上调用量是正常工时占比的2倍，到了Claude Code狂翻4倍。

至于排在倒数20%苦力活儿，包括实验室提纯混合物、蹲点做调查，基本没人指望AI。

那AI到底擅长干啥，又是谁说了算？

报告扒出了底层的硬核逻辑，就看这活儿到底适不适合做「强化学习」。验算结果、电脑模拟、及时反馈，都被算进了考虑的范畴。

这两者的相关性，直接飙到了0.78。

只要是那些能靠「题海战术」搞定的，AI就稳赢。

另外，纯动脑子的活儿也很加分（相关性0.69），但需要亲自动手实操的疯狂掉分（-0.57）。

说白了，科学家也是在用脚投票，把Claude精准用在了它最在行的地方。

那AI那岂不是只能打打杂，跑跑数据，改改论文？

用上神器Claude Science后，「出点子、提假设」这类深度脑力活占了对话8%，恰好和科学家平时时间对齐。

当然了，这类任务明显更硬核，Anthropic也揭示了——

超80%的任务，必须得有博士底子的人才能插手。七成以上的对话，由Claude Science自主完成，普通Claude仅有23.7%。

单次会话消化掉的活儿，要是让人类自己死磕得花上10.3小时，工作量是普通版的两倍还多。

举个栗子，推到蛋白质和药物分子具体如何结合，在Claude Science跑的概率，是普通版的5.6倍。

AI接管超一半科研工时

计算机狂飙近2倍

接下来，Anthropic团队又算了一笔更细的账，AI具体能把科研推快多大程度。

他们假设了三种情景，第一种就以现在AI的水平，假设全行业普及都用上了。

问卷中，把AI参与度分成了五档，从「完全不用」到「全自动」，分别对应0%、25%、50%、75%和100%的人力工时。

接着按各项任务的上手难度，把这五档对应贴上去。

最后一合计，AI能接手人类27%到52%的工作时长，中位数刚好是38%。

但是省下来的时间，并不能1:1变成产出。

AI把能干的环节加速了，科学家就会把精力放在它帮不上的地方，比如提出新问题、做实验，道理和木桶实验一样。

再加上AI本身也要花钱，报告假设AI Agent 30美元/小时，研究员95美元/小时。

AI每替人省1小时要跑0.2小时，相当于花6美元换回95美元的人力。

把这些都算进去，统计学的产出是原来的2.02倍，计算机科学1.96倍。而艺术只有1.35倍，人类学1.36倍，化学1.41倍。

对此，Anthropic给出了两个因素，来解释不同领域产出的差异——

一方面是「必须实操」的任务，在农学、生物医学、化学、材料这些学科中，近38%~41%工时都得靠人肉身去试。大部分学科这一比例，也就只有4%。

另一方面，是AI到底接不接得住。

那些艺术、历史倒不用上手，但全凭主观解读、定性分析，无法靠「刷题」给AI猛练。能力分上不去，速度自然也就提不起来。

当然，这一切的前提，还是大家真刀真枪地用上了。

AI全自动完成，16倍封顶

如果AI再强一截呢？

到了情景二，步子迈得更大了——假设所有不用动手的活儿，75%全交给AI自动推进。

这时候分化程度更加严重，计算机科学一骑绝尘，飙到差不多8倍速。统计学、图书情报学到7倍；经济学冲上6倍。

而那些需要进实验室的实验和医学类，撑死也就加速2到3倍。

第三种场景干脆拉满，所有不用亲自动手的活儿，100%全自动化。

最有意思的剧情反转来了！统计、计算机、经济、数学、心理学，甚至包括文史艺术学科，全员起飞，提速15-16倍。

可生物、化学、材料这些重度实验学科，却卡在了3到4倍上。

那约40%必须人肉去干的实体操作，成了怎么都绕不过去的致命天花板。

为何卡天花板卡在16倍左右？

因为，AI干同样的活，成本约是人的十六分之一。若AI成本减半，加速度就能再翻一倍。

听着科幻，但科学家并觉得很远。

问卷中，38%受访者认可AI在数据分析上，已追平了顶尖研究者。2030年，这一比例直冲94%。

还有40%的人预计2030年前，AI就能独立拿下整个项目，2035年就会达到64%。

RSI飞轮转起来了

实际上，加速潜力最大的学科里，恰恰包括生产AI本身的那几个。

也就是说，AI加速AI研究，更强的AI再反过来加速整个科研，一个闭环飞轮就此成型。

巧的是，就在这份报告发出来的当天，独立机构METR也甩出了一份评估报告——

Claude的进化速度直接飙到了之前的1.9倍，相当于过去一年，走完了以往约两年的进度。

按METR的估算，这其中80%的推力，全归功于Claude自己。

就连Anthropic自家研究员也惊叹表示，「现在唯一的瓶颈就剩点子和算力，代码早就不是瓶颈了」。

不过，Anthropic也敲响了警钟，AI越自主，人类越不能撒手。

但RSI的闭环，早就按下加速键了。

52%科研工时被扛下，AI正在从「帮科学家干活」，彻底变成推着整个科学发现往前狂飙。

1945年，「大科学先驱」Vannevar Bush曾写下，科学是那片无尽的前沿。

如今，驶向这片前沿的船，引擎已经换代了。

参考资料：

https://www.anthropic.com/research/how-researchers-use-claude

文章来自于微信公众号 “新智元”，作者 “新智元”