Anthropic 近日发布一份针对科研场景的 AI 使用研究报告。该研究基于 2026 年 8 月 2 日至 9 月 30 日期间的 20.7 万次科研会话，其中包括 12.9 万次 Claude 对话与 Cowork 会话，以及 7.8 万次 Claude Code 会话。报告显示，科学家目前主要将 Claude 用于数据分析和写作，而在数据收集、研究假设生成等环节的使用比例明显偏低。
在数据处理方式上，Anthropic 表示系统仅保留并研究会话所属的学科、研究子领域和具体任务等分类标签，不提取或保存研究数据、假设、实验方法、初步发现或未发表论文等具体内容，所有结果均以汇总形式呈现，以保护研究者的隐私。
从学科分布看，计算机科学、数学和统计学等领域的研究人员使用 Claude 的频率更高，医疗健康以及需要在实验室开展工作的物理科学领域则相对较少。在 Claude 科研会话中，计算机科学占比最高，达到 11.9％；工程学和医学分别占 8.4％ 和 7.7％。若将各学科的研究人员规模纳入考量，计算机科学、数学和统计学的 Claude 使用比例仍明显高于其研究人员在总体中的占比。
Claude Code 的使用分布更加集中于定量研究领域。计算机科学研究人员仅占全球研究人员总数的 4.3％，却贡献了 Claude Code 科研会话的 32.7％。AI 与机器学习领域的使用情况同样突出：该领域研究人员仅占全球总数的 1.2％，却占 Claude 科研会话的 5％，占 Claude Code 科研会话的 15.2％。相比之下，艺术、人文和部分社科领域的 Claude 用量相对较低。Anthropic 认为，不同学科的用量差异不仅与人群基数有关，也与研究任务本身是否适合由 AI 承担密切相关。
在具体任务层面，数据分析和写作是科学家最常借助 Claude 完成的工作。报告显示，数据分析占 Claude 科研会话的 33.7％，占 Claude Code 科研会话的 48.1％；作为对照，研究人员通常将 27.6％ 的工作时间用于数据分析。写作与沟通任务占 Claude 科研会话的 32％，同样明显高于研究人员在这类任务上投入的时间比例（16％）。
与此形成对比的是数据收集环节。该任务占研究人员工作时间的 28.6％，但仅占 Claude 科研会话的 11.5％、Claude Code 会话的 11.9％。研究构思与假设生成任务的占比更低，分别为 4.2％ 和 2.1％，而研究人员投入这类工作的时间占比为 7.1％。
Anthropic 还对 528 名科学家开展了问卷调查，受访者主要来自生命科学和健康科学领域，且均属于积极使用 AI 的研究人员。调查结果与实际会话数据基本一致：受访者最常使用 AI 的场景是数据分析和写作，数据收集、研究构思及假设生成的使用程度相对较低。
该报告反映出当前 AI 在科研工作流中的实际定位仍集中在效率型任务上，即对已有数据的处理与成果表达，而非科学发现链条前端的假设提出环节。对 AI 厂商而言，这意味着科研市场的产品价值目前更多体现在缩短分析与写作周期，如何向研究构思等更高价值环节延伸，仍是待解的问题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
