Anthropic报告:科学家最常使用Claude进行数据分析与写作,研究构思与假设生成应用较少

SmartHey11月9日消息,Anthropic 近日发布研究报告,揭示科学家在科研工作中对 Claude 系列模型的实际使用偏好:数据分析和学术写作成为最主要应用场景,而数据收集、研究构思及假设生成等高创造性任务的 AI 使用率则明显偏低。

该研究基于 2026 年 8 月 2 日至 9 月 30 日期间发生的 20.7 万次科研会话,涵盖 12.9 万次 Claude 与 Cowork 会话,以及 7.8 万次 Claude Code 会话。为严格保护科研隐私,系统仅采集并分析会话所属的学科门类、研究子领域及具体任务类型等结构化标签,不读取、不存储任何原始研究数据、实验方法、未发表结论或假设内容。所有统计结果均以匿名化、聚合化形式呈现。

从学科分布看,计算机科学、数学与统计学领域的研究人员使用 Claude 的频率显著更高;而医疗健康及依赖实体实验室操作的物理科学领域,使用强度则相对较低。

在全部 Claude 科研会话中,计算机科学占比达 11.9%,工程学与医学紧随其后,分别为 8.4% 和 7.7%。若结合各学科研究人员总体规模校准,计算机科学、数学与统计学的单位科研人员 AI 使用强度仍远超平均水平。

Claude Code 的使用结构更为聚焦定量研究场景:计算机科学研究人员仅占全球科研人员总数的 4.3%,却贡献了 32.7% 的 Claude Code 会话;人工智能与机器学习方向的研究者虽仅占全球科研人口的 1.2%,却占据全部 Claude 科研会话的 5%、Claude Code 会话的 15.2%。

相较之下,艺术、人文及部分社会科学领域的 Claude 使用量明显偏低。Anthropic 指出,这种差异不仅反映学科人口基数,更深层原因在于研究任务与当前 AI 能力的适配度——高度结构化、文本/代码密集型任务更易获得 AI 增效,而需强背景知识整合或实验交互的任务则尚未形成成熟支持范式。

在具体科研任务维度,数据分析与写作构成两大核心使用场景。

数据显示,数据分析任务占 Claude 科研会话总量的 33.7%,在 Claude Code 会话中更高达 48.1%;而科研人员日常实际投入数据分析的时间占比约为 27.6%。写作与学术沟通类任务占 Claude 科研会话的 32%,同样显著高于其在科研时间分配中的常规占比(16%)。

反观数据收集任务——尽管占科研人员总工时的 28.6%,却仅占 Claude 科研会话的 11.5%、Claude Code 会话的 11.9%;研究构思与假设生成的使用比例更低,分别仅为 4.2% 和 2.1%,远低于科研人员在此类高阶思维活动上平均投入的 7.1% 时间。

为交叉验证,Anthropic 同步面向 528 名活跃使用 AI 的生命科学与健康科学领域研究人员开展问卷调查。结果与行为日志高度一致:受访者普遍将 AI 首选用于数据分析与论文撰写支持,而在数据采集、理论建模与原创性假说构建等环节,AI 参与度依然有限。