科学家用Claude都干嘛?20.7万条会话给出答案

流云 2026-11-09 1298 0条评论
摘要: Anthropic把2026年8到9月的20.7万条科研相关会话拆开看了一遍。结论不意外,但比例挺说明问题:排第一的是数据分析,在Claude里占33.7%,到了Claude Co...

Anthropic把2026年8到9月的20.7万条科研相关会话拆开看了一遍。结论不意外,但比例挺说明问题:排第一的是数据分析,在Claude里占33.7%,到了Claude Code里直接拉到48.1%;写作紧随其后,在Claude里占32%。换句话说,大部分科研人员把AI当成助手,处理的是研究流程里最耗时的“体力活”——跑数据、整理结果、写论文。提出假设、设计实验这类核心环节,占比要小得多。

这个结构对做工具选型的人有直接参考价值。在AI工具导航的科研分类里,常有人问“哪个模型更适合做研究”,但这份数据给出的答案更具体:先看你卡在哪一步。如果你每天花几个小时清洗数据、调格式、画图,那Claude Code里接近一半的数据分析占比说明这类任务已经被验证过;如果你主要写论文、改稿、整理参考文献,Claude里32%的写作占比也不是摆设。工具不是越强越好,是越贴合你手头那摊活越好。

学科差异比想象中大

计算机、数学这些形式科学,人均用得更多;化学、医学这类实验学科用得少。原因很直观:前者的工作大部分在电脑上完成,后者很多时间花在实验台前。这不是模型能力问题,是工作场景决定的。你让一个每天泡在实验室的人用AI跑数据分析,他可能一周才攒一批数据;而一个写代码的人,一天能开几十次会话。

场景Claude中占比Claude Code中占比
数据分析33.7%48.1%
写作32%未单独列出
假设提出与实验设计占比较小占比较小

这张表值得贴在显示器旁边。它提醒一件事:AI在科研里目前主要不是“替你想”,而是“替你干”。想的部分还得你自己来,干的部分可以交出去。这也是AI办公软件推荐里常被混淆的一点——很多工具宣传“科研助手”,但实际能接手的往往只是数据清洗和文稿整理,真正的研究判断仍然在人这边。

15倍这个数字,听听就好

报告还给了一个估算:如果现有能力被广泛采用,部分领域的研究产出可以翻倍;假设AI接管所有非体力工作,计算机等领域最高可以到15倍。15倍这个数字听听就好,它的前提是“接管全部非体力工作”,离现实还远。倒是“产出翻倍”这个判断,结合上面的使用结构看,不算夸张——数据分析加写作已经占了三分之二,这两块哪怕只提效一半,整体产出也会明显往上走。

但得说清楚,“广泛采用”是个大前提。现在的情况是,用的人集中在形式科学,实验学科还没跟上;用的人里,大部分也只用到分析和写作,假设和设计还没交出去。产出翻倍不是自动发生的,它取决于两件事:工具能不能把使用门槛降下来,科研人员愿不愿意把更多环节交出去。前者是产品问题,后者是习惯问题。

对选型的实际启示

如果你在挑科研用的AI工具,别只看跑分。先问自己三个问题:我每天花时间最多的是哪一步?这一步有没有被验证过能交给AI?交出去之后出错了我能不能发现?这三个问题比“哪个模型更强”更影响你实际用起来顺不顺。数据分析占比高,就优先看代码执行和表格处理能力;写作占比高,就优先看长文连贯性和引用管理。至于假设提出和实验设计,现阶段还是自己来更稳妥。

说到底,这份报告的价值不在于证明AI有多强,而在于告诉你科研人员实际在用什么、没用什么。用的人集中在分析和写作,没用的集中在假设和设计——这个结构本身就是一张选型地图。工具跟着活走,别跟着宣传走。

文章版权及转载声明:

作者:流云本文地址:https://sanwenge.com/post/1570.html发布于 2026-11-09
文章转载或复制请以超链接形式并注明出处三文阁