Anthropic 报告探讨 AI 在加速科学研究中的作用

Anthropic 于 2026-11-05 发布的报告深入分析了科学家如何利用 Claude AI 平台来增强研究工作流程。这项研究基于 207,049 之间进行的 8 2 和 2026-09-30 研究会话，考察了 Claude、Claude Code 以及最近推出的 Claude Science 在各个科学领域和任务中的采用情况。研究结果强调了 AI 加速科学发现的潜力，尤其是在需要计算密集的学科中。

AI 采用在各个领域和任务中存在差异

报告显示，AI 在正式科学（如计算机科学、数学和统计）中的采用更为普遍，相较于这些领域中的研究人员数量。相比之下，健康科学和基于实验室的物理科学的 AI 使用水平较低。数据分析作为最常见的应用，占据了大约三分之一的 Claude 会话和近一半的 Claude Code 会话。写作是另一个重要的应用场景，而像创意生成和数据收集这样的任务虽然在 528 的研究中被评分为关键，但却很少被执行。

值得注意的是，专门的 Claude Science 平台于 2026-10-14 以测试版推出，显示出更高的会话份额用于创意生成，这表明量身定制的 AI 工具能够填补当前使用模式中的空白。该平台集成了先进的功能，如蛋白质和化学结构渲染、与代码相关的可重复输出，并与高性能计算环境兼容。

AI 能力与研究加速

该研究引入了 AI 能力的理论测量，发现 AI 表现良好的任务使用率比 AI 效果较差的任务高出两到四倍。高认知任务密集的领域，如计算机科学和统计，最能从 AI 采用中受益。在假设的情况下，如果 AI 完全自动化所有非物理研究任务，这些领域的产出可能增长至 15 倍，而像化学和生物学这样的基准科学由于物理瓶颈则可能看到三到四倍的增长。

接受调查的研究人员对 AI 的未来能力表示乐观，预计到 2030，40% 将能够独立进行完整的研究项目。然而，报告也提醒有关潜在风险，包括人类监督的减少和伦理问题，以及对研究人员职业和科学工作性质的更广泛影响。

未来科学的影响

研究结果强调了 AI 在科学研究中的转型潜力，特别是在计算和认知领域。通过专注于 AI 擅长的领域，如数据分析和写作，研究人员可以显著提高生产力。专门平台如 Claude Science 的发展可能进一步扩大 AI 的效用，解决创意生成和假设形成等关键任务。然而，报告强调了对 AI 驱动的研究的伦理和实际影响进行仔细考虑的必要性。