本文由智东西编辑并发布，主要介绍了一篇由Anthropic制作的《Anthropic经济指数报告：学习曲线》。
这份报告发布于美国时间3月24日，通过分析2026年2月Claude的使用情况，重点探讨了为什么一些用户比其他人更擅长使用AI。
研究指出，使用Claude超过半年的用户，其对话成功率比新用户高出大约10%，并且这种差距不受任务类型、国家或所选模型等因素的影响。美国科技媒体Axios将这种现象称为AI熟练度的阶级纷争，表明AI的成果并非被每个人平等享有。
一、用途更广泛，但任务类型有所下降
报告首先调查了Claude使用场景的变化。与2025年11月相比，Claude在网页上的应用场景增加了，而最常见的十种任务占比从11月的24%降至当前的19%。与此同时，编程任务的数量在向API端转移。所以，尽管编程需求有所增加，但API端的使用比例却在上升。
常见的十种任务在Claude网页和API调用中的占比情况（图源：Anthropic）
在应用场景日益丰富的同时，任务的难度却在降低。网页端任务中，个人用途任务（如查询体育比分、比较产品、维修咨询）从35%上升至42%，课业用途任务则从19%降至12%。任务的平均经济价值也从每小时49.3美元（约人民币340元）降至47.9美元（约人民币330元）。随着用户数量的增加，普通用户数量激增，体育比分、商品比价、维修咨询等轻量级需求迅速增多，高价值的编程任务向API端转移，导致任务的平均经济价值降低。
工作用途、个人用途及课业用途的使用占比变化情况（图源：Anthropic）
二、老用户表现为何更突出？学习曲线的影响显现
该报告的核心发现是老用户具有更高的对话成功率。Anthropic将用户分为使用超过六个月的高资历用户和普通用户两组，两组之间的使用差异显著。
研究表明，高资历用户不仅更频繁地将AI用于工作，还更擅长通过协作和迭代来获得更好的结果。高资历用户的对话成功率显著高于其他用户，即使在控制了任务类型、模型选择、使用场景和国家等因素后，这种优势依然存在。Axios将其归结为AI熟练度的分化，认为AI可能正在制造一种新的经济不平等。
在成功率方面，高资历用户的对话成功率平均比其他用户高出约4-5%；在使用方式上，高资历用户更倾向于协作式交互，多任务迭代高出3.6%，学习模式高出3.4%，而指令式使用减少8.7%；在任务复杂度方面，高资历用户处理的任务所需的教育水平高出6.6%，用于工作的比例高出7.3%，个人休闲用途则低4%。数据显示，用户每多使用Claude一年，其提示词所需的教育年限平均提高近一年。
AI使用经验越丰富，任务成功率越高（图源：Anthropic）
Anthropic认为，这些数据证明了干中学效应的存在，用户通过持续使用AI，逐渐掌握了更有效的提示策略和协作模式。
三、精明用户会根据任务选择模型：高价值任务更倾向于使用Opus
报告还分析了用户的模型选择行为，结果显示，在付费的Claude.ai用户中，有51%的对话使用了Opus（强但贵的模型）。在计算机与数学类任务中，55%的情况下选择了Opus，高于平均值4.4%；在教育辅导类任务中，45%使用了Opus，低于平均值6.5%。
不同职业选用Opus的情况差异（图源：Anthropic）
值得注意的是，任务对应职业的时薪每增加10美元（约人民币79元），Claude.ai上Opus的使用率就会增加1.5%，而在API的使用率则上升2.8%。用户正在根据任务的价值来精明地分配AI算力。
四、AI的地理鸿沟：美国内部差距缩小，全球差距扩大
报告还研究了全球范围内的AI使用差距。在美国，各州之间的差距正在缩小，人均使用率较低的州追赶速度更快。从2025年8月到2026年2月，使用量排名前五的州所占份额从30%降至24%。然而，Anthropic指出，这种收敛的速度正在放缓，按照当前的速度估算，美国各州要达到大致相同的使用水平，可能需要5到9年，而不是之前估计的2到5年。
然而，从全球角度看，趋势却相反，按人口调整后，Claude使用量最高的前20个国家份额从45%升至48%，表明AI的红利并未均匀扩散，反而进一步向少数领先国家集中。
结语：AI熟练度，正成为新的数字鸿沟
Anthropic在报告中提到，老用户的优势可能部分源于幸存者偏差和早期采用者的自选择效应，但经过严格的数据控制后，学习效应仍然显著。这表明，AI可能正在推动一种技能偏向的变革，早期高技能采用者既最容易受到AI的影响，也最能从AI中获益。正如Axios警告的那样，美国未来的阶级冲突可能不再仅限于财富或教育水平，而是取决于AI熟练度。这意味着缩小AI技能差距的时间窗口可能比预期的更短。当使用AI本身成为一种可积累的竞争优势时，先发者与后来者之间的差距只会越来越大。
