一周只上3天！Anthropic 35页报告：全球科研产出或拉爆16倍

新智元报道 该来的还是来了！ 一早，「AI 2027追踪器」昨晚更新的一张图，刷爆了全网。 这么一调， ASI到来的时间表，要再次提前6周！ 原因竟是，METR周五的那份调查报告，首次曝光了Anthropic神秘Model 4在AECI拿下了史上最高分。 这款刚在上个月训完的内部猛兽，内部员工实测后，生产力直接暴涨了12倍。 好巧不巧，Anthropic刚端出的一份35页重磅报告，亮出了一组AI科研提速的惊人数字—— 把手里的AI能力彻底拉满， AI直接接手一项新研究27%到52%的研究人员工时，中位数38% 。 换算一下，一位科学家一周5个工作日，有近2天的活儿AI能全部扛下。 不同学科被AI提速的幅度，差别还真不小。扒光超20万次对话后，Anthropic发现： Claude让统计学的科研产出，飙到原来的2.02倍，计算机科学是1.96倍。 如果整套流程跑通， 全部100%自动化，可以狂飙至恐怖的16倍 。 有网友表示，「整个科学史恐怕要被彻底翻页了，以后的科研，AI才是主力」。 全球4.3%计算机科学家 刷走1/3 Claude Code 这份报告，是Anthropic第一次拿真实使用数据，彻底摸清了AI加速科研的速度。 为了看清普通科学家每天都在用Claude做了什么，团队搬出了「SciNet科学分类法」。 它把科研拆成了7262个具体任务，共计34个学科、318个子领域。 而且，SciNet把一项新发现需要走的路基本全覆盖，从最开始清洗数据，到分析数据、提出假设、设计材料等。 接下来，研究团队抓取了128914次Claude对话，以及78135次Claude Code对话。外场，他们还找了528位一线学者做深度问卷。 超20万次会话一拉出来，各个学科的「贫富差距」直接拉满—— 光看Claude对话，排在前三的是计算机（11.9%）、工程学（8.4%）和医学（7.7%）。 到了Claude Code这边，「偏科」更是到了极致：搞计算机的人只占全球科研圈4.3%，结果刷爆了32.7%的CC科研对话。 再往细了看，扒开318个细分领域数据更夸张：专攻AI和机器学习那波人，只占全球科学家的1.2%，但刷掉了CC 15.2%的对话量。 合着这帮造AI的人，自己用起AI来才是最狠的。 不管是生物学、语言学，还是神经科学，只要前面加上「计算」两字，全都在疯吐Token。 而每天泡在实验室的化学家、还有坐诊看病人的临床医生，他们使用AI频率显然少了很多。 现在最依赖AI、被AI提速最猛的学科（像计算机、统计学、机器学习），恰恰就是造出AI的那帮学科本身。 在这个圈子里，AI帮人类更快造出下一代，下一代AI又反过来倒逼科研提速，形成了闭环。 这些数据背后，另一个反差就在任务上。 「数据分析」成为绝对的霸主，科学家平均花27.6%时间干这活，但在Claude上占33.7%，Claude Code飙到了48.1%，直接占了半壁江山。 接下来，写作与交流成为了高频刚需。 人类平时花16.0%的时间写论文，在普通Claude上却吞掉了32.0%的会话量，足足超标了一倍。 另外，数据收集占了28.6%的工时，在Claude上只有11.5%的会话；提点子、做假设占7.1%的时间，在Claude Code上只有2.1%。 最扎心的是，在528位科学家的问卷里，「提出点子与假说」、「数据采集」的需求位列第一第二。 也就是说，科学家最看重的两件事，恰恰是AI参与最少的两件事。 那么，在实操中，科学家是凭什么决定，把某个任务交给AI？ Claude最擅长的活，用量直接翻4倍 Anthropic把7262个科研任务拉出来，挨个给AI的上手程度打了分。 打分方式就和下棋的ELO差不多：每次拎出两个科研步骤PK，看AI干哪个更顺手，赢了加分、输了扣分，最后排出一张实力榜。 榜单一出，实力都一目了然了。 AI最拿手的前20%任务，像画数据图、跑统计检验，在Claude上调用量是正常工时占比的2倍，到了Claude Code狂翻4倍。 至于排在倒数20%苦力活儿，包括实验室提纯混合物、蹲点做调查，基本没人指望AI。 那AI到底擅长干啥，又是谁说了算？ 报告扒出了底层的硬核逻辑，就看这活儿到底适不适合做「强化学习」。验算结果、电脑模拟、及时反馈，都被算进了考虑的范畴。 这两者的相关性，直接飙到了0.78。 只要是那些能靠「题海战术」搞定的，AI就稳赢。 另外，纯动脑子的活儿也很加分（相关性0.69），但需要亲自动手实操的疯狂掉分（-0.57）。 说白了，科学家也是在用脚投票，把Claude精准用在了它最在行的地方。 那AI那岂不是只能打打杂，跑跑数据，改改论文？ 用上神器Claude Science后，「出点子、提假设」这类深度脑力活占了对话8%，恰好和科学家平时时间对齐。 当然了，这类任务明显更硬核，Anthropic也揭示了—— 超80%的任务，必须得有博士底子的人才能插手。七成以上的对话，由Claude Science自主完成，普通Claude仅有23.7%。 单次会话消化掉的活儿，要是让人类自己死磕得花上10.3小时，工作量是普通版的两倍还多。 举个栗子，推到蛋白质和药物分子具体如何结合，在Claude Science跑的概率，是普通版的5.6倍。 AI接管超一半科研工时 计算机狂飙近2倍 接下来，Anthropic团队又算了一笔更细的账，AI具体能把科研推快多大程度。 他们假设了三种情景，第一种就以现在AI的水平，假设全行业普及都用上了。 问卷中，把AI参与度分成了五档，从「完全不用」到「全自动」，分别对应0%、25%、50%、75%和100%的人力工时。 接着按各项任务的上手难度，把这五档对应贴上去。 最后一合计，AI能接手人类27%到52%的工作时长，中位数刚好是38%。 但是省下来的时间，并不能1:1变成产出。 AI把能干的环节加速了，科学家就会把精力放在它帮不上的地方，比如提出新问题、做实验，道理和木桶实验一样。 再加上AI本身也要花钱，报告假设AI Agent 30美元/小时，研究员95美元/小时。 AI每替人省1小时要跑0.2小时，相当于花6美元换回95美元的人力。 把这些都算进去，统计学的产出是原来的2.02倍，计算机科学1.96倍。而艺术只有1.35倍，人类学1.36倍，化学1.41倍。 对此，Anthropic给出了两个因素，来解释不同领域产出的差异—— 一方面是「必须实操」的任务，在农学、生物医学、化学、材料这些学科中，近38%~41%工时都得靠人肉身去试。大部分学科这一比例，也就只有4%。 另一方面，是AI到底接不接得住。 那些艺术、历史倒不用上手，但全凭主观解读、定性分析，无法靠「刷题」给AI猛练。能力分上不去，速度自然也就提不起来。 当然，这一切的前提，还是大家真刀真枪地用上了。 AI全自动完成，16倍封顶 如果AI再强一截呢？ 到了情景二，步子迈得更大了——假设所有不用动手的活儿，75%全交给AI自动推进。 这时候分化程度更加严重，计算机科学一骑绝尘，飙到差不多8倍速。统计学、图书情报学到7倍；经济学冲上6倍。 而那些需要进实验室的实验和医学类，撑死也就加速2到3倍。 第三种场景干脆拉满，