Anthropic 11 月 5 日發布研究報告，分析 20 萬 7,049 次科研相關的 Claude 與 Claude Code 對話，看科學家拿 AI 做什麼。報告估算，現有 AI 能力如果普及，統計與資工的研究產出約可翻倍，藝術、人類學、化學只多三到四成。
樣本是 2026 年 8 月 2 日到 9 月 30 日的個人方案對話，其中 Claude 12 萬 8,914 次、Claude Code 7 萬 8,135 次。Anthropic 說，分析時由模型替每段對話標上領域與研究任務，研究團隊只拿到這些標籤，看不到研究內容。
資料分析與寫作用最多，想點子最少
以研究人數來看，資工、數學、統計這類形式科學用得最多，醫學與化學這類要進實驗室或面對病人的領域用得少。資工研究者只占全球 4.3%，卻占 Claude Code 科研對話的 32.7%。
任務上，資料分析占 Claude 對話的 33.7%、Claude Code 的 48.1%，高於研究者花在這件事的 27.6% 時間。寫作與溝通占 Claude 對話 32.0%，研究者實際只花 16.0% 時間在上面。
用得少的是蒐集資料與提出假說。蒐集資料占研究者 28.6% 的時間，在 Claude 對話裡只占 11.5%；提出點子與假說占 7.1% 時間，在 Claude 只占 4.2%、Claude Code 2.1%。
Anthropic 另外調查 528 位積極使用 AI 的科學家，多數來自生命與健康科學。受訪者認為對重要研究成果最關鍵的，正好是提出點子與蒐集資料這兩項。報告說，蒐集資料多半要動手做實驗，至於點子少用 AI，可能是科學家偏好自己想，也可能是 AI 在選題與設計研究上確實較弱。
專為科研設計的 Claude Science 情況不同，提出點子與假說占它 8% 的對話，大約和研究者花在這件事的時間比例相當。
現有能力普及：統計 2.02 倍、藝術 1.35 倍
報告先替每項研究任務估算「AI 理論上做得多好」，發現兩者高度相關：分數前 20% 的任務，像資料視覺化、統計檢定，Claude 使用量是研究者時間比例的 2 倍，Claude Code 達 4 倍；分數最低的 20%，像純化反應混合物，幾乎沒人用 Claude。
接著報告用經濟模型推估三種情境。第一種假設現有能力普及，AI 能接手一項新研究所需研究者時間的 27% 到 52%，各領域中位數 38%。
換算成同樣預算下的研究產出，統計增為 2.02 倍、資工 1.96 倍，化學 1.41 倍、人類學 1.36 倍、藝術 1.35 倍。報告說，增幅有限是因為現在的 AI 多半只是輔助，研究者幾乎每個步驟仍要花不少時間。
差距主要來自兩點。農業、生醫、化學、材料這類實驗與田野科學，有 38% 到 41% 的時間花在動手的步驟，各領域中位數只有 4%。藝術與歷史動手步驟少，但它們的思考型工作 AI 分數偏低。
若 AI 包辦非實驗工作，統計產出可達 15 倍
另外兩種情境是假設 AI 完全接手 75% 或 100% 的非實體研究步驟，報告強調這是說明用的情境，不是預測。
75% 情境下，資工產出約增 8 倍、統計 7 倍、經濟學 6 倍，實驗與醫學科學約 2 到 3 倍。100% 情境下，統計、資工、經濟、數學、心理與多數人文社會科學約達 15 到 16 倍，生物、化學、材料、農業、生醫只有 3 到 4 倍，因為約四成時間花在實驗步驟，沒有自動化實驗室就會卡住。
報告假設 AI 代理每小時成本 30 美元、研究者 95 美元，完全自動化的任務成本約是研究者的十六分之一，所以增幅停在 16 倍左右；AI 成本減半，上限也跟著翻倍。報告也指出模型沒有計入儀器與實驗材料成本，也沒考慮 AI 能不能想出更好的假說。
調查中，38% 的受訪者認為 AI 在資料分析上已追平領域頂尖研究者，94% 預期 2030 年前會追平。約四成預期 AI 在 2030 年前能獨立完成整個研究計畫，2035 年前的比例約 64%，另有 16% 認為永遠不會。
這篇文章 Anthropic 分析 20 萬次科研對話：AI 普及可讓統計研究產出翻倍 最早出現於 。
【延伸分析】
【我的延伸观点】
该研究揭示了AI对科研赋能的“非对称效应”：代码与数字密集型领域（如资工、统计、经济）正率先享受巨大的生产力红利，而物理与生命科学则受限于实体实验的瓶颈。这表明现阶段AI正加速软件与算法的迭代效率，但若要彻底重塑生医或材料科学，未来必须依赖“AI + 自动化实验室（Robotic Labs）”的结合。此外，数据分析与撰写报告的高使用率，显示AI正从辅助工具向“算力重度承接者”演进，但“假说提出”的低占比也证实核心创造力短期内仍保留在人类手中。
【市场影响】
* **美股市场（偏多）：** 科研效率翻倍将拉动全球对算力与云端服务的强劲需求。对算力芯片龙头（如 NVDA）、云端巨头（如 MSFT, AMZN, GOOGL）属于**中长期偏多**；对自动驾驶、基因测序等研发密集型行业也有潜在提效利好。
* **台股市场（偏多）：** 随着 AI Agent 在科研与软体开发端的普及，算力消耗量将呈倍数增长，硬件供应链（如台积电 2330、广达 2382 等芯片代工与服务器组装厂）维持**中长期偏多**展望。
* **加密货币市场（中性偏多）：** 去中心化算力板块（如 Render, Akash）与 AI 代理人概念币（如 FET, NEAR）可能受题材激励。若后续 AI Agent 广泛应用于科研自动化工作流，去中心化算力与微支付需求有望增加。
【后续观察】
1. AI Agent 与生物/化学自动化硬件设备的整合进度，是否能打破实体实验的生产力瓶颈。
2. 企业与科研机构在 AI 研发工具上的实际资本支出（CapEx）增长情况。
【风险提醒】
若市场过度乐观预期 AI 对实体科研（如新药研发）的短期提振作用，可能面临“软件快、实体慢”导致的估值修正风险；此外，AI 生成内容的潜在错误与伦理争议也可能带来监管风险。