Anthropic 分析 20.7 万次对话：纯认知学科科研或提速 15 倍
AI寒武纪 · wechat · 2026-11-06
Anthropic 分析了 2026 年 8–9 月间 207,049 次科研相关 Claude 对话（含普通对话、Claude Code、接科研数据库的 Claude Science），并调研 528 位一线科学家，得出结论：AI 对纯认知学科（计算机、数学、统计）的科研产出最高可提速 15–16 倍，而物理、生物、化学等实验学科受实体瓶颈限制，只能提速 3–4 倍。
学科渗透差距悬殊：计算机科学家只占全球科研人员 4.3%，却吃掉 Claude Code 32.7% 的会话量；医学、化学等需要面对病人或动手实验的领域使用率远低于其体量。科学家主要用 AI 做数据分析（普通会话 33.7%、Claude Code 中 48.1%）和写论文（32.0%），而最核心的选题构思（4.2%）和数据收集（约 11.5%）恰恰 AI 参与度最低。决定 AI 能力高低的关键是强化学习适用度——任务易验证、可快速模拟、反馈即时则得分高，相关系数 0.78。
生产函数模型推演三种情境：AI 全面采纳可接管科学家 27%–52% 工作时间，计算机产出约翻倍；AI 包揽 75% 非物理步骤时计算机达 8 倍；100% 自动化时统计学、计算机、经济学、数学等可达 15–16 倍（算力成本再降一半还能再翻番），而跑胶配试剂等物理实验占实验学科约 40% 人力预算，成为硬天花板。科学家预测乐观：40% 认为 2030 年 AI 可自主完成整个科研项目，64% 认为不晚于 2035 年；半数认为 AI 独立做出公认重大突破要 2035 年之后。文章同时提示风险：好假说依然稀缺，论文暴增可能导致学术「消化不良」，成果核验或许最终也要交给 AI。
所属事件:Anthropic 报告：AI 自动化科研最多可提速 15 倍，物理实验成瓶颈(3 条相关)→
「漫话AGI」频道最新
- Gary Marcus 澄清「AI 已死」误读：该终结的是天价估值与数据中心军备赛 — GaryMarcus · 2026-11-06
- IIT 教授反 AI 监考:让学生自己出题再作答 — kingslyj · 2026-11-06
- 开发者断言：Transformer 论文之后，再无接近量级的架构突破 — dosco · 2026-11-06
- Toby Ord 结论：跳变加更高斜率的混合假设比纯斜率拟合好得多 — tobyordoxford · 2026-11-06
- Readback Labs 提议强制审计：要求 AI 高管持续证明理解 AI 研发进展 — ronbodkin · 2026-11-06
- 牛津哲学家 Toby Ord:能力曲线更像台阶式跃升而非斜率变化 — tobyordoxford · 2026-11-06