IT之家称 Anthropic 报告:科学家更常用 Claude 做数据分析和写作
IT之家11月9日消息,Anthropic近日发布研究报告,基于2026年8月2日至9月30日的20.7万次科研会话。结果显示,科学家最常把 Claude 用于数据分析和写作,收集数据、研究构思和假设生成则较少。计算机科学、数学和统计学用户更活跃,Claude Code 也更集中于定量研究。Anthropic还调查了528名科学家,结论与会话数据基本一致。
244 条公司与产品报道 · 124 期日报
Anthropic 开发 Claude 模型及相关应用。用户通过 Claude 处理对话与文档,通过 Claude Code 完成编程任务,开发者和企业则通过 API 将模型接入自己的工作流程。本站持续追踪其产品、研究、企业采用和资本市场进展。
日期为本站报道日期。每个节点保留当时的报道状态,后续进展见新闻时间线。
日期为本站报道日期;公告、洽谈与已完成须分开,同一交易可能跨期报道。
IT之家11月9日消息,Anthropic近日发布研究报告,基于2026年8月2日至9月30日的20.7万次科研会话。结果显示,科学家最常把 Claude 用于数据分析和写作,收集数据、研究构思和假设生成则较少。计算机科学、数学和统计学用户更活跃,Claude Code 也更集中于定量研究。Anthropic还调查了528名科学家,结论与会话数据基本一致。
接手发电机订单让 Anthropic 能够更早协调电源交付,但也让模型公司的扩张能力更直接依赖能源项目的执行。
Apollo 可以凭借融资与资金管理能力参与算力扩张,长期租约中的客户信用和芯片残值,将决定这类资产能否吸引持续资本。
据英国《金融时报》报道,Anthropic 在 9 月下旬斥资 34 亿美元,从得克萨斯州供应商 OnePWR Solutions 接手一笔总功率 1.7GW 的重型燃气发电机组订单。报道称,这被视为 AI 公司迄今规模最大的发电设备采购。由于燃气轮机和发电机组供给趋紧、交货期拉长,Anthropic 选择绕过中间商直接掌握发电能力,部分设备最快可在近期交付。
Anthropic 的收入增长已能支持一次超大规模发行,但多年算力承诺让投资者同时审视增长与付款能力,IPO 定价将检验公开市场愿意为这两者之间的时间差支付多少溢价。
据 The Verge AI 报道,AI 安全研究组织 METR 在对 Anthropic 进行 11 周调查后称,该公司的模型改进速度约为一年前的两倍,最近一年大致取得了两年的历史进展。报告还写道,Anthropic 员工使用其最强内部模型后,自评工作效率平均约提升 12 倍,而多数加速“是由于 AI”而非单纯扩充算力。METR 认为目前尚未看到明显瓶颈,但 Anthropic 对公开版报告做了大量删改。
Anthropic 的上市定价将为公开市场评估大型模型公司的收入增长与算力支出提供直接参照。
写代码和搭建实验所需的时间下降,让同一研发团队能够验证更多想法,AI 对模型进步的作用因此开始延伸到研发过程本身。
据 TechCrunch 报道,Anthropic 周四宣布为 Claude 增加名为 Personal Finance 的新工具,用户可通过 Plaid 连接银行和信用卡账户,用自然语言查询余额、交易和支出分类。Anthropic 说该功能为只读,不能转移、管理或投资用户资金,也不会在理财对话中训练模型。该工具本周起以 beta 形式向美国 Pro、Max 和 Ultra 订阅用户逐步开放。
公开市场把模型公司的增长故事转成股权融资价格,算力投入与现金回报之间的时间差正在影响估值谈判。
企业使用智能体越深入,数据访问权限越接近产品能力本身,个人订阅与企业授权也需要更清晰的衔接。
据 Business Insider 报道,前 Anthropic 产品负责人 Catherine Wu 已加入 OpenAI,担任核心产品团队产品负责人。她在 X 上宣布这一去向,并称自己上周已离开 Anthropic,表示对 OpenAI 及其超过 10 亿用户的影响力“很尊重”。Wu 此前主导 Claude Code 从内部原型成长为商业化产品,并将与 Nick Turley、Ashley Alexander 合作,向 Tibo Sottiaux 汇报。
模型能力开始影响算力自身的研发过程:更快设计专用芯片,可能反过来改善下一代模型的运行条件。
当 AI 同时承担研发工具和研发对象,能力评估与安全措施也必须跟上实验迭代的速度。
客户需求增长会先推高临时算力采购,长期容量交付的速度因此直接影响模型公司的利润率。
当算力支出需要持续融资支持,上市估值会同时决定募资效率和现有股东承担的稀释。
Anthropic 发布了可验证推理原型 FlashProve。模型提供方可以为一次回答生成密码学证明,让接收方检查回答是否确由事先指定的模型产生,而无需公开模型权重。团队使用 4 位量化的 Llama 4 Maverick 进行测试。单张 H100 显卡每秒可为约 110 个 token 生成证明,一次 1,024 个 token 的请求对应约 19 MB 的证明。研究人员称,生成证明仍需普通推理约 70 至 95 倍的 GPU 时间。
AI 生成证明的速度提高后,独立检验、解释和寻找可用算法将承担更多科研工作。
在高能力专业模型中,访问资格与安全配置和模型表现一起决定机构能开展哪些工作。
模型公司的上市定价,需要同时衡量当期付费需求和多年后仍须履行的算力承诺。
AI 设备交易正把模型客户、芯片供应商和信用资本连接起来,资产残值成为融资结构的重要一环。
模型公司开始用真实研发项目发现产品瓶颈,药物本身的验证周期仍独立存在。
高价订阅开始销售更连续的工作时间,短时窗口是否存在,和每周额度有多少同样影响使用价值。
这些用户最看重的改进,是模型能否主动发现与任务相关的问题;这会直接影响复杂工作需要多少人工补充指令。
复用任务本身的计算结果,可以降低大规模安全筛查成本,让复杂模型的监测覆盖跟上使用规模。
科研 AI 的扩散渠道正从单个研究者使用聊天工具,延伸到掌握数据、仪器与资助网络的机构。
前沿实验室的算力采购已能重塑大型科技公司的收入结构,合同期限与退出权也随之成为理解增长的重要变量。
AI 公司的市场叙事正在越过软件预算,进入劳动生产率;能收取多少费用,仍要由具体任务价值和客户付费行为决定。
AI 可以在不制造明显错误的情况下改变决策标准,人工监督因此需要检查判断如何形成,而不只是结果是否算对。
前沿模型公司正进入指数产品的预先配置规则,企业上市与投资资金的组合调整开始按不同时间表衔接。
没有匹配的追踪动态。