澳大利亚如何使用 Claude：Anthropic Economic Index 的发现

Anthropic 正在扩展到澳大利亚。未来几周，我们将在悉尼开设新办公室，并已与澳大利亚政府签署谅解备忘录，就 AI safety research 展开合作，并支持澳大利亚 National AI Plan 的目标。借此机会，我们想更仔细地看看澳大利亚人如何使用 Claude。

澳大利亚占全球 Claude.ai 流量的 1.6%，在我们 2026 年 2 月样本中的所有国家里排名第十一（图 1）。其 Anthropic AI Usage Index（AUI，Anthropic AI 使用指数）为 4.1，这意味着澳大利亚人使用 Claude 的程度，是其劳动年龄人口所预测水平的四倍多。这使澳大利亚成为 Claude 人均采用率最高的国家之一，排名第七，仅次于新加坡、以色列、卢森堡、瑞士、美国和加拿大。

在澳大利亚国内，使用量集中在 人口最多的几个州。新南威尔士州占对话量的 37.2%，其次是维多利亚州，占 30.8%，昆士兰州占 17.7%，其余各州和领地合计占 14%（图 2）。各州和领地的劳动年龄人口规模在很大程度上解释了这一排序。不过，在对此进行调整后，新南威尔士州的 AUI 为 1.20，维多利亚州的 AUI 为 1.19。只有这两个州的人均采用率高于预期；其他所有州或领地的 AUI 都低于 1，其中西澳大利亚州最低，为 0.68，塔斯马尼亚州为 0.32，北领地为 0.12。

与我们在国家之间观察到的收入与 Claude 人均使用量之间的强相关性不同，收入似乎无法预测澳大利亚各州和领地之间的采用情况（图 3）。不过，由于我们只能在八个地区之间进行比较，收入与使用量之间缺乏相关性只能作为提示性结果，而非结论性结果。

本地劳动力构成很可能是澳大利亚各州和领地之间采用率似乎与收入脱钩的原因：矿业占比较高的西澳大利亚州是人均 GSP 最高的州，但人均使用量较低。北领地同样人均 GSP 较高而 AUI 较低。这很可能反映出这些人口稀疏的州和领地中，从事 Claude 更容易被采用的职业的劳动者占比相对较小。澳大利亚首都领地收入高于平均水平，但 Claude 人均使用量低于预期，这可能反映出其庞大的公共部门劳动力在采用方面存在障碍。采用率最高的两个州——新南威尔士州和维多利亚州——收入略低于平均水平；这些州的高采用率可能反映出金融、专业服务和科技行业劳动者占比较高，而这些行业的 Claude 使用量往往更高。

我们的第四份 Economic Index 报告引入了四个经济 primitives：use-case mix、赋予 Claude 的 autonomy 程度、task success 和 task complexity。图 4 显示了澳大利亚在这些维度上相对于其他英语圈国家（橙色）、其他高采用率经济体（灰色）以及我们样本中所有国家（紫色）的位置。

就 Claude 的使用方式而言，澳大利亚与其他英语圈国家相似。46% 的澳大利亚对话被归类为与工作相关，接近中位数，也处于英语圈范围的中间。课程作业占澳大利亚使用量的 7%，位于分布的较低端（也低于美国、英国和加拿大）；人均采用率较低的国家，课程作业占比是这一水平的两到三倍。个人用途对话占比为 47%，接近分布的高端。

澳大利亚的这一模式与我们在 economic primitives 报告中记录的人均收入与 use case 之间的关系一致：较富裕国家的课程作业占比往往较低，个人用途占比往往较高。

澳大利亚的 AI autonomy 水平偏低，在 1–5 分量表上为 3.38，其他英语圈国家也与之接近。较低的 autonomy 表明，用户在对话中保留了更多决策控制权，而不是完全委托给模型。这与高采用率经济体倾向于以更协作、较少指令式的方式使用 Claude 相一致。

澳大利亚在一项 task complexity 指标上低于中位数，但在另一项指标上接近高端。澳大利亚的平均 task 本身相对不那么耗时：如果不使用 AI，一名熟练专业人士完成该 task 的估计时间为 2.7 小时，而跨国平均值为 3.3 小时。但澳大利亚用户的 prompt 估计需要 11.9 年教育水平才能理解，这与其他英语圈国家相当，并高于全球中位数。这两种模式都与我们在 1 月 Economic Index 报告中记录的跨国关系一致：Claude 采用强度与人类 prompt 的复杂程度正相关，而与“无 AI”情况下 task duration 的估计值负相关。

与其他英语圈同类国家以及更广泛的全球平均水平相比，澳大利亚的 Claude 使用更加多样。图 5 显示了各地区使用量中由其 100 个最常见 task 覆盖的比例（其中 task 按 ONET 分类，ONET 是一种描述整个经济中各类工作任务的 taxonomy）。图中的数值越低，表示 Claude 被用于更广泛的 task，因为前 100 个 task 所占份额更小。澳大利亚前 100 个 task 占其使用量的 47.3%，低于美国（47.7%）、英国（48.3%）和加拿大（50.2%），也比全球数值 52.3% 低 5 个百分点。

澳大利亚内部使用更广泛的多样性主要来自 coding 相关 task 占比较低。图 6 显示了按 SOC major group（美国 Bureau of Labor Statistics 定义的宽泛职业类别）划分时，澳大利亚前 100 个 task 的构成与全球前 100 个 task 有何不同。Computer and Mathematical task 在澳大利亚低 8.0 个百分点。没有其他使用类别与全球平均水平的差异接近这一幅度，不过教育相关 task 也比全球基准低近 3 个百分点。抵消这一差距的正向部分分散在多个类别中，其中以 Management（+2.3 个百分点）、Office and Administrative Support（+1.3 个百分点）以及 Life, Physical, and Social Science 职业（+1.3 个百分点）为主。

在单个 request cluster（即用户要求 Claude 执行的事项类别）层面，模式类似（图 7）。相对于全球分布，在澳大利亚最不足的 cluster 是 general coding assistance，占澳大利亚使用量的 13.5%，而全球为 16.8%。document translation 的占比也偏低，这与澳大利亚是以英语为主的市场一致。占比最高于全球的 cluster 则混合了个人用途（如 personal life management（+1.9 个百分点）和 health and well-being support（+1.8 个百分点））以及非技术专业工作，包括 workplace correspondence（+1.7 个百分点）、business documents（+1.6 个百分点）和 financial guidance（+1.3 个百分点）。

高采用率国家通常更广泛地使用 Claude，因此澳大利亚 coding 占比较低在一定程度上符合预期。澳大利亚在 Computer and Mathematical 方面低 8.0 个百分点，与英语圈平均低 8.9 个百分点基本一致。澳大利亚与同类国家的差异在于由什么来填补这一缺口：它更多偏向 Management（+2.3 个百分点，而英语圈为 +1.2 个百分点）以及 Office and Administrative Support（+1.3 个百分点，而英语圈为 +0.1 个百分点），而不是 Educational Instruction（−2.7 个百分点，而同类国家为 +1.6 个百分点）。

澳大利亚是 Claude 人均采用率领先的国家之一，使用量是其劳动年龄人口所预测水平的四倍多。其使用特征——主要是工作和个人用途而非课程作业，使用复杂 prompt 处理相对较短的 task，并且较少将决策委托给 Claude——与其他英语圈经济体以及 Anthropic Economic Index 中呈现的跨国关系高度一致。

澳大利亚更有特色的地方在于 Claude 使用范围的广度。澳大利亚的使用比全球总体更加多样，这几乎完全是因为 coding 相关工作占比较低；相应的增量分散在办公室、销售、管理和个人生活类别中，而不是集中在某一个类别。与其他高采用率国家一样，澳大利亚用户倾向于更多与 Claude 协作，而较少将决策委托给它。

在澳大利亚国内，采用集中在新南威尔士州和维多利亚州，州级差异与劳动力构成相关，而不是与人均收入相关——这与美国各州之间的模式一致，但与国家之间的收入梯度形成对比。

Keir Bradwell、Ria Strasser Galvis、Ryan Heller、Eva Lyubich、Jennifer Marintez、Maxim Massenkoff、Jared Mueller、Sarah Pollack