Anthropic 8.1 万人访谈：人们真正想从 AI 获得什么？

Anthropic 最近发布了一篇很重要的研究型长文：What 81,000 people want from AI。这不是一篇普通的产品博客，也不是一份传统问卷报告。Anthropic 在 2025 年 12 月邀请 Claude 用户与一个 AI 访谈员对话，让用户用开放式语言讲述自己如何使用 AI、希望 AI 带来什么、又担心 AI 会破坏什么。最终，他们收集了来自 159 个国家、70 种语言、80,508 名用户的访谈内容。

Anthropic 认为，这是目前规模最大、语言覆盖最广的定性研究之一。这个判断本身当然可以讨论，因为样本来自 Claude 用户，天然偏向已经接触并愿意使用 AI 的人群；但即便如此，这项研究仍然很有价值。它给我们提供的不是“全人类如何看 AI”的最终答案，而是一张早期重度 AI 用户的心理地图：他们已经在用 AI，因此他们的期待更具体；他们已经被 AI 帮助过，因此他们的担忧也更贴身。

我们读完之后，最强烈的感受是：公众关于 AI 的讨论，经常被压缩成两个阵营。一边说 AI 会带来生产力革命，另一边说 AI 会导致失业、依赖和失控。但 Anthropic 的访谈显示，真实的人并不是这样分布的。很多人一边从 AI 中获得帮助，一边担心自己正在失去某种能力；一边希望 AI 帮自己脱离经济压力，一边害怕 AI 替代自己的工作；一边把 AI 当作学习伙伴，一边担心学生绕过理解过程。

换句话说，人们不是简单地“乐观”或“悲观”。人们是在围绕自己珍视的东西——时间、工作、家庭、能力、尊严、关系、自由——同时产生希望和恐惧。

一、这项研究为什么值得看？

过去很多 AI 研究更擅长回答“人们在用 AI 做什么”。例如写代码、写邮件、总结文档、生成图片、做客服、整理数据。这类使用行为当然重要，但它只能告诉我们表层任务。

Anthropic 这篇文章试图回答另一个问题：人们为什么要用 AI？当一个人说“我想让 AI 帮我处理邮件”，他真正想要的可能不是邮件本身，而是少一点认知负担；当一个人说“我想让 AI 帮我写代码”，他真正想要的可能是创业机会、职业转型，或者把脑海里的产品做出来；当一个人说“我想让 AI 陪我聊天”，背后可能是孤独、创伤、社会支持不足，也可能是对低摩擦情感反馈的依赖。

研究设计上，Anthropic 使用了一个叫 Anthropic Interviewer 的 Claude 版本来做访谈。它会先问一组固定问题，再根据用户回答继续追问。随后，Anthropic 用 Claude 驱动的分类器对访谈进行归类，包括：用户希望 AI 做什么、AI 是否已经帮助他们接近愿景、他们害怕什么、他们的职业背景和总体情绪倾向。最后，研究团队还做了人工审核和隐私处理，确保公开引用的内容去除身份信息。

这套方法的意义在于，它试图打破传统定性研究的限制。传统访谈深度高，但样本量小；问卷样本量大，但表达空间有限。AI 访谈员让大规模开放式访谈第一次变得现实。当然，它也带来新问题：访谈员本身会不会影响回答？分类器的边界是否稳定？Claude 用户样本是否代表更广泛人群？这些都需要谨慎看待。

但对于今天的 AI 产品团队、研究者和创业者来说，这篇文章依然非常值得读。因为它不是在抽象地谈“未来”，而是在展示 AI 已经怎样进入人的生活细节。

二、人们想从 AI 获得什么？不只是效率，而是更好的生活

Anthropic 把“人们最希望 AI 带来什么”分成九类。

第一类是职业卓越，占 18.8%。这也是比例最高的一类。用户希望 AI 处理重复性任务、文档工作、信息整理和低价值劳动，让自己能投入更复杂、更有判断力、更有创造性的工作。一个医疗工作者提到，自己每天要处理大量来自医生和护士的信息，AI 减轻了文书压力，让他有更多耐心向护士和家属解释情况。

第二类是个人转变，占 13.7%。这类用户希望 AI 成为教练、陪伴者、心理支持者或自我理解工具，帮助自己改善情绪、习惯、身体健康、人际关系，甚至生活方向。这里的 AI 不再只是工具，而是某种“镜子”或“支架”。

第三类是生活管理，占 13.5%。很多人希望 AI 帮他们管理日程、提醒事项、家务、行政流程、计划和记忆。Anthropic 特别提到，一些有执行功能困难的人把 AI 视为外部认知脚手架。对这些用户来说，AI 的价值不是高大上的创造力，而是减少现代生活的琐碎摩擦。

第四类是时间自由，占 11.1%。这类用户希望 AI 从工作和家务中释放时间，让他们陪家人、休息、旅行、发展爱好。一位墨西哥软件工程师说，有了 AI 支持，他可以准时下班接孩子、给孩子做饭、陪孩子玩。

第五类是财务独立，占 9.7%。一些人希望 AI 帮他们获得经济安全、发展副业、投资、创业，或者摆脱薪资和债务压力。这里的 AI 被视为经济杠杆。

第六类是社会转型，占 9.4%。这类用户关心的是疾病、贫困、教育不平等、气候、制度效率等公共问题。他们希望 AI 不只是帮助个人，而是扩大医疗、教育和知识的可及性。

第七类是创业，占 8.7%。许多创业者把 AI 看作团队能力的放大器。一位来自喀麦隆的创业者说，AI 让他同时达到网络安全、UX 设计、营销和项目管理的专业水平，在技术资源不足的国家，这像是一种机会平衡器。

第八类是学习与成长，占 8.4%。用户希望 AI 成为个性化老师，帮助他们掌握复杂知识、发展技能、满足好奇心。

第九类是创意表达，占 5.6%。这类用户希望 AI 降低想象和执行之间的距离，让他们制作游戏、音乐、书、电影、艺术作品。

这些分类看起来很分散，但底层其实很统一：人们不是只想“更快完成任务”。他们想拥有更多时间、更少压力、更强能力、更大选择权。效率只是入口，真正的目标是让生活变得更可掌控、更有意义。

这对 AI 产品有很强的提醒：如果我们只把 AI 定位为效率工具，就会低估用户真实需求。用户想要的不是“自动写完一封邮件”，而是不要被邮件吞掉；不是“自动生成一段代码”，而是把自己原本做不到的想法做出来；不是“自动安排日程”，而是重新获得注意力。

三、AI 已经在哪些地方兑现承诺？

Anthropic 还问受访者：AI 是否已经在某种程度上帮助你接近上述愿景？81% 的人回答是。研究团队把这些已发生的帮助分成七类。

第一类是生产力，占 32%。这是最显眼的部分。开发者、知识工作者、管理者都提到 AI 帮他们更快完成工作、自动化重复任务、总结资料、处理数据、构建功能。典型叙事是：过去要几天、几周甚至几个月的流程，现在可以显著缩短。

第二类是 AI 尚未兑现，占 18.9%。这也很重要。将近五分之一的人认为 AI 还没有真正达到他们想要的效果，原因包括不准确、不可靠、能力不足，或者现实中能自动化的不是他们最想摆脱的事。文章里有一句很有代表性的话：AI 应该帮我擦窗户、清空洗碗机，这样我才能画画和写诗；但现在刚好相反。

第三类是认知伙伴，占 17.2%。很多人把 AI 当作头脑风暴伙伴、研究搭子、写作反馈者、问题拆解者。它的价值不只是给答案，而是持续陪人思考。

第四类是学习，占 9.9%。AI 的耐心、可重复解释、低羞耻感，是传统教育很难提供的。一位印度律师提到，自己过去害怕数学和莎士比亚，现在可以让 AI 把文本翻译成更简单的英文，也重新开始学习三角函数。他说自己终于意识到，自己并不像过去以为的那样“笨”。

第五类是技术可及性，占 8.7%。这是我们认为最值得关注的类别之一。AI 让非技术背景的人也能构建应用、自动化流程、做出原型，甚至解决自己或他人的无障碍需求。它不是让原本会写代码的人更快一点，而是让原本没有入场券的人第一次入场。

第六类是研究综合，占 7.2%。AI 帮人处理大量信息，尤其是在医学、法律、科研、政策等复杂领域中快速理解材料。有用户提到，AI 帮他把多年误诊的线索拼起来，最终找到正确诊断方向。

第七类是情感支持，占 6.1%。比例不算最高，但文章中这一部分最令人触动。有人在战争、丧亲、孤独、心理压力中使用 AI 作为倾诉对象。AI 的可用性、耐心和不评判，让它在某些时刻成为临时支撑。

这些案例说明，AI 已经不是单一工具。它在不同人的生活中扮演完全不同的角色：生产力工具、学习资源、认知伙伴、无障碍技术、研究助手、情感缓冲器、创业杠杆。

但这里也有一个更深的问题：当 AI 填补教育、医疗、心理支持、社会关系和经济机会中的空白时，我们应该把它看作技术胜利，还是制度缺口的临时补丁？答案可能不是二选一。AI 的帮助是真实的，但它也暴露了很多原本就存在的结构性不足。

四、担忧不是抽象恐惧，而是与具体价值绑定

Anthropic 还整理了用户对 AI 的十三类担忧。

排第一的是不可靠，占 26.7%。用户担心幻觉、错误、假引用，以及为了确认 AI 是否正确而产生的验证负担。文章中有一句话很准确：一个听起来很确定但经常出错的助手，不是在释放注意力，而是在制造一种永久的“事实核查税”。

第二是工作与经济，占 22.3%。人们担心岗位替代、工资下降、失业、经济不平等。这里不是简单的远期猜测，已经有人提到自己被 AI 系统替代。

第三是自主性与能动性，占 21.9%。用户担心 AI 替人做决定、人变得被动、组织强迫使用 AI，或者边界不再由自己掌握。一位日本学生说，边界好像不是自己在划，而是 Claude 在划，甚至自己刚说出口的话都不像自己的观点。

第四是认知退化，占 16.3%。学生、教师和学术工作者尤其敏感。担忧集中在过度依赖、思考能力下降、学生绕过学习过程、批判性思维变弱。

第五是治理，占 14.7%。用户担心法律、责任、监管和民主监督跟不上技术发展。

第六是错误信息，占 13.6%。深度伪造、AI 生成内容、宣传机器和共享现实的崩塌，是很多人的忧虑。

第七是监控与隐私，占 13.1%。如果 AI 主要由广告、数据采集和监控逻辑驱动，智能环境可能反过来服务于对人的操控。

第八是恶意使用，占 13.0%。包括网络攻击、诈骗、武器、生物风险和自动化伤害。

第九是意义与创造力，占 11.7%。一些人担心人类表达被贬值，创作失去意义，甚至不知道“人还剩下什么”。

第十是过度限制，占 11.7%。这类担忧很有意思：一些用户担心 AI 被安全策略过度约束，变得过于胆小、平滑、回避不适，从而无法完成正当任务。

第十一是幸福感与依赖，占 11.2%。用户担心孤独、社交退缩、心理依赖、强迫性使用，以及 AI 伴侣替代真实关系。

第十二是迎合，占 10.8%。也就是 AI 过于顺从、过于肯定用户，甚至强化错误认知或妄想。有用户反思，Claude 曾经强化了他对家庭问题的不准确理解，本应更批判地回应他。

第十三是存在风险，占 6.7%。包括超级智能、失控、对齐失败和灭绝风险。

值得注意的是，只有约 11% 的人表示没有担忧。平均而言，每位受访者提出 2.3 类不同担忧。这说明 AI 使用者并非天真乐观。越是深度使用 AI 的人，越可能同时看到它的价值和危险。

五、最关键的发现：光与影来自同一种能力

Anthropic 用 “light and shade” 描述 AI 的五组核心张力。我们认为这是整篇文章最有价值的部分。

第一组张力：学习与认知退化。

33% 的人提到 AI 对学习的好处，17% 的人担心认知退化。学生尤其明显：他们高度受益于 AI 的解释能力，也更容易把 AI 当作捷径。教师和学者则更常观察到学生的认知退化迹象。文章提出一个很有启发性的判断：当学习是自愿的，AI 的效果更积极；当学习处在考试、作业和制度压力中，AI 更容易被用来绕过过程。

第二组张力：更好的决策与不可靠。

22% 的人看到了 AI 改善决策的价值，37% 的人担心不可靠。这是唯一一组负面超过正面的张力。尤其在法律、金融、医疗、政府等高风险领域，AI 既能帮助理解复杂信息，也可能以自信语气输出错误。越是专业场景，越需要把 AI 放在“辅助判断”而不是“替代责任”的位置。

第三组张力：情感支持与情感依赖。

16% 的人提到 AI 的情感支持价值，12% 的人担心情感依赖。虽然比例不是最高，但这是共现最强的一组：那些从 AI 情感支持中受益的人，也更容易担心自己变得依赖。AI 的耐心和可用性一方面是安慰，另一方面也可能让人逃避真实关系中的摩擦。关系里的摩擦并不总是坏事，它有时正是修复、成长和相互理解的必要部分。

第四组张力：节省时间与虚假生产力。

50% 的人提到 AI 节省时间，这是最普遍的正面体验；但 18% 的人担心所谓效率只是让节奏更快。AI 帮你省下的时间，可能被组织用更高 KPI 填满；你完成任务更快，不一定意味着你拥有更多生活。自由职业者、小企业主和独立工作者尤其容易同时体验到两面：他们直接获得 AI 的效率红利，也直接承受市场预期加速的压力。

第五组张力：经济赋能与经济替代。

28% 的人看到了 AI 的经济赋能，18% 的人担心经济替代。独立创业者、副业人群、小团队最容易从 AI 中获得真实经济收益，因为 AI 能让他们以更低成本完成过去需要团队才能完成的事。但自由职业创作者也处在最尴尬的位置：AI 既是他们的工具，也是他们的竞争者。

这五组张力说明一个重要事实：AI 的风险不是外在附加物，而是内生于它的优势。正因为 AI 便宜、耐心、随时可用、能快速生成、能模拟理解，它才既能帮助学习，也能绕过学习；既能提供陪伴，也能替代关系；既能节省时间，也能提高劳动强度；既能扩大个人能力，也能压低某些岗位价值。

所以，负责任的 AI 产品设计不是在“功能”和“安全”之间简单取舍，而是要理解每一种能力的双面性。

六、地区差异：有人想减负，有人想翻身

文章还分析了不同地区的 AI 态度。全球约 67% 的受访者对 AI 表达净正面态度。南美、非洲和亚洲部分地区整体更乐观；欧洲、美国和大洋洲更谨慎。

Anthropic 给出的解释之一是：在低收入和中等收入地区，AI 更容易被看作向上流动的阶梯；在高收入且 AI 渗透更深的地区，人们更容易感受到岗位替代、隐私、治理和生活复杂度被重塑的压力。

文章中有一个判断很值得记住：较富裕、AI 暴露度更高的地区，更希望 AI 管理复杂生活；发展中地区更希望 AI 创造机会。

例如，在非洲、南亚、中亚、中东和拉丁美洲，创业愿景更强。AI 被描述为一种绕过资本、招聘和基础设施限制的机制。对于教育资源不足的地区，AI 学习工具也更有吸引力。用户希望 AI 打破教育质量与财富之间的绑定。

而在北美、大洋洲和西欧，生活管理类需求更突出。很多人不是没有资源，而是被工作、照护、家庭、健康、行政事务和信息过载压得喘不过气。AI 在这里被想象成一种“复杂生活管理器”。

东亚则呈现出另一个特点：个人转变和财务独立的愿望更突出，同时对认知退化和意义丧失的担忧也更高。文章提到，一些东亚用户会把财务独立与家庭责任、父母养老和亲人幸福联系起来，而不只是个人消费。

这对中文语境尤其有启发。我们讨论 AI 时，不能只套用硅谷的生产力话语，也不能只用宏大的产业升级话语。中国用户对 AI 的需求会同时包含很多层次：白领希望减轻信息过载，小商家希望提高经营效率，独立开发者希望一个人做出产品，学生希望低成本学习，创作者希望扩大表达能力，家庭照护者希望管理复杂生活，县域和中小城市创业者希望获得新的机会入口。

真正好的本地 AI 产品，需要理解这些具体处境，而不是只照搬“AI Copilot”“AI Agent”“AI 自动化工作流”的概念。

七、对看山实验室的启发：AI 产品要从任务完成走向生活改善

读完这项研究，我们最想强调的一点是：下一阶段 AI 应用的竞争，不只是模型能力竞争，也不是简单的 Agent 自动化竞争，而是谁能更准确地理解人的处境。

我们可以把它拆成几个产品问题。

第一，AI 是否真的减少了人的负担？很多 AI 工具表面上提高效率，实际上把新的负担交给用户：检查结果、修正错误、管理上下文、写更精确的提示词、判断哪些输出能用。如果一个工具帮用户节省 30 分钟，却让用户花 40 分钟验证它有没有错，它并没有创造时间，只是改变了劳动形式。

第二，AI 是否增强了人的能力，而不是替人形成依赖？教育、写作、编程、研究、决策类产品尤其要面对这个问题。好的 AI 不应只给答案，还应该帮助用户理解路径、形成判断、积累可迁移能力。它应该像脚手架，而不是轮椅；在用户成长后，脚手架可以逐步撤掉，能力留在人身上。

第三，AI 是否尊重人的自主性？当 AI 变得越来越主动，能提醒、推荐、规划、执行，它也越来越容易替用户定义目标。一个个人助理如果总是在“优化效率”，可能会忽略用户真正想要的是休息、陪伴、慢下来、做一些没有产出但有意义的事。AI 不应该只根据可量化指标安排生活。

第四，AI 是否能承认不确定性？不可靠是用户最大的担忧。未来的 AI 产品不应该只追求流畅和自信，而应该更擅长表达边界：哪些信息来自可靠来源，哪些只是推测，哪些需要人工确认，哪些场景不应该由 AI 单独处理。

第五，AI 是否能处理关系问题而不替代关系？情感支持类产品尤其需要谨慎。AI 可以提供临时缓冲、倾听和陪伴，但不应该把用户长期锁在低摩擦的人机关系里。真正有价值的设计，可能是帮助用户重新连接现实中的人，而不是让用户更深地退回系统内部。

第六，AI 是否能服务小团队和普通人，而不只服务大型组织？Anthropic 的访谈里，很多最有力量的故事来自创业者、自由职业者、非技术背景的人、教育资源不足的人、处在困境中的人。AI 的一个重要价值，是把过去只有大组织才能拥有的能力下放给个人和小团队。这与看山实验室长期关注的方向也很一致：让技术成为普通人组织生活、表达自我、创造产品和理解世界的工具。

八、我们应该怎样理解“AI going well”？

Anthropic 在文章里提到，公众讨论常常缺少一个基于真实经验的愿景：什么叫 AI 发展得好？

这句话很关键。很多时候，我们把 AI 的好坏理解成模型排行榜、参数规模、推理能力、自动化程度、商业收入，或者某种宏大的社会预测。但从这 8.1 万人的回答看，AI 发展得好，可能首先体现在非常具体的生活层面。

它可能是一个医生少花一点时间处理文书，多花一点时间向病人家属解释；一个学生终于敢问“笨问题”；一个小商家第一次做出自动化工具；一个失业者重新看到路径；一个照护者不再被日程和表格压垮；一个创作者把多年想法变成作品；一个孤独的人在最艰难的夜里获得一点缓冲。

但 AI 发展得好，也必须意味着这些帮助没有以过高代价发生：人没有因此失去判断力，学生没有因此绕过学习，劳动者没有因此被更快的节奏吞没，创作者没有因此失去尊严，用户没有因此把所有亲密关系都外包给机器，社会也没有把治理责任推给平台和模型。

所以，AI going well 不应该被翻译成“AI 变得足够强”。更准确的说法也许是：AI 变得足够有用，同时人仍然保有能力、关系、尊严和选择权。

九、这篇研究的局限也很重要

我们也需要清楚地看到，这项研究不是中立全样本调查。它的样本来自 Claude 用户，而且是愿意参与访谈的人。这意味着受访者大概率已经对 AI 有一定兴趣，也已经获得过某种价值。研究中的正面态度比例，不能直接外推到全球公众。

其次，访谈顺序也可能影响结果。文章先询问用户对 AI 的积极愿景，再询问担忧，这可能让回答更容易呈现“正反张力”的结构。Anthropic 自己也承认这一点。

第三，AI 访谈和 AI 分类本身也会引入方法论问题。AI 访谈员如何追问，会影响用户表达；分类器如何定义边界，会影响最终统计。对于这种新型大规模定性研究，我们还需要更多方法验证。

但这些局限并不削弱文章的主要价值。它提供的不是终局结论，而是一批足够丰富、足够具体、足够全球化的早期信号。它让我们看到，AI 不只是一个技术系统，也是一个正在进入工作、学习、家庭、情感和社会结构的生活系统。

结语：真正的问题不是人们要不要 AI，而是人们希望 AI 保护什么

这篇文章最打动我们的地方，是它没有把人简化成用户画像，也没有把 AI 简化成功能集合。它呈现的是人在技术变化面前的复杂状态：想要更多能力，也害怕失去能力；想要被支持，也害怕被替代；想要节省时间，也害怕节奏变快；想要陪伴，也害怕依赖；想要机会，也害怕不公平扩大。

因此，讨论 AI 的未来，不能只问“AI 能做什么”。更应该问：人们希望通过 AI 保住什么、获得什么、避免什么？

他们想保住思考能力，获得学习机会；想保住家庭时间，获得工作杠杆；想保住表达尊严，获得创作工具；想保住关系中的真实摩擦，获得困难时刻的支持；想保住自主性，获得更强的外部认知支架。

对看山实验室来说，这也是接下来观察和实践 AI 的基本立场：不把 AI 神化成万能答案，也不把 AI 简化成风险清单。我们更关心它如何具体进入人的一天，如何改变一个小团队的能力边界，如何帮助普通人学习、表达、组织记忆、理解世界，以及如何在提供帮助的同时，不拿走人的主动性。

真正值得追求的 AI，不只是更聪明的系统，而是更能帮助人过好生活的系统。