What 81,000 People Want from AI | 81,000 人对 AI 的期望

原标题： What 81,000 People Want from AI 作者： Anthropic 发布日期： 2026年3月18日 原文链接： https://www.anthropic.com/research/81k-interviews

一句话摘要

Anthropic 对近 81,000 名 Claude.ai 用户进行了迄今规模最大、语言覆盖最广的 AI 使用定性研究，深入了解全球用户如何在日常生活中使用 AI，以及他们对 AI 未来发展的真实期望。

完整核心内容翻译

一、研究概述

Anthropic 开展了一项前所未有的大规模定性研究，邀请近 81,000 名 Claude.ai 用户分享他们使用 AI 的方式和期望。这是目前已知的最大规模且语言覆盖最广的 AI 使用定性研究。

与传统的问卷调查不同，本研究采用开放式对话形式，让用户用自己的语言描述 AI 在生活中扮演的角色，捕获了量化调查难以获取的细微洞察。

二、研究方法

参与规模： 近 81,000 名 Claude.ai 活跃用户
研究形式： 定性访谈与开放式反馈
语言覆盖： 多语言，覆盖全球不同地区用户
数据处理： 对海量定性数据进行系统性编码和主题分析

三、核心发现

用户如何使用 AI

用户报告的 AI 使用场景涵盖日常生活的方方面面：

工作效率： 文档撰写、数据分析、代码编写、邮件处理
学习与教育： 概念解释、技能习得、学术研究辅助
创意与写作： 头脑风暴、内容创作、翻译与编辑
个人决策： 复杂问题分析、方案比较、规划建议
专业领域： 医疗信息查询、法律文件理解、财务规划

用户对 AI 的期望

研究揭示了用户对 AI 发展方向的多元期望：

可靠性与准确性： 用户最关心 AI 输出的事实准确性
个性化理解： 希望 AI 能更好地理解个人上下文和偏好
透明与诚实： 期望 AI 在不确定时坦诚告知
隐私保护： 对数据使用和隐私问题高度敏感
持续可用性： 希望 AI 成为稳定、可信赖的日常工具

四、多语言与文化视角

作为覆盖最广的多语言研究，不同语言和文化背景的用户展现出：

共通性： 对准确性、可靠性和诚实性的期望跨文化一致
差异性： 具体使用场景和优先级因文化和经济背景而异
包容性需求： 非英语用户对母语支持质量有强烈需求

五、研究意义

这项研究为 AI 开发提供了直接的用户视角，帮助实验室：

理解真实用户需求而非假设需求
识别不同群体的差异化期望
在产品决策中融入多元文化考量
为负责任 AI 开发提供实证依据

mermaid

graph LR
    subgraph 81K 用户研究
        A[81,000 名参与者] --> B[多语言定性访谈]
        B --> C[系统性主题分析]
    end

    C --> D[工作效率]
    C --> E[学习教育]
    C --> F[创意写作]
    C --> G[个人决策]
    C --> H[专业领域]

    subgraph 核心期望
        I[准确性]
        J[个性化]
        K[透明诚实]
        L[隐私保护]
    end

    D & E & F & G & H --> I & J & K & L

技术要点

大规模定性研究方法论： 81,000 人的开放式定性研究在社会科学中极为罕见，需要结合 NLP 技术进行系统性编码和主题提取，开创了 AI 公司用户研究的新范式。
多语言覆盖的重要性： 仅基于英语用户的研究会产生系统性偏差，多语言研究揭示了非英语用户的独特需求和期望。
定性数据的独特价值： 相比 Likert 量表等定量工具，开放式访谈能够捕获用户自身框架中的需求表达，避免研究者预设类别带来的偏差。
用户中心的 AI 开发： 大规模用户研究为"以用户为中心"的 AI 产品迭代提供了实证基础，弥合了技术能力与用户需求之间的差距。
隐私-个性化张力： 用户同时要求个性化和隐私保护，这两个目标之间存在内在张力，是 AI 产品设计中的核心挑战。

深度解读

这项研究的规模和方法论本身就是一个重要信号。81,000 人的定性研究在任何领域都是前所未有的——传统定性研究通常涉及数十到数百名参与者。这只有在 AI 辅助分析的条件下才可行，本身就是"用 AI 研究 AI 用户"的有趣递归。

从产品视角看，这是 Anthropic 的战略性投资。 了解用户如何真实使用 AI——而非假设他们如何使用——对于产品方向决策至关重要。许多 AI 公司基于基准测试和技术指标进行模型优化，而 Anthropic 选择直接倾听用户声音，这反映了一种更加成熟的产品思维。

多语言维度尤为关键。 AI 领域的大部分研究和讨论都以英语为中心，但全球大多数 AI 用户的母语并非英语。非英语用户的需求、期望和使用模式可能与英语用户有显著差异。这项研究为全球化 AI 产品设计提供了难得的数据基础。

准确性和诚实性被用户置于首位，这与行业的技术竞争焦点形成有趣对比。 当实验室关注基准测试分数、上下文窗口大小和推理速度时，用户最关心的是"AI 告诉我的东西是否可靠"和"它不知道的时候会不会告诉我"。这种需求-供给的错位值得整个行业反思。

隐私与个性化的张力是一个深层架构问题。 更好的个性化通常需要更多的用户数据，但用户同时要求严格的隐私保护。解决这一矛盾可能需要在本地化处理、联邦学习或差分隐私等技术方向上取得突破。

延伸思考

81,000 名 Claude.ai 用户是否具有代表性？那些不使用 AI 或使用竞品的人群可能有什么不同的期望？
用户对"准确性"的期望如何量化？不同领域（医疗 vs. 创意写作）对准确性的标准是否应有差异？
多语言研究中发现的文化差异如何影响模型训练——是否需要为不同文化背景训练不同的行为模式？
大规模定性研究方法能否标准化，成为 AI 公司定期进行的"用户脉搏检测"？

本文为 Anthropic 官方研究文章的深度中文解读。

What 81,000 People Want from AI | 81,000 人对 AI 的期望 ​

一句话摘要 ​

完整核心内容翻译 ​

一、研究概述 ​

二、研究方法 ​

三、核心发现 ​

用户如何使用 AI ​

用户对 AI 的期望 ​

四、多语言与文化视角 ​

五、研究意义 ​

技术要点 ​

深度解读 ​

延伸思考 ​