Anthropic的新模型刚上线，30小时完成费马大定理的形式化证明，很多人第一反应是，AI要开始替科学家搞发现了。
这个判断，至少放在今天，是被带偏了。
就在新模型发布前后，Anthropic自己放出一份研究报告，答案很朴素。
科学家用Claude，干得最多的是两件事：分析数据，写东西。
收集数据、提出研究假设这些更靠近发现本身的环节，反而用得少。
先把费马大定理放一放，看看这份报告的底子。
样本是2026年8月2日到9月30日的20.7万次科研会话。
其中12.9万次是Claude对话和Cowork会话，7.8万次是Claude Code会话。
算一下，写代码的会话占比约37.7%，将近四成。
这说明什么？
很多科学家早就不只是让AI帮忙润色论文，而是让它直接写分析脚本、跑数据。
所谓数据分析，相当一部分其实是编程。
再看学科分布。
计算机科学、数学、统计学用得最普遍，健康和实验室物理科学用得相对少。
有人会说，那是生物、医学领域的科学家观念保守。
这个解释太轻了。
把学科拆开看，差别不在人，在工作发生的地方。
数学家的推导、程序员的代码、统计学家的数据集，本来就在电脑里，AI伸手就能够到。
做实验的研究者，大量时间花在移液枪、培养箱和仪器读数上。
AI再聪明，也没法替研究者去实验台前站一天。
健康领域还多一道门槛，病人数据涉及隐私和合规，不是随便能丢进对话框的。
这也解释了为什么收集数据这一环用得少。
数据很多时候得从物理世界里一点点采出来，这一步AI目前插不上手。
至于生成假设用得少，原因更微妙。
假设是一项研究的起点，也是科学家对结论负责的起点。
把最核心的判断交给AI，多数研究者心里还没底，这是信任问题，也是责任问题。
比学科差异更值得注意的，是这份报告怎么处理数据。
Anthropic称，系统只保留学科、子领域、具体任务这类分类标签，不提取研究数据、实验方法、初步发现和未发表论文。
这句话看着像例行说明，其实是在回应科研圈最大的顾虑。
没发表的成果是科学家的命根子，谁也不愿意它从对话框里漏出去。
想让科学家把更多环节交给AI，得先让人放心。
那这份报告是不是在说，AI在科研里只是个高级秘书？
也不能这么看。
把报告和同一时间的动作放在一起，逻辑就清楚了。
11月9日，Anthropic发布Claude Fable 5.2和Claude Mythos 5.2。
演示里反复强调的，恰恰是设计电子设备、控制实体机器人、通过硬件版MCP标准直接操作物理仪器。
RoboDojo双臂机器人仿真评测得分，从上一代的27.6%提到64.9%。
Mythos 5.2还专门面向通过审核的网络安全和生命科学研究机构开放。
报告里AI用得少的地方，正好是新模型发力的方向。
这么看，这份报告更像一张需求地图，AI在电脑上的活已经铺开了，下一步要往实验室里走。
商业上的压力也摆在那里。
Anthropic最快本周启动IPO路演，修订版招股文件显示，三季度营收169.56亿美元，同比增长约12倍，净亏损233亿美元。
收入涨得快，亏得也狠，资本市场要看下一块高价值场景。
科研，尤其是生命科学和硬件研发，正是愿意为能力付高价的地方。
这次价格也降了，输入从每百万Token 10美元降到8美元，输出从50美元降到40美元，使用门槛在往下走。
回到Anthropic那句话，AI可以加速科学发现，但加速多少，取决于AI的能力，也取决于科学家怎么用。
后半句容易被忽略，其实更要紧。
今天AI在科研里的主要角色是效率工具，帮科学家省下处理数据和写作的时间。
它能不能变成发现的引擎，卡点不在模型会不会解难题，而在能不能走进实验室，能不能赢得科学家的信任。
30小时证明费马大定理确实亮眼，可眼下大多数科学家最需要的，是有人帮忙把手头那堆数据理清楚。
科学发现的主角，仍然是人。
各位读者你们怎么看？欢迎在评论区讨论。