Google 发布了 AI & Economy ATLAS 项目的最新数据，呈现了全球范围内 AI 在日常工作中的实际使用情况。数据显示，不同国家和地区的职业在 AI 采用率和应用场景上存在明显差异。
各国职业 AI 采用率分化
ATLAS 数据揭示了区域性的 AI 使用特征。印度创意产业对 AI 的使用率高于全球其他地区，艺术、设计和媒体类职业占该国工作相关 AI 使用量的 19%，是全球平均水平的 1.6 倍。美国则在技术类 AI 应用上领先，计算机和数学类职业占其工作相关 AI 使用量的 30%，为全球其他地区占比的两倍。
在 OECD 国家中，计算机与数学、商业与金融运营类职业的 AI 使用率居前；而在非 OECD 国家，办公与行政支持、艺术设计与媒体、以及教育与图书馆类职业排名更靠前。尽管 AI 采用率通常与一国收入水平相关，巴西和阿联酋的采用率却高于其人均 GDP 所对应的预期水平。
在体力劳动场景中，实时设备诊断和故障排查的 AI 使用率因地区而异。巴西和德国将 7% 的工作 AI 使用量用于此类任务，是全球平均水平的 1.4 倍，而日本这一比例为 4%。
为便于探索这些分布在全球数百万个数据点中的信息，Google 推出了一个交互式开放访问平台，用户可查看从电工到采购经理等不同职业的 AI 使用率、家庭场景下的 AI 使用方式，以及各国的 AI 采用情况。
科学家使用 AI 的效率收益与新瓶颈
基于 ATLAS 数据，Google、Google DeepMind 与 MIT FutureTech 合作开展了一项新研究，分析了 2600 个专业 AI 模型，并对超过 600 名美国和英国科学家进行了调查。该研究使用了 MIT FutureTech 开发的新分类体系来映射科学家的具体工作内容。
研究发现，科学家群体的 AI 使用率高于许多其他职业，近半数受访科学家每天使用某种形式的 AI。大型语言模型（如 Gemini）在科学领域和任务类别中的应用较为广泛，而专业 AI 模型则更多集中在健康与生命科学领域，以及特定领域的数据预测、生成和模拟任务中，两者形成互补。
受访科学家表示，AI 每周为他们节省了近 7 小时，释放出更多时间用于研究。然而，效率提升并未直接转化为新发现。研究同时发现，科学家需要花费大量时间验证 AI 输出结果，导致尚未测试的假设积压增加，物理实验和临床验证等环节出现了新的瓶颈。
研究认为，这与大多数其他职业面临的情况类似：虽然 AI 具备显著提升生产力的潜力，但要将其大规模转化为实际产出和发现，可能需要重新设计科学流程和工作流。ATLAS 作为一项长期研究项目，将继续与学术界等合作伙伴探索新的研究方向。