Epoch AI 與 Ipsos 調查顯示，美國 Claude 週活躍用戶 80% 來自年收入 10 萬美元以上的家庭。AI 助手開始按價格、入門和工作場景分層，高收入用戶率先進入更高階的 AI 服務。一份美國全國性調查，揭開了各大大型模型之間的用戶畫像差異。
過往一週用過 Claude 的美國成年人中，79.8% 來自年收入 10 萬美元以上的家庭。這個比例高於 Microsoft Copilot 的 63.
7%、ChatGPT 的 60.3%、Grok 的 56.2%、Google Gemini 的 55.9%，更遠高於 Meta AI 的 36.5%。作為參考，Epoch AI 用美國人口普查數據估算，美國成年人中約 50% 生活在年收入 10 萬美元以上的家庭。
收入分層差異明顯
低收入端的差距同樣明顯。Claude 週活躍用戶中，年收入 5 萬美元以下家庭佔比約 6.4%；Meta AI 對應比例為 32.1%。美國成年人總體中，年收入 5 萬美元以下家庭佔比約 24%。
這份調查由 Epoch AI 與 Ipsos 合辦完成，使用 Ipsos 的 KnowledgePanel，美國成年人樣本來自基於地址的概率抽樣。第一波調查在 2026 年 3 月 3 日至 6 日進行，樣本量 2021 人，95% 置信水準下總體誤差為正負 2.
2 個百分點；Epoch 後續關於收入分佈的分析又合併了 3 月和 4 月三輪調查數據。
一個更直白的說法是，Claude 在美國已經呈現出高收入滲透。它還沒有成為大眾默認入門，獨正正在成為某類人群更高頻、更高度使用的工具。Claude 沒贏下規模 收入畫像容易製造成誤讀。Claude 的用戶更富，但 Claude 的用戶規模仍很小。
Ipsos 這輪全國調查中，過往一週用過 ChatGPT 的美國成年人佔 31%，Google Gemini 為 21%，Microsoft Copilot 為
11%，Meta AI 為 8%，Grok 為 5%，Claude 只有 3%。另有 49% 的美國成年人表示，過往一週沒有用過任何 AI 服務。
The Decoder 引用 Epoch AI 的說法補充了另一層數據，在年收入 10 萬美元以上人群中，ChatGPT 的觸達率仍是 37%，Gemini 為 24%，Copilot 為 14%，Claude 只有 6%；同時，44% 的高收入人群過往一週沒有使用 AI 服務。
所以 Claude 的情況更像是高收入滲透高，但絕對覆蓋率低。它在一個小圈子裡顯得更精英國，在整個美國 AI 市場裡還遠遠沒有接近 ChatGPT 的默認地位。這也解釋了為什麼這組數據會有新聞價值。
過往兩年，AI 公司大多用月活、下載量、調用量講故事。現在，用戶結構開始比用戶規模更重要。誰在仰望止步，誰在付費，誰把 AI 塞進工作流，差異開始浮出水面。
為什麼是 Claude Claude 的高收入畫像，很難只用價格解釋。Anthropic 的 Claude Pro 為每月 US$20，約 HK$156，Max 5x 為每月 US$125，約 HK$975，Max 20x 為每月 US$250，約 HK$1950，Max 面向需要更高用量、更少中斷、更優先訪問新模型和功能的用戶，並包含 Claude Code。
OpenAI 的 ChatGPT 也有 US$20 Plus 和更高階 Pro 方案，個人高用量 AI 產品正同進入了 US$100、US$200 價格帶。
差別在於產品心智。ChatGPT 更像全民入門。Gemini 綁在 Google 搜索、Gmail、Docs 等場景裡。Copilot 跟 Microsoft 365、Word、Excel、Teams、Edge 連接更深。
Meta AI 則直接進入 WhatsApp、Instagram、Facebook、Messenger。Claude 的典型使用場景更偏主動訪問、長文本處理、代碼、複雜寫作和專業任務。它要求用戶知道自己為什麼打開它，也更容易吸引已經願意為效率付費的人。
Ipsos 的付費訂閱數據也說明了這一點。ChatGPT 付費訂閱中，4% 的受訪者表示自己付費，3% 表示由雇主或學校付費；Claude 對應比例是 1%；Copilot 則有 5% 自費、10% 由雇主或學校付費。
Claude 的付費面很窄，但這部分人更可能是高意願、高強度用戶。
這就是 Anthropic 現在的位置，規模小，單個用戶價值可能更高。它不像 Meta AI 那樣靠社交產品閘開，也不像 Google 那樣靠搜索入門搶分發。Claude 需要用戶主動選擇。但主動選擇，本質就是門檻。
Meta AI 站在另一端 Meta AI 是這張表裡的另一端。它的週活躍用戶中，年收入 10 萬美元以上家庭佔比只有 36.
5%，5 萬美元以下家庭佔比達到 32.1%。在這組主流 AI 助手裡，它最接近大眾市場。原生並不複雜。
Ipsos 調查顯示，在用過 Meta AI 的人裡，55% 通過 WhatsApp、Instagram、Facebook 或 Messenger 入口接觸它，40% 是在 Facebook 或 Instagram 搜索時看到 AI 生成摘要或答案，只有 21% 是去 meta.
ai 或 Meta AI 應用裡輸入問題。入門決定用戶。Meta AI 被放在社交網路，Gemini 被放在搜索，Copilot 被放在辦公軟件。Claude 則更多依賴用戶帶著明確任務進入產品。
這會帶來完全不同的商業後果。Meta AI 可以接觸更廣泛的人群，但用戶意圖更分散，很多互動可能只是順手一問。Claude 的用戶少，但更像帶著工作問題進門，需要更深入，也更容易被轉化為訂閱、API 調用或企業採購。
AI 市場正重演消費互聯網和生產力軟件的舊故事，一邊是巨大流量入門，一邊是高 ARPU（Average Revenue Per User，每用戶平均收入）工具。前者負責覆蓋，後者負責收錢。分水嶺在使使用強度 更關鍵的分層，不只發生成在是否用過 AI 上，還發生成在怎麼用 AI 上。
Ipsos 調查顯示，在過往一週用過 AI 服務的人裡，34% 只用了一天，49% 用了 2 至 5 天，16% 每天都在用。
使用最重的一天裡，62% 只處理一兩個快速任務，32% 多次使用，只有 6% 表示當天大量使用或高度依賴 AI。
這說明美國 AI 普及率看起來已經不低，但多數使用仍很輕度。大量用戶只是把 AI 當搜索框、改寫器、臨時問答機；少數用戶開始把它當工作界面。工作場景同樣如此。在有工作的 AI 用戶中，46% 主要用於個人事務，26% 主要用於工作，25% 工作和個人差不多的；在工作中使用 AI 的人裡，33% 使用雇主付費或提供的服務，50% 使用個人訂閱或免費服務，11% 兩者都能用。
這組數字放在 Claude 的收入畫像旁邊，會有一個更鮮明的判斷，AI 行業的下一輪競爭，很可能圍繞高強度用戶展開。高強度用戶不會只問天氣、寫郵件、總結網頁。他們會把 AI 接進代碼、協同、銷售、研究、投放、採購、客服和數據分析。模型能力差距越大，工具帶來的結果差距越大。
Anthropic 自己的 Project Deal 實驗提供了一個有意思的旁證。實驗中，不同 Claude 模型代理員工在超市場景買賣真實產品。
更強的 Opus 模型作為賣方，平均能為同一件商品多賣 US$2.68；作為買方，平均少付 US$2.45。當 Opus 賣方面對 Haiku 買方，平均成交價為 US$24.18，高於 Opus 對 Opus 交易的 US$18.63。更微妙的是，處在劣勢的用戶並沒有鮮明察覺自己吃虧。
這類實驗規模很小，也發生在公司內部，不能直接推到整個商業世界。但方向很鮮明。
當 AI 開始代表人談判、採購、寫代碼、做研究，模型能力就會變成一種新生產資料。誰用更強的模型，誰更早把模型放進工作流，誰就能得到更好的結果。差距會藏在每一次小決策裡。
對 OpenAI、Anthropic 和廣告主的信號 這份調查對幾家公司的指向不盡相同。對 Anthropic，Claude 的高收入畫像是利好，也是壓力。利好在於，它證明 Claude 已經吸引到一批更可付費、更可高強度使用的用戶。
壓力在於，Claude 仍然太小。3% 的週使用率，支撐不起一個大眾平台生意。Anthropic 需要繼續提高高端用戶價值，同時找到更低門檻的分發方式。
對 OpenAI，ChatGPT 仍是默認入門。它在總體週使用率和高收入人群觸達上都能領先。真正的挑戰是，把規模優勢轉化為更高階的工作流鎖定，避免高價值用戶在代碼、研究、長文檔等場景裡流向 Claude。
對 Meta，Meta AI 的低收入佔比更高，反而說明它接近大眾。它的商業化路徑可能不會像 Claude 那樣靠高價訂閱，而更像廣告、推薦、搜索、容納消費入門的延伸。
對廣告主和企業軟件公司，這是一張早期的用戶地圖。不同 AI 助手背後，可對應不同採購力、不同任務類型、不同轉化路徑。ChatGPT 代表最大默認入門，Claude 代表更高收入和更專業的使用傾向，Copilot 代表辦公軟件裡的企業分發，Gemini 代表搜索和 Google 生態，Meta AI 代表社交網路裡的大眾觸達。
當然，數據也要客觀看待。Epoch AI 在收入分析中說明，Claude 樣本量為 201，Grok 為 221，相較 ChatGPT、Gemini 樣本更小，置信區間更寬；調查是橫截面樣本，使用情況來自自我報告，可能有回憶偏差和錯分群。但趨勢已經足夠鮮明。
AI 不會只按模型能力排序，也會按用戶階層、入門位置、付費意願和工作強度重新排席。過往兩年，行業一直關注誰的模型更強。
接下來，更有價值的問題會變成，誰在使用最強的模型，誰為它付錢，誰把它變成日常工作的一部分。
