大模型浪潮中，编码智能体（如Claude Code、Codex）被寄望于变革科研工作流，但真实采纳率远低于预期。Anthropic一项针对1260名定量社会科学家的调查揭开了这层“热望”下的冷现实：尽管81%的受访者曾使用过AI聊天机器人，但仅有20%将编码智能体常规应用于日常研究。这一落差提示，技术赋能科研的“最后一公里”仍存在结构性阻碍。

更值得关注的是采用率的分化效应。调查显示，以男性名字命名的研究者使用编码智能体的比例是女性研究者的两倍；来自顶尖大学的研究者采用可能性高出40%。这意味着编码智能体不仅未能弥合既有学术资源差距，反而在性别与校际维度上放大了数字鸿沟。早期采用者产出更多工作论文和基金申请，但Anthropic审慎指出，这更可能反映早期采用者自身的科研活跃度差异，而非编码智能体的直接因果贡献。

在认知层面，研究者对AI助力撰写可发表论文持乐观态度，但对AI“重塑整个社会科学领域”则保留明显。这种矛盾的判断背后，是编码智能体当前主要停留在“效率工具”定位——能加速编码、数据清洗，却难以触及理论建构、研究设计等核心创造性环节。学科本身的定量特性越强，对编码智能体的接纳度越高，但社会科学的人文底色仍对“自动化”持有戒心。

从行业视角看，编码智能体的低渗透率与聊天机器人的高使用率形成鲜明对比。聊天机器人门槛极低，自然语言交互使其可即插即用；而编码智能体要求用户具备编程基础与调试能力，这天然将大量非技术背景的社会科学家挡在门外。若是学术工具开发者，当务之急并非一味叠加功能，而是降低使用门槛——例如提供预设模板、自然语言转代码的桥接界面，并针对不同学科定制“零编码”工作流。同时，针对女性研究者与资源薄弱院校的专项培训与社区扶持，可能比单纯的技术迭代更能推动公平采纳。

Anthropic将此次调查定性为“初步研究”，更深层的因果分析仍在进行。但已释放的信号清晰：编码智能体在社科领域的普及远非“装上即用”，它受制于技术素养、资源分配、学科文化等多重变量。未来两三年，若工具能实现“去程序员化”，同时被证明对研究质量有可量化的增益，20%的渗透率可能迎来跃升。在此之前，行业更应关注如何避免“精英工具”进一步固化学术阶层。