夜雨聆风大家好，我是学术圈的一只沙狐。
昨天凌晨，Claude悄悄更新了一个功能：Computer Use——让AI直接"看见"你的电脑屏幕，像人一样点鼠标、敲键盘、操作软件。
什么概念？
就是你可以坐在沙发上，用手机给Claude发一句"帮我把桌上这个文件发到XX群里"，Claude会自己打开你的电脑微信，找到对应的群，把文件发出去。
这不是模拟器，不是API调用，是纯视觉方案——它截图识别你的界面，然后模拟人类操作。
01 一个凌晨更新，补上了AI Agent的最后一块拼图
先说清楚这个功能的意义。
过去一年，AI Agent——包括Claude Code、OpenClaw、Codex——走的是"代码驱动"路线：直接跳过界面，通过API和命令行操作底层。
快、准、可靠。但有一个致命缺陷：它只能操作有接口的东西。
你的微信、剪映、本地PDF阅读器、那些五花八门的桌面软件——没有API，没有CLI版，AI拿它们完全没办法。
Computer Use来补这块拼图的。它让Claude有了"眼睛"和"手"，能操作所有有界面的软件，不需要任何接口。
再配上同期更新的Dispatch——远程控制功能，你可以在手机上给电脑端的Claude发任务——两个王炸一组合，Claude从一个"代码助手"变成了一个真正的通用AI助理。
你可以在手机上说"帮我看看这4个群聊里今天有什么重要消息"，Claude会自己打开电脑微信，逐个群翻消息，然后给你一份总结。
这不是科幻。这是昨天刚刚上线的功能。
02 跟经济学研究有什么关系？关系大了。
说到这，你可能会想：操控微信、发朋友圈，跟我一个搞经济学研究的有什么关系？
关系大了。而且比你想象的深。
先讲一个刚出炉的硬核研究。
2026年，学者Galofré-Vilà在Journal of Comparative Economics上发表了一篇论文，用NLP和网络分析方法，把2000-2024年间TOP5经济学期刊（AER、Econometrica、JPE、QJE、REStud）的全部7628篇文章做了一张知识权力地图。
发现了什么？
超过40%的TOP5论文，至少有一位作者来自Harvard、MIT、Chicago、Stanford、Berkeley这五所大学。
这五所学校的Harvard和MIT，人均WoS引用超过215次。日不落的Oxford？87次。
不止发文量和引用量。论文还画了三张网络图——机构引用网络、作者引用网络、期刊引用网络——结论指向同一个方向：经济学知识生产的核心权力，高度集中在少数精英机构手中。
QJE的历任主编几乎清一色来自Harvard。JPE历任主编多出自Chicago。编委会和审稿人池高度集中于同一批机构。
你可能会说：这不就是"学术圈本就如此"吗？
对，但这篇文章还揭示了一个更微妙的变化：TOP5刊的研究内容在25年间发生了显著的结构性转移。
理论微观经济学的份额在持续萎缩。发展经济学、劳动经济学、公共经济学——那些需要大量数据处理、实证检验、经验证据的领域——在持续扩张。
发展经济学的WoS均引高达205次，高居所有领域榜首。微观经济学只有114.1次，垫底。
经济学正在从"想出一个漂亮的模型"转向"用数据回答一个重要的问题"。
03 这两条线的交汇点在哪里？
Claude的Computer Use，和经济学的实证转向，这两条线在一个点上交汇了：
当"操作工具"的门槛被彻底踏平之后，学术研究的竞争力会重新洗牌。
想想看。Galofré-Vilà的那篇论文，做了什么？
收集7628篇文章的书目数据 → 用NLP分类到10个研究领域 → 构建VOSviewer网络图 → 计算关联力指数 → 画密度热图 → 分析25年的演变趋势。
这个工作量，传统方式下至少需要一个熟练的研究助理全职做三个月。
现在呢？
把文献库喂给Claude，让它做文本分类。把引用数据丢给它，让它跑网络分析。把图表需求描述清楚，让它生成可视化。
三天变三个小时。不是夸张。
而Galofré-Vilà这篇论文的核心发现——"精英机构垄断知识生产"——恰恰是最容易被AI工具改变的事情。
为什么？因为这个垄断的根基之一是资源壁垒：你有博士生团队帮你做数据处理，你有机构订阅帮你获取文献，你有同行网络帮你做审稿和引用积累。
但当Claude能替你做数据分析、替你跑回归、替你做文献综述——资源壁垒被技术平权了。
一个没有博士生团队、没有名校资源的研究者，现在可以用AI工具完成过去需要整个实验室才能搞定的工作量。
这不意味着名校优势会消失——学术声誉、导师网络、期刊关系这些"软壁垒"仍然存在。但硬技术层面的差距正在被迅速压缩。
04 真正应该紧张的不是普通研究者
回到标题。我说"守门人该紧张了"，不是在说他们会被淘汰。
我是在说，当执行门槛被踏平之后，"守门人"的权力基础在动摇。
Galofré-Vilà论文里有一句话很扎心：
"编委会与审稿人池高度集中于同一批机构，这种守门人高度集中的局面，又会反过来强化这些机构在引用网络中的关键地位。"
换句话说，TOP5的"精英垄断"部分是自我强化的循环：名校学者→担任编委→倾向接受自己圈子的人→圈子越来越大→继续担任编委。
Computer Use和相关AI工具能做什么？它不能直接打破这个循环。但它能做到一件同样重要的事：让圈外的人有能力做出不输圈内人的研究质量。
当你的数据处理不依赖名校的实验室，当你的文献综述不依赖名校的图书馆订阅，当你的计量代码不依赖名师的手把手教学——你申请基金、投递论文时的竞争力，不再完全由你的机构标签决定。
这是一个缓慢的、不可逆的过程。
05 该怎么做？
具体到经管硕博，我的建议跟之前一致，但今天可以多加一条：
今晚就试一件事：打开Claude（或任何AI编程助手），把你正在做的数据处理任务，用自然语言描述给它，看它能帮你做到什么程度。
不用想太远。就试一下。
然后你会对"AI能在研究中帮你做什么"有一个非常具体的感知——这个感知，比读一百篇"AI改变学术"的评论文章都有用。
至于更深层的问题——AI会不会让经济学研究变得同质化？当所有人都能用AI跑出漂亮的回归结果，区分一篇好论文和一篇平庸论文的标准会变成什么？
这些我会在后面慢慢聊。今天先把消息传到：工具已经变了，变化的速度比你以为的快。
参考文献：
[1] Galofré-Vilà, G. (2026). Network analysis of "top-five" economics journals. Journal of Comparative Economics.
[2] Claude Computer Use & Dispatch 更新（2026年3月），来源：数字生命卡兹克公众号。
