就在最近 ，亿人用报一份由 OpenAI 与哈佛大学 、使识都杜克大学联合完成的告首关于研究报告横空出世 ，名字平淡无奇 ：《How People Use ChatGPT》。曝光但别因为标题忽视了——这可能也是亿人用报迄今最全面的一份「AI 使用报告」 ，研究者们不靠问卷 、使识都三角洲科技辅助发卡网不靠臆测 ，告首关于而是曝光直接抽样了超过百万条真实对话 ，把 ChatGPT 用户的亿人用报日常使用习惯剖了个底朝天。
这份报告的使识都特别之处 ，在于真刀真枪的告首关于数据和研究 ：样板涵盖 2024 年 5 月至 2025 年 6 月的消费者版 ChatGPT ，对话量级达到 150 万条以上 ，曝光采用 LLM 自动标注与隐私保护管线处理 。亿人用报换句话说 ，使识都研究者本人从头到尾没看到任何用户原始消息 ，告首关于但依旧能抽丝剥茧 ，整理出一份全球 AI 对话使用的真实样貌。
图片来源：OpenAI
报告披露 ，截至 2025 年 7 月 ，ChatGPT 周活用户数突破 7 亿 ，约占全球成年人口的十分之一 ，周消息量达到惊人的 180 亿条 。这个体量，发卡网自动发卡平台毫无疑问都是目前规模最大的 AI 应用 ，也在很大程度上代表 AI 应用的探索进程 。
这也引出了一个耐人寻味的问题 ：当这么多人在生活和工作中使用 AI ，它们究竟在用它干什么？答案可能会彻底推翻你的主观印象。
很多媒体在报道这份研究时 ，喜欢用一句话概括：非工作用途占比飙升到七成以上，来表明 ChatGPT 日常化的趋势 。但如果只停留在这个结论，其实有点可惜 ，因为这份论文真正的价值 ，不在于告诉我们 ChatGPT 用户在干什么，而在于揭示了 AI 对话使用正在形成怎样的规律，以及它与我们想象的落差。
第一个被推翻的刻板印象就是 ，用户更多用 AI 加工 ，而非从零生成 。
研究显示 ，编程相关的对话仅占 4.2%，而写作类任务在职场相关对话里却占到四成 。这当然也因为更多 AI 编程工作集中 IDE /代码编辑器等实际工作场景中 ，但说明了写作类任务的51发卡网平台重要性。
更关键的是 ，这些写作任务里有三分之二并非「从零生成」 ，而是「加工」——改写 、润色 、翻译或优化逻辑 。换句话说 ，更多用户并不是把 ChatGPT 当成一个「自动写手」 ，而是帮他们把已有内容打磨得更好 。这种「改写型」使用场景 ，正好契合写作的痛点 。
第二个亮点 ，是意图的分布 。
图片来源：OpenAI
论文也把用户动机拆解为三类 ：Asking（问）、Doing（做） 、Expressing（表达）。总体上 ，「问」的占比最高（51.6%） ，「做」次之（超过三成） ，表达最少（仅一成） 。但在工作相关场景中 ，情况发生了逆转 ：做跃升为 56% ，写作又是自动发卡网大全最主要的「做」。
这也透露出在生活中，人们更多把 AI 当作一个「百科+顾问」；而在工作里，它更像一个「生产力外包」 。这种分工其实直击产品设计的要害——AI 应用要同时满足「决策支持」与「直接产出」的双重角色，而不是非此即彼 。
第三个值得注意的细节是人群画像的变化 。
论文指出 ，虽然 ChatGPT 推出初期的用户以男性为主（约占八成） ，但到 2025 年中期 ，女性用户（52%）占比已经抹平甚至略微超越男性 ，并且在使用需求上有明显差异。
图片来源：OpenAI
并不意外的是 ，年轻人面对 AI 展现了更强的接受能力，26 岁以下用户贡献了近半数消息。但让人意外的是 ，ChatGPT 用户增长更快的地区来自中低收入国家 。这也意味着，ChatGPT 的用户画像越来越接近全球人口的平均分布 。而对于 AI 产品来说，这不仅是规模问题，更是功能与交互设计的挑战 。
第四个亮点 ，258发卡网是和工作活动的对应 ：担当「决策外挂」 。
研究团队把对话内容映射到美国劳工部 ONET 的工作活动分类 ，发现 ChatGPT 被用得最多的三类是「决策与问题求解」「记录信息」和「创造性思考」 。这也在一定程度上戳破了「AI 抢饭碗」的焦虑 ：它更像是为人的大脑装了一个「决策外挂」 ，帮你更快、更全面地考虑问题 。
取代人不是主线 ，增强人类决策和创意实现 ，才是更真实的故事 。
图片来源 ：雷科技
最后还有一个容易被忽略的趋势：用户满意度。
研究用自动化方法标注「好互动」与「坏互动」，结果发现「好」的增长远快于「坏」 ，到 2025 年中期 ，正向互动是负向互动的四倍 。这说明，模型的进步并非停留在实验室 benchmark ，同时也在实际对话中被用户直接感知到 。
这些细节组合在一起 ，勾勒出一个清晰的画面 ：AI 事实上正在成为全球用户的「写作助手」「生活顾问」和「决策副驾」 。它不是替代人 ，而是帮助人把已有的内容、想法和决策做得更顺滑 、企业级自动发卡平台更有把握 。这可能才是这份研究真正的价值所在 。
这份关于 ChatGPT ，表面看是对用户习惯的描摹 ：非工作场景增长更快，写作是职场核心用途，年轻人和新兴市场正在加速渗透 。但真正值得关注的 ，并不是这些数字本身，而是它们背后折射出的一个更重要的问题——厂商和开发者该如何重新思考 AI 应用的形态。
报告清晰地揭示 ，大多数写作相关任务不是让 AI 从零开始 ，而是对已有文本进行加工和优化。这和很多开发者 、研究者的使用习惯不谋而合：他们并不奢望 AI 写出终极答案，而是希望它帮自己省去修改 、润色、修补的低效环节 。
开发者问答社区 Stack Overflow 的调查也指出，大部分开发者虽然都在用 AI ，但最常见的应用也不是复杂的系统开发 ，而是免费发卡网注册代码片段生成 、错误解释 、文档写作 。
对产品来说 ，这意味着入口设计要更贴合真实需求 ，与其在界面正中摆出一个「空白输入框」，不如优先提供粘贴 、批注 、差异对比等功能，让 AI 真正成为一个「增强器」，补齐碎片化需求 ，而不是全面替代专业软件。
图片来源 ：豆包
最直接的一个例子可能就是 Google 的 Nano Banana（Gemini 2.5 Flash 图像模型） ，很多设计师都在向如 Adobe 等专业设计软件厂商发声 ，事实上 Adobe、Figma 也确实迅速宣布了将 Nano Banana 引入 Photoshop 等软件 。
当然 ，不同人群对 AI 的期待截然不同 ：新手用户需要结构化模板 、语气选择 、逐步引导 。而熟练用户则需要快捷命令 、自定义工具链 ，甚至是发卡网哪个平台好深度集成的 API 。简言之 ，伴随用户画像的多样化 ，如果应用不能分层提供体验 ，很可能会出现要么太复杂、要么太浅薄的两难局面。
从更大的层面看，很多企业反复强调的「流程嵌入」也是 AI 大规模应用的核心之一，ChatGPT 的报告也指出了 AI 的高频使用并不等于高信任。用户愿意依赖 AI 的前提 ，是结果能被验证 、能被追溯 ，能融入组织已有的合规体系 。这要求 AI 应用在产品最初就考虑好数据来源标注 、版本对比 、结果审计等机制 ，而不是事后补丁 。
更重要的是 ，不要止于炫技。今天 AI 应用已经从「炫技」进入「打磨」的阶段 。对开发者和厂商来说，现在的关键不是证明模型能写出多复杂的代码或文章 ，而是发网专业发卡平台如何在真实场景下 ，让用户更快、更安全 、更普遍地把它用起来。真正的赛点 ，已经从模型本身 ，转向了体验、信任和普惠 。
从 OpenAI 的研究切入 ，我们可以初步看到 ChatGPT 的真实使用面貌 ：使用AI写作 、获取信息 、做决策。而在这些背后 ，指向的并非简单的数字 ，还有一个更本质的命题——AI 产品到底应该长成什么样子 。
正如报告所揭示的那样 ，至少现阶段用户更多把AI看作一种「增强」而非「替代」，需要降低摩擦的体验，而不是炫技式的模型展示 。应用如果不能在入口、交互 、信任和普惠性上持续打磨 ，就难以真正融入用户的信誉赛车平台日常 。对所有人来说 ，AI 已经从一场技术竞赛 ，转向一场设计与体验的考验。
更值得思考的是，当全球数亿人每天都在与 AI 对话 ，我们正在见证一种新的「人机交互」逐渐成为习惯。它会如何改变一切？这是摆在所有人面前的开放问题 。AI 的未来走向 ，也许并不由技术本身决定，而是由人们究竟愿意如何使用它所决定。
本文来自“雷科技” ，36氪经授权发布 。
(责任编辑：热点)