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」。

就在最近，一份由 OpenAI 与哈佛大学、杜克大学联合完成的研究报告横空出世，名字平淡无奇：《How People Use ChatGPT》。但别因为标题忽视了——这可能也是迄今最全面的一份「AI 使用报告」，研究者们不靠问卷、不靠臆测，而是直接抽样了超过百万条真实对话，把 ChatGPT 用户的日常使用习惯剖了个底朝天。

这份报告的特别之处，在于真刀真枪的数据和研究：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，采用 LLM 自动标注与隐私保护管线处理。换句话说，研究者本人从头到尾没看到任何用户原始消息，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。

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，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。

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。

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，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。

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、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。

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。