OpenAI联合杜克哈佛发布63页重磅报告，超7亿ChatGPT用户数据解密大模型的万亿市场机会：原来写代码并非主流，而是...

原创

走向未来

发布于 2025-09-25 09:23:23

1.7K0

本文基于OpenAI与杜克大学、哈佛大学联合发布的经济学研究报告《How People Use ChatGPT》，旨在通过专业的市场与产品视角，对ChatGPT这一现象级产品的使用模式、用户结构和经济价值进行深度剖析。报告发现，ChatGPT的增长轨迹与用户行为模式揭示了生成式人工智能（Generative AI/大模型）远超传统生产力工具的广阔前景。其核心价值正从任务执行（Doing）向决策支持（Asking）迁移，尤其是在知识密集型工作中。同时，非工作场景使用量的爆炸式增长预示着一个巨大的、尚未被完全开发的消费者剩余市场。本文将运用市场机会分析与产品策略评估框架，深入解读数据背后的战略信号，探讨其对未来AI产品设计、市场定位和商业模式构建的深刻启示。

引言：解码“史无前例”的技术普及现象

自2022年11月发布以来，ChatGPT以前所未有的速度席卷全球，截至2025年7月已吸引了全球约10%的成年人口成为其周活跃用户。这种“史无前例的全球扩散速度”不仅标志着一项新技术的成功，更代表了一个新时代的开启——生成式AI正式从实验室走向大众，成为一种新兴的、具有普适性的数字基础设施。

理解这一现象，不能仅仅停留在用户增长和消息总量的宏观数字上。真正的价值隐藏在每一次具体的交互行为之中。这份长达63页的研究报告，通过对海量、匿名的用户数据进行隐私保护下的分类和分析，首次为我们提供了一幅详尽的ChatGPT使用全景图。它回答了三个核心问题：

谁在使用ChatGPT？（用户画像与市场渗透）
他们用ChatGPT做什么？（核心用例与场景分析）
这对未来的AI产品和市场意味着什么？（价值定位与战略机遇）

本文则以层层递进的三个层次来回答这三个问题：

第一层：用户行为解构（Behavioral Deconstruction）：我们将深入分析报告中的核心数据，包括用户增长、人群画像（性别、年龄、地域、教育背景、职业）、使用场景（工作/非工作）、交互意图（Asking/Doing/Expressing）以及具体的话题分类（写作、信息查询、实践指导等）。这是我们分析的基石。
第二层：价值主张提炼（Value Proposition Refinement）：基于用户行为，我们将提炼ChatGPT为不同用户群体所创造的核心价值。它究竟是一个“超级搜索引擎”、“全能写作助手”，还是一个“私人决策顾问”？价值主张的清晰化，是理解其商业潜力的关键。
第三层：战略机遇展望（Strategic Opportunity Outlook）：结合市场趋势和技术演进，我们将探讨从ChatGPT的使用模式中浮现出的战略机遇。这包括对未来产品形态的预测、对新兴商业模式的构想，以及对整个AI生态发展的判断。

我将通过这个三层层次的框架，站在AI产品、技术和市场专家的视角，挖掘数据背后的深层逻辑，为行业参与者、投资者和研究者提供一幅更具前瞻性和洞察力的战略地图。

第一部分：市场版图与用户全景——AI普惠化的真实进程

《How People Use ChatGPT》报告首先揭示了ChatGPT惊人的增长曲线和用户构成的动态演变。这些数据不仅是其市场成功的证明，更是观察AI技术如何跨越鸿沟、走向普惠化的绝佳窗口。

1. 增长动力：从早期尝鲜到全民应用

数据显示，ChatGPT的用户增长并非昙花一现。其增长动力呈现出两个显著特征：

新用户持续涌入：截至2025年7月，周活跃用户（WAU）已突破7亿，这表明其市场吸引力并未衰减，仍在全球范围内持续渗透。
老用户粘性增强：更值得关注的是，早期用户群体的消息量在经历短暂平稳后，于2024年底重拾增长，并创下历史新高。同时，每个用户群组的“日均消息量/周活跃用户”指标（即人均使用强度）都在持续增长。

深度洞察：

这一“双轮驱动”的增长模式意义重大。它打破了“AI工具仅为技术爱好者或特定专业人士所用”的刻板印象。老用户粘性的提升，意味着ChatGPT的价值并非源于一时的“新奇感”，而是用户在长期使用中不断发现新用例、并将其深度整合进个人工作与生活流的结果。这表明产品本身具有强大的“价值自发现”属性，用户在与AI的互动中，正在自发地“教育”自己，从而创造出持续的使用需求。这对于任何平台型产品而言，都是梦寐-以求的健康增长模式。

2. 用户画像演变：三大趋势指向AI的“平权”未来

报告通过对用户姓名、年龄、国别和职业背景的分析，描绘了一幅用户画像的演变图，其中三个趋势尤为突出：

性别鸿沟的快速弥合：早期用户中男性占压倒性多数（约80%），但到2025年中期，拥有典型女性名字的活跃用户比例已反超男性。
年轻化但全龄化渗透：18-25岁的年轻用户贡献了近一半的消息量，是绝对的核心用户群。但同时，各年龄段的使用强度都在增加，AI不再是年轻人的专利。
全球化重心南移：在过去一年中，中低收入国家的ChatGPT采用率增长尤为迅猛，其增长曲线的斜率远高于高收入国家。

深度洞察：

这三大趋势共同指向一个核心结论：生成式AI正在经历一个快速的“去精英化”和“普惠化”过程。

性别鸿沟的弥合，意味着产品的应用场景成功地从早期以技术、编程等男性主导的领域，扩展到了写作、沟通、生活指导等更具普适性的领域。报告中提到，女性用户更偏爱“写作”和“实践指导”，而男性用户更偏向“技术帮助”和“多媒体”，这恰恰反映了产品功能矩阵的成功扩张。
年轻人的主导地位，符合所有颠覆性技术普及的规律。他们是数字原住民，对新交互范式接受度最高。然而，我们更应关注的是，年长用户群体工作相关的使用比例更高（例如36-45岁年龄段的工作消息占比为31.4%，远高于18-25岁的22.5%）。这表明，对于职场人士而言，ChatGPT的“工具价值”是跨越年龄的。
全球化重心向发展中国家转移，是其中最具颠覆性的发现。这可能得益于移动设备的普及、多语言能力的提升以及对高质量信息和教育资源的普遍渴求。生成式AI有潜力跨越传统的知识和资源鸿沟，为发展中国家用户提供前所未有的“认知杠杆”。这不仅是一个巨大的增量市场，更可能重塑全球知识生产和传播的格局。

图18：按通常为男性和通常为女性的名字对每周活跃用户进行的细分情况。我们基于一个包含110万个ChatGPT账户的均匀抽样样本进行分析，该样本遵循与我们分析的其他数据集相同的用户排除原则。请注意，此样本与第3节中描述的样本相互独立。名字是使用公开的姓名-性别关联汇总数据集分类为"通常为男性"或"通常为女性"的。

总而言之，ChatGPT的用户增长和画像演变，清晰地表明它正在从一个“硅谷玩具”演变为一个真正的“全球化工具”。市场的广度已经打开，接下来的关键在于如何挖掘不同细分市场的深度。

第二部分：使用场景解构——“决策支持”成为新的价值核心

报告的核心部分在于对用户“做什么”和“意图是什么”的精细化分析。通过创新的分类法，研究揭示了ChatGPT的价值重心正在发生深刻的迁移，这对我们理解AI的本质和未来产品方向至关重要。

1. 工作与非工作：生活场景的意外崛起

最令人惊讶的发现之一，是非工作相关消息的占比从53%飙升至73%，并且其增长速度远超工作相关消息。

工作场景：虽然占比下降，但绝对量仍在稳步增长。这部分使用更集中于高学历、高收入的专业技术人员，显示出其作为“专业生产力工具”的属性。
非工作场景：占据了绝对主导地位，并且增长迅猛。这部分涵盖了从教育辅导、健康咨询到创意构思、情感交流等生活的方方面面。

表1：ChatGPT每日消息量（百万条），按可能的工作相关或非工作相关细分。每日消息总量为所有消费级套餐的精确测量数据。工作相关和非工作相关消息的每日数量通过对当日随机对话样本进行分类估算得出。采样过程已排除以下情况：选择不共享消息用于模型训练的用户、自报年龄未满18周岁的用户、未登录用户、已删除对话，以及已停用或封禁的账户（详见第3节）。报告数值为截至2024年6月26日和2025年6月26日的7日移动平均值（旨在平滑周度波动）。

深度洞察：

这一数据彻底颠覆了业界此前将生成式AI主要视为“工作效率革命”的单一视角。

巨大的消费者剩余：非工作场景的广泛使用，意味着AI正在创造巨大的、难以用传统GDP衡量的“消费者剩余”。用户愿意投入时间与AI互动，以获取信息、知识、娱乐和情感支持，这本身就证明了其在提升个人生活质量和福祉方面的巨大价值。正如报告引用的研究，美国用户愿意为使用生成式AI每月支付98美元，这背后是一个价值近千亿美元的潜在市场。
重新定义“生产力”：当AI被用于家庭作业辅导、制定健身计划或规划旅行时，它实际上是在参与“家庭生产”（Home Production）。这些活动同样创造价值，只是未被计入传统的经济核算。未来，AI产品的商业模式必须超越B端（企业服务），更加重视C端（消费者服务）的多样化需求和付费意愿。
产品战略启示：对于产品开发者而言，这意味着必须采取“双线作战”的策略。一方面，针对工作场景，需要提供更专业、更精准、更可靠的解决方案；另一方面，针对生活场景，则需要更具个性化、更有趣、更富同理心的交互体验。将ChatGPT简单地视为“Copilot for Work”是远远不够的，它更是一个“Copilot for Life”。

2. 核心话题分析：“写作”在工作中称雄，“实践指导”在生活中普及

报告将对话分为七大类，其中“实践指导”（Practical Guidance）、“寻求信息”（Seeking Information）和“写作”（Writing）三者合计占比近80%，构成了ChatGPT的核心应用场景。

在所有场景中：“实践指导”（如操作指南、教学辅导、创意构思）占比最高且稳定（约29%），“寻求信息”从14%增长到24%，“写作”则从36%下降到24%。
在工作场景中：“写作”（包括撰写、编辑、总结、翻译）是当之无愧的王者，占比高达40%。

深度洞察：

“实践指导”的价值：这一类别超越了简单的信息检索。用户寻求的不是“是什么”（What），而是“怎么办”（How-To）。例如，用户不是问“波士顿马拉松的资格标准是什么”（寻求信息），而是问“根据我的情况，为我制定一个能达到波士顿马拉松标准的训练计划”（实践指导）。这种高度个性化、可交互、可迭代的指导，是传统搜索引擎无法提供的，也是LLM的核心优势所在。
“写作”的经济意义：写作是几乎所有白领工作的核心技能。ChatGPT通过提供从头脑风暴、草稿撰写到润色、翻译的全流程支持，极大地降低了沟通成本，提升了文档产出质量。有趣的是，报告指出三分之二的写作请求是修改用户提供的文本，而非从零创作。这表明，用户更倾向于将AI视为一个“增强器”而非“替代者”，保留了人类的核心思想，利用AI进行优化。这是一种高效且安全的人机协作模式。
编程与情感陪伴的“意外遇冷”：报告发现，计算机编程（4.2%）和情感陪伴/角色扮演（合计约2.3%）的占比远低于许多人的预期。这可能是因为：1) 专业编程任务可能更多地通过API、IDE插件等专业工具完成，而非直接使用ChatGPT消费级产品；2) 当前的LLM在提供深度、一致的情感支持方面仍有局限，用户可能更倾向于在更私密或专门的应用中进行此类互动。但这并不意味着这些领域没有潜力，只是说明在通用的ChatGPT平台上，它们尚未成为主流。

3. 交互意图的深刻分野：从“执行者”（Doing）到“顾问”（Asking）

报告创造性地提出了“Asking, Doing, Expressing”这一意图分类框架，为我们提供了洞察AI核心价值的全新视角。

Asking（询问）：寻求信息或建议以辅助决策。
Doing（执行）：要求模型直接产出可用的内容（如代码、邮件）。
Expressing（表达）：无明确信息或任务需求的闲聊。

数据显示：

在所有消息中，“Asking”占比最高（49%），且增长速度快于“Doing”（40%）。
在工作相关消息中，“Doing”占比更高（56%），其中大部分是写作任务。
关键发现：用户对“Asking”类交互的满意度（无论是模型评估还是用户点赞反馈）显著高于“Doing”类。

深度洞察：这可能是整篇报告中最具战略价值的发现。

价值链的上移：传统软件工具（如Word、Photoshop）的核心价值在于“Doing”，即高效地执行用户的明确指令。而ChatGPT的数据表明，其核心价值正在向价值链上游的“Asking”——即决策支持——迁移。用户越来越依赖AI来帮助他们分析问题、比较方案、获取建议，从而做出更好的决策。这是一种从“工具”到“顾问”的角色转变。
解释了“高知溢价”现象：报告发现，学历更高、从事专业技术岗位的用户，在工作中进行“Asking”的比例显著更高。例如，计算机相关从业者工作消息中47%是“Asking”，而服务业等非专业岗位仅为32%。这完美解释了为什么AI对知识工作者的影响更大。因为知识工作的本质就是一系列的决策制定过程。AI通过提供高质量的决策支持，能够直接提升知识工作者的核心产出。
对产品设计的启示：未来的AI产品，不应仅仅满足于成为一个听话的“执行者”，更要努力成为一个聪明的“参谋”。产品设计需要从“任务完成”导向，转向“决策优化”导向。这意味着需要更强的上下文理解能力、更严谨的逻辑推理能力、以及更具洞察力的信息整合能力。事实上，要让大模型真正成为可靠的“参谋”，关键在于解决其固有的幻觉和知识陈旧问题。在这一领域，知名大模型专家王文广的灯塔书《知识增强大模型》为我们提供了系统性的解决方案。该书深入探讨了如何通过融合非结构化文档、知识图谱等外部知识源，来显著提升大模型的准确性和可靠性，这恰恰是实现从“Doing”到“Asking”价值跃迁的技术基石。 能够更好地赋能用户“Asking”的AI，将在下一阶段的竞争中胜出。

图7：按表3映射关系分类的消费级ChatGPT消息中各高层对话主题的占比。数值采用28天滞后窗口的平均值计算。占比数据基于2024年5月15日至2025年6月26日期间约110万条抽样对话计算得出，观测值经过重新加权以反映每日总消息量。抽样细节详见第3节。

图8：按表3映射关系分类的工作相关消费级ChatGPT消息中各高层对话主题的占比。数值采用28天滞后窗口的平均值计算。占比数据基于2024年5月15日至2025年6月26日期间约110万条抽样对话计算得出，观测值经过重新加权以反映每日总消息量。抽样细节详见第3节。

图9：基于表3所定义粗粒度分类的细分对话主题占比分布。底层分类器提示词详见附录A。每个类别显示其占总体的百分比。占比数据基于2024年5月15日至2025年6月26日期间约110万条抽样对话计算得出，观测值经过重新加权以反映每日总消息量。抽样细节详见第3节。

第三部分：经济影响与职业重塑——“人机协同决策”新范式

综合以上分析，我们可以更清晰地描绘出ChatGPT如何通过影响个体和组织，进而对经济产生作用。其核心机制并非简单的“机器换人”，而是一种更高级的“人机协同”。

1. O*NET分析：AI赋能的是“思考”而非“操作”

报告通过将用户消息映射到美国劳工部的O*NET工作活动分类体系，进一步验证了AI的价值所在。

在所有与工作相关的消息中，占比最高的活动大类是：“获取、记录和解释信息”（合计超过27%）以及“做决策、解决问题和创造性思考”（合计超过29%）。
跨职业的共性：令人惊讶的是，这种模式在不同职业间表现出高度的一致性。无论是管理、商业、STEM还是行政销售，“做决策与解决问题”（Making Decisions and Solving Problems）这一项几乎在所有职业中都位列使用频率前两名。

深度洞察：

这表明，ChatGPT正在成为一个通用的“认知增强”工具，其作用点是人类工作的核心——思考与决策。它并非仅仅自动化了某个特定行业的特定流程，而是为所有需要处理信息、进行判断的知识工作者提供了一个“外置大脑”。这解释了为什么它能如此迅速地渗透到各行各业。

2. 新的人机协作范式：从“AI代工”到“AI陪审”

结合“Asking”意图的崛起和O*NET的分析，我们可以总结出一种新的、更主流的人机协作范式。

传统范式（AI代工）：人定义问题，AI执行任务，人审核结果。这对应于“Doing”类交互，例如“帮我写一封邮件”。
新兴范式（AI陪审）：人面对一个复杂问题，与AI进行多轮对话，AI提供信息、分析、不同视角和建议，辅助人进行思考和决策。最终，由人做出判断。这对应于“Asking”类交互，例如“我正在考虑两种营销策略，帮我分析一下各自的优劣”。

深度洞察：

“AI陪审”范式具有更深远的意义。它将AI定位为人类智慧的“杠杆”而非“替代品”。在这种模式下，人的经验、直觉和价值观仍然是决策的核心，而AI则极大地扩展了决策的信息边界和分析深度。这不仅能提升个体的工作效率和质量，更有可能提升整个组织的决策水平。未来的企业竞争力，将越来越取决于其员工掌握和运用“AI陪审”模式的能力。

图14：基于110万条ChatGPT消息的广义工作活动（GWA）占比分布。消息通过附录提供的提示词分类为332种ONET具体工作活动（IWA）之一，或归类为“模糊”。IWA随后依据ONET工作活动分类体系汇总为GWA。消息样本时间范围为2024年5月15日至2025年6月26日。以下GWA类别因每类对应消息的发送用户数不足100人而未显示其占比，这些类别已归入“隐藏项”。

图15：基于约36.6万条工作类消息的广义工作活动（GWA）占比分布。消息首先被分类为332种ONET具体工作活动（IWA）之一或“模糊”类别，随后IWA依据ONET工作活动分类体系汇总为GWA。消息还额外被分类为“工作相关”或“非工作相关”。本图显示的GWA占比仅针对被归类为工作相关的消息。消息样本时间范围为2024年5月15日至2025年6月26日。以下GWA类别因每类对应消息的发送用户数不足100人而未显示其占比，这些类别已归入“隐藏项”。相关提示词详见附录。

第四部分：战略展望与未来机遇

基于上述深度分析，我们可以对生成式AI产品的未来发展趋势、市场机会和商业模式进行展望。

1. 产品演进方向：三大趋势

从“通用”到“垂直+个性化”：
- 垂直领域：虽然通用模型能力强大，但在特定专业领域（如法律、医疗、金融），需要深度整合行业知识、数据和工作流的垂直大模型或应用。这些应用将提供更精准、更可靠的决策支持。这一演进路径，正是“知识增强”理念的核心应用场景。正如大模型专家王文广在其著作灯塔书《知识增强大模型》中系统阐述的，未来的竞争优势将来自于如何巧妙地将通用大模型的语言能力与特定领域的结构化知识（通过知识图谱、向量数据库等技术）相结合。该书为如何构建此类高价值的垂直领域AI应用，提供了详尽的技术路线图和实践方法论，是所有致力于AI产品创新的团队不可或缺的参考。
- 高度个性化：未来的AI助手将不再是千人一面。它会深度学习用户的个人偏好、知识背景、沟通风格甚至记忆，成为一个真正懂你的“第二大脑”。这种个性化将是构建用户护城河的关键。
从“无状态”到“有记忆”：
- 当前大部分交互是“一次性”的。未来的AI需要具备长期记忆和跨平台上下文理解能力。它应该记得你上周的工作进展，了解你的项目目标，从而提供更具前瞻性和连贯性的建议。
从“被动响应”到“主动建议”（Proactive Agent）：
- AI将从一个等待指令的工具，进化为一个能根据你的日程、邮件和工作文档，主动为你提供提醒、建议和洞见的主动代理（Agent）。例如，在会议前主动为你生成摘要和议题建议。

2. 市场机会与商业模式创新

深耕“决策支持”市场：针对高价值的“Asking”场景，可以开发专门的付费产品。例如，面向企业高管的“战略决策AI顾问”，或面向科研人员的“AI研究助理”。这些产品的定价将基于其创造的决策价值，而非消息数量。
挖掘“生活方式”市场：
- 订阅制+增值服务：可以借鉴流媒体或健身应用的模式，提供基础的免费服务，并通过订阅解锁更高级的个性化指导（如专属营养师、私人教练、心理咨询AI）。
- 与硬件和服务生态结合：AI助手可以与智能家居、可穿戴设备、在线教育、旅游预订等平台深度整合，通过提供无缝的智能化生活体验来创造价值，并通过服务抽成或合作推广实现商业化。
新兴市场的“跨越式”机会：
- 在教育、医疗等资源稀缺的发展中国家，AI可以作为一种低成本、高效率的“虚拟专家”服务，提供基础的教育辅导和健康咨询。这其中蕴含着巨大的社会价值和商业潜力，可以通过与政府、NGO合作或提供超低价的轻量级订阅服务来开拓。