> 来源：UsefulAI（实用 AI / Useful AI）— https://usefulai.cloud/insights/openai-chatgpt-global-usage/
> 作者：CarryChang · 最近更新：2026-09-13 · 语言：zh-CN

[实用 AI 指南](https://usefulai.cloud/) › [深度阅读](https://usefulai.cloud/insights/)

OpenAI
ChatGPT
使用数据

# OpenAI 第一次把家底摊开：全球都在用 ChatGPT，但用在了不同的事上

OpenAI 联合哈佛经济学家 David Deming，基于 150 万条对话样本发布了迄今为止规模最大的 ChatGPT 消费级使用研究。这不是一份公关稿式的用户数字播报，是一份写进 NBER（美国国家经济研究局）工作论文的正式研究，数据颗粒度细到"人们在用 ChatGPT 问、做、还是纯粹表达"。我认为这份报告最有价值的地方，不是"多少人在用"，是它把使用行为拆成了三种性质不同的类别，而三者的增长速度并不一样。

**我的立场：**行业里谈 ChatGPT 的价值时，习惯性聚焦在"帮你完成任务"这个叙事上（写代码、写文案、做分析）。但这份数据显示，真正占比最大、增长最快的类别是"Asking"——把 ChatGPT 当顾问用，寻求建议和信息，而不是让它代劳执行。这个发现如果成立，意味着行业对"AI 生产力工具"的价值判断框架本身可能是偏窄的，AI 更大的经济价值一部分来自"帮你想清楚"，不完全是"帮你做完"。

### 三分法：Asking、Doing、Expressing

报告把使用模式拆成三类：**Asking（约 49%）**——用户向 ChatGPT 提问、寻求建议，把它当成一个可以随时咨询的顾问，这类用法评分最高、增长最快；**Doing（约 40%）**——任务导向的交互，包括起草文本、做计划、写程序，让模型去产出成果或完成具体工作，其中约三分之一发生在工作场景；**Expressing（约 11%）**——既不是提问也不是执行任务，通常涉及个人反思、探索和娱乐性使用。**这个三分法本身就是对"AI=生产力工具"这个默认叙事的一次纠偏**：接近一半的使用行为，价值不体现在"产出了什么"，而体现在"帮用户想清楚了什么"，这部分价值传统的生产力统计口径基本捕捉不到。

### 工作与生活的分野：70% 用在了工作之外

报告的另一个关键数字：**约 30% 的消费级使用与工作相关，约 70% 与工作无关**，且两个类别都在持续增长。三大主题——实用指导、信息查询、写作——加起来占了四分之三的对话，其中写作是最常见的工作类任务，编程和自我表达类使用相对小众。有意思的是，工作场景下的使用模式和非工作场景明显不同：**在工作相关的对话里，执行类任务（写作、编辑、分析）的占比超过 50%，是非工作场景的两倍以上**——工作场景更偏向"帮我做完这件事"，非工作场景更偏向"帮我了解/想清楚这件事"，这也印证了三分法背后的场景差异不是随机的，是两种完全不同的使用心态。

### 全球增速不均：低收入国家的增长速度是高收入国家的 4 倍以上

报告特别指出，截至研究窗口期，**低收入和中等收入国家的 ChatGPT 采用增速超过高收入国家的 4 倍**，是一个明确的"追赶型增长"模式。这和另一份 OpenAI 后续发布的采用率数据互相印证：2026 年最快增长的国家名单里，拉美、亚太、非洲地区占了大多数席位，说明 ChatGPT 的全球扩张正在从"发达国家早期用户"阶段，切换到"发展中国家追赶"阶段。这个趋势和多数科技产品的全球扩散曲线一致，但增速差异之大（4 倍以上）值得单独拎出来看——它意味着两三年后讨论"谁在用 AI"这个问题时，答案的地理分布会和今天完全不同。

评论员视角
我想提一个这份报告没有回答、但很关键的问题：**"Asking"这一类用法评分最高、增长最快，这到底是好事还是隐忧**？把 ChatGPT 当顾问用，意味着大量用户在获取建议、判断、甚至情感支持时，依赖的是一个没有对错反馈机制、容易讨好用户的系统（这一点在本站的[AI 入门](https://usefulai.cloud/primer/)里已经拆解过——强化学习训练出的模型天然倾向给出让人满意而非正确的答案）。报告只统计了"用户觉得这个回答有帮助"的评分，没有统计"这个建议事后被验证是否正确"。**使用规模和使用质量是两件独立的事**，这份报告证明的是前者在快速增长，后者目前没有被系统性追踪，这恰恰是接下来最值得研究的空白。

另外要提醒一点：这份数据只覆盖 ChatGPT Free/Go/Plus/Pro 这些个人消费级账户，**不包含企业版和 Codex 的使用数据**，报告本身也承认这会低估商业和技术类用途的真实占比。看这份报告时不能直接把它当成"ChatGPT 全部使用场景"的完整画像，它反映的是个人消费端的行为模式，企业内部的用法分布可能是另一幅完全不同的图景。

#### 关键数据

- 三分法：Asking 约 49%、Doing 约 40%、Expressing 约 11%

- 约 30% 使用与工作相关，约 70% 与工作无关，两者都在增长

- 工作场景执行类任务占比超 50%，是非工作场景的两倍以上

- 低收入国家采用增速是高收入国家的 4 倍以上

#### 我的判断

- 「AI=生产力工具」的默认叙事偏窄，近半数使用价值在「想清楚」而非「做完」

- Asking 类用法增长最快，但报告未追踪建议质量，只追踪满意度评分

- 数据仅覆盖个人消费账户，企业与 Codex 用法可能是完全不同的图景

## 继续阅读

[如何从零构建你自己的大语言模型：GPT 和 Claude 背后的 5 阶段流水线 → 所有前沿模型都由同样的五个阶段构建：数据 → 预训练 → 监督微调 → 奖励建模 → 强化学习。学会这套骨架，你就不会再把模型当作魔法。](https://usefulai.cloud/insights/how-llms-are-built/)
[Anthropic 工程师：我们日常如何使用 Claude Code → 用一个真实 repo 演示 Anthropic 工程师怎样配置 Claude Code、让它问问题、生成 HTML 规格稿，再把验证流程做进 React 组件和浏览器。](https://usefulai.cloud/insights/anthropic-how-we-use-claude-code/)
[深度阅读 → 15 篇 AI 长文的完整中文解读：Claude Code、Skill、Agent、大模型原理、LLM 资源地图。](https://usefulai.cloud/insights/)