OpenAI深度报告解析：AI应用场景全景与创业机遇洞察

2025年9月16日，OpenAI发布了迄今为止规模最大的一项关于ChatGPT消费者使用的研究。这份报告不仅聚焦于ChatGPT，更浓缩了AI应用近三年来的发展历程，标题为《How People Use ChatGPT》。

Image

原文地址：  
https://cdn.openai.com/pdf/a253471f-8260-40c6-a2cc-aa93fe9f142e/economic-research-chatgpt-usage-paper.pdf

报告中包含了丰富的信息，例如：

  1. 使用人群的性别差距正在逐渐消失；
  2. 年轻人是主力军，但使用方式存在差异。年龄较小的用户多半出于好奇或娱乐目的，而年长用户则倾向于解决具体的工作问题；
  3. 全球普及趋势明显，低收入国家增速较大，总体来看全球各地都在积极拥抱AI技术；
  4. 生活场景应用占比70%，远高于工作场景的30%；

这些信息对于从事AI应用开发的从业者而言可能并非关键，更重要的是用户究竟在用AI做什么，这或许能为我们指明发展方向：

用户如何利用AI：关键场景分析

Image

如图所示，主要应用场景分布如下：

  1. 实用指导（Practical Guidance） - 28.8%；
  2. 信息搜索（Seeking Information） - 24.4%；
  3. 写作（Writing） - 23.9%；
  4. 多媒体（Multimedia） - 7.3%；
  5. 自我表达（Self-Expression） - 5.3%；
  6. 技术帮助（Technical Help） - 5.1%；

报告中的分类逻辑较为清晰，涵盖了七大类别与二十四个细分项目（论文提供了详细清单与示例）：

  1. **写作：**编辑润色、个人通信、翻译服务、论证摘要、虚构创作。
  2. **实用指导：**操作指南、辅导教学、创意构思、健康健身美容护理。
  3. **技术帮助：**数学计算、数据分析、计算机编程。
  4. **多媒体：**生成图像、分析图像、生成检索音视频表格等媒体。
  5. **信息搜索：**具体事实查询、可购产品推荐、烹饪菜谱获取。
  6. **自我表达：**寒暄闲聊、关系反思、游戏角色扮演。
  7. **其他未知：**询问模型本身、其他用途、未明确类别。

数据来源于2024年5月15日至2025年6月26日期间约110万条抽样对话，具有相当的客观性和代表性：

Image

这里可能存在一个显著认知偏差：AI编程仅占4.2%，这与身边人群普遍使用AI编程的现象形成强烈反差。其次，情感陪伴份额同样较小，这间接说明一个问题：所谓AI心理陪护型聊天机器人并未获得用户广泛认可，这与我们去年的实际创业观察相符。

去年我们尝试开发英语聊天机器人，但在数据验证阶段发现用户的兴奋和好奇感迅速消退，甚至我们自己都无法说服自己持续使用该工具，因为它缺乏温度与共同语言基础。

总结而言：用户目前更倾向于将AI（如ChatGPT）视为单次咨询的顾问助手，而非长期合作的伙伴。

这也呼应了OpenAI新提出的提问、执行与表达框架：

  1. **提问（占49%）：**用户寻求信息或澄清疑惑，以辅助决策过程；
  2. **执行（占40%）：**用户旨在让模型完成特定任务或产生具体输出；
  3. **表达（占11%）：**用户表达观点或感受，不寻求信息或实际行动；

AI的使用趋势无疑是向好的，技术已融入日常生活的各个角落。然而，作为AI创业者最关心的是：在应用层还能创造哪些价值？机会究竟藏在哪里？

我们需要从ChatGPT的广泛应用中，识别出尚未满足的需求和潜在机遇。以下是一些思考方向：

一、聚焦日常高频需求

AI使用超过三分之二围绕日常任务展开：

  1. 实用指导。包括生活中的操作指南、学习辅导、创意构思等；
  2. 信息查询。作为搜索引擎的替代方案，目前使用百度或Google往往仅用于验证模型输出是否存在幻觉；
  3. 写作辅助。涵盖邮件撰写、文档编辑、总结翻译等内容创作；

数据表明主流用户最常利用AI获取建议、搜索信息和辅助写作。

对AI创业者而言，这意味着产品需要更加贴近现实需求，具体来说：

教育辅导类AI助手应更好满足学生和家长的需求。例如，空气小猪项目专注于基于社交的英语持续学习场景，旨在解决用户真实痛点。

写邮件、改简历、发帖文案等已是常见用例，通常而言在该领域竞争已十分激烈。但换个角度，是否可以围绕这些场景打造深度AI写作助手？核心并非提供技术，而是提供行业知识？

**专业信息检索：**ChatGPT事实上正在替代部分搜索引擎功能。如何结合实时数据库，实现更高效精确的回答？此外，地理空间信息在此也有巨大应用潜力。

二、深入垂直行业挖掘机会

尽管AI作为通用大模型看似“无所不知无所不能”，但通用型助手往往难以深入行业细节。如报告所示，ChatGPT的工作相关使用仅占30%且呈下降趋势。

这意味着许多企业尚未找到有效方法将AI融入专业工作流。这恰恰为初创公司提供了机遇：聚焦垂直领域，提供端到端的AI解决方案。

红杉资本在今年的AI峰会上反复强调：AI的最终价值将在应用层实现，初创公司应当聚焦垂直领域、提供端到端的解决方案，而非单一工具。

具体而言，在某个细分行业，结合专业知识和AI能力，打造**“量身定制”的智能助手**，更容易提供超出通用ChatGPT的价值。例如：

在法律领域，已出现面向律师的AI助手，如 Harvey，它能够阅读海量法律文件、提供案例分析和证据整理，显著提升律师工作效率；

在医疗领域，垂直AI可以结合医学知识库和病历数据，提供诊断建议或健康管理方案。这类助手若通过专业认证，将极具说服力和可靠性。例如OpenEvidence备受资本追捧，半年内估值变化显著：

  1. 2025年7月，OpenEvidence融资2.1亿美元，估值达35亿美元；
  2. 2025年2月，OpenEvidence融资7500万美元，估值10亿美元；

其次，聚焦垂直领域还有另一优势：能够构筑差异化的护城河。

当前基础模型主要由大厂提供，创业公司只能在行业数据上做文章，核心在于我们的AI对特定场景理解更深。例如OpenEvidence、Harvey便采用此策略。

这种专业度和客户紧密联系是通用模型提供商难以复制的优势，通过不断迭代形成数据飞轮，久而久之产品效果将远超通用方案。

三、从工具到成果：交付完整解决方案

当前大多数AI应用充当“辅助工具”角色，用户提出问题，AI给出答案或建议，最终决策和执行仍由人完成。这种模式虽提升了个人效率，但久而久之，用户普遍会认为模型表现平平。

因此，如何让AI直接输出结果，是接下来两年应用层的重点。如红杉峰会共识所言：“下一轮AI，卖的不是工具，而是收益”，其含义在于：

用户关心的是问题被解决、任务被完成，而不在乎过程使用了何种工具。

对AI产品来说，这意味着要尽量承担更完整的任务闭环，让用户少操心、少动手，甚至直接交付成品。例如：

写作助手升级为写作代理：**不仅给出几条建议，而是根据用户简短提示，直接生成一篇高质量文章，用户只需稍作审阅即可发布。**这相当于AI替代了80%的创作劳动，用户购买的是“完成的文稿”。

然而，“卖结果”对创业公司提出了更高要求：必须确保AI输出的质量足够可靠。这需要投入更多资源进行数据工程、测试评估，甚至在人机协作上设计周全（例如关键步骤引入人工审核），总体而言颇具挑战性。

四、构建长期粘性：记忆与个性化

前几年电影**《HER》**带来了对AI陪伴的无限幻想，逻辑上这一天已逐渐临近。但从报告数据看，将AI视为“情感陪伴”或长期交流对象的用户非常少，仅约2%！

我的创业经历也验证了这一点：所有AI聊天伙伴都会遭遇用户新鲜感稍纵即逝的困境，重复闲聊并不能带来持久价值。

这背后的关键原因是：当前AI对用户缺乏“记忆”与“人格”，每次对话都需重置。用户无法建立长期信任和情感连接，自然不会将其视为真正的伙伴。

如何改变这种“一次一谈”的浅层互动？红杉的观点提供了些许思路。在他们看来，智能体要成为持久助手，必须具备持续的身份和记忆，否则每天从零开始会引发信任危机。

对于创业者而言，这意味着可以在产品中引入用户画像和长期记忆模块，让AI随着每次交互不断学习用户偏好、历史记录、上下文信息，从而变得越来越了解你。当AI的回应体现出对用户过往的理解和个性化关怀时，其陪伴价值才会提升。

例如，先前我们在慢病管理项目中，要求AI记住用户以往的锻炼习惯、受伤史、饮食偏好等，在此基础上它给出的健身建议会更加贴心可信，这与人类私人教练无异，用户也更愿意长期使用。

然而，实现这套逻辑的工程复杂度极高，涉及成百上千的复杂标准操作程序，一套程序若以五千字计，总字数可能达数十万！

另一方面，让AI长期记住用户信息等于持有大量个人数据，这在数据隐私和安全方面的问题不容小觑。

最后，所有的长期记忆都建立在复杂的数据工程之上，如果公司不能正视自身有价值的数据积累和长期迭代，这一切将难以实现。

市场洞察：下载与收入的真相

OpenAI的报告从用户行为角度揭示了人们用AI做什么，而来自全球应用市场的真实数据则残酷地告诉我们另一个事实：用户规模的霸主不一定是商业化的赢家。

Image

文章揭示了一个有趣现象：用户规模的霸主不一定是商业化的赢家，这可能间接佐证了红杉的观点，即用户愿意为结果买单而非工具本身。

根据2025年8月的全球市场数据，一个巨大的认知偏差正在上演：

**全球下载与收入之王：**无疑是ChatGPT：月下载量9990万次、月收入1.5亿美元。

然而，在中国这个独特市场，故事完全不同。收入榜顶端并非聊天机器人，而是美图秀秀、美颜相机、即梦AI等图片视频创作工具。

它们凭借“让用户变美”、“生成酷炫内容”等极其具体和感性的需求，实现了可观的商业化收入（美图秀秀月收入86.2万美元）。

这组对比数据完美印证了OpenAI报告中“70%生活 > 30%工作”的发现，并将其深化为：在70%的生活场景中，用户最愿意为能立即让自己变美的AI魔法买单。

我在想，这或许与中美市场定位及擅长领域相关：中国市场已进入应用场景的巷战阶段，创业公司绝不会想要训练模型，而总是试图以最取巧的工具型应用渗透市场。

因此，OpenAI的报告告诉我们用户的行为偏好，而市场数据则指导我们如何将这些偏好转化为商业价值。

最终，用户不会为AI这个概念付费，只会为AI带来的能切身感受到的具体价值付费——无论是更美的照片、更高的效率，还是更酷的创意。

例如，仍有大量用户花费9.9元购买DeepSeek教程，存在即合理！

总结与展望

我从OpenAI的这份报告中看到了AI融入大众生活的现状：从好奇尝鲜到切实解决问题，用户正逐渐成熟起来。

同时，用户更多利用AI解决生活问题而非工作问题的数据需要被AI创业者敏锐捕捉：我们必须从用户视角出发，打造他们“真正想要并愿意持续使用的产品”。

深耕垂直领域，用AI交付实际成果，这是我一直在坚持的方向。正如红杉资本所言，AI革命的下半场属于应用层玩家，那些能够快速行动并在应用层建立持久优势的团队，终将摘得万亿级市场的果实！