在人工智能的浪潮中，我们常常关注技术的进步和模型的性能，却容易忽视用户真正的需求和使用场景。OpenAI最新发布的报告《How People Use ChatGPT》为我们揭开了AI应用的神秘面纱，揭示了用户在日常生活中如何使用AI。本文将深入解读这份报告，探讨AI应用的现状、趋势以及创业者的机会所在。
2025-9-16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，这份报告不仅仅是关于ChatGPT的，也是AI应用在这3年的一段浓缩：《How People Use ChatGPT》
原文地址：https://cdn.openai.com/pdf/a253471f-8260-40c6-a2cc-aa93fe9f142e/economic-research-chatgpt-usage-paper.pdf
报告中包含了很多信息，比如：
这些信息，对于我们做AI应用的玩家来说可能并不重要，重要的是他们在用AI做什么，这也许是我们的发力方向：
如图所示：
这里的分类逻辑算是比较清晰的，包含了7个大类与24个细类（论文给了清单与示例）
数据组成从 2024-05-15 到 2025-06-26 的约 110万条抽样对话，应该来说是很客观的数据了：
这里可能存在一个巨大认知偏差：AI编程只占4.2%，这与我身边的人都在用AI编程形成了巨大的矛盾冲击感；其次情感陪伴份额也很小，这变相说明一个问题：所谓AI心理这种陪护型聊天机器人，人们并不买单，这与我们去年实际的创业观察类似：
去年我们做了个英语聊天机器人，但数据验证阶段发现用户兴奋和好奇很快就消散了，我们自己都无法说服自己去使用这个工具，因为他真的没有温度、没有共同语言。
总结下来就是：大家暂时喜欢将AI（ChatGPT）当成一次单次咨询的顾问助手，而不是长期合作的伙伴。
这也是OpenAI新提出的提问、执行与表达框架：
AI的使用趋势肯定是向好的，AI已经融入日常生活的方方面面，但作为AI创业者最关心的是：在应用层还能创造哪些价值？机会究竟在哪里？
我们要从ChatGPT的广泛应用中，找出一些尚未满足的需求和潜在机遇。以下是我几点思考：
AI使用超过三分之二是围绕日常任务展开：
数据说明主流用户最常用AI来获取建议、搜索信息和辅助写作。
对AI创业者而言，这意味着我们的产品需要更加贴近现实，具体来说：
教育辅导的AI助手，能够更好满足学生和家长的需求。比如我们空气小猪，就专注做基于社交的英语持续学习场景，希望去解决用户真实的痛点。
写邮件、改简历、发帖文案等是常见用例，正常来说已经没办法在这个领域卷了。但这里换个角度，是否可以围绕这些场景，打造深度的AI写作助手。这里的核心不是提供技术，而是提供KnowHow？
专业信息检索：ChatGPT事实上在替代搜索引擎。如何结合实时数据库，实现比高效精确的回答。然后GEO在这里也有巨大空间。
虽然AI作为通用大模型“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%且还在下降。
这意味着许多企业尚未找到有效方法将其融入专业工作流。这恰恰给初创公司提供了机会：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的价值最终将在应用层实现，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。
具体来说，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，已经出现了面向律师的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，大大提高律师工作的效率；
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。这类助手若通过专业认证，将极具说服力和可靠性。比如OpenEvidence就十分受资本追捧，半年变化可谓恐怖如斯：
其次，聚焦垂直领域还有另一个好处：能够构筑差异化的护城河。
现在基础模型都是由大厂提供，创业公司只能在行业数据上做文章，核心就是我们的AI对特定场景理解更深。例如OpenEvidence、Harvey就是这套打法。
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，久而久之产品效果会远超通用方案
当前大多数AI应用充当的是“辅助工具”角色，用户提出问题，AI给出答案或建议，最终决策和执行还是在人。这种模式虽然提升了个人效率，但久而久之，大家普遍就会认为模型 just so so。
所以，如何让AI直接输出结果，是接下来两年应用层的重点。如红杉峰会的一句共识是：“下一轮AI，卖的不是工具，而是收益”，什么意思呢：
就是用户关心的是问题被解决、任务被完成，而不在乎过程用了什么工具。
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”。
只不过，“卖结果”对创业公司也是更高的要求：必须确保AI输出的质量足够可靠。这需要投入更多资源做数据工程、测试评估，甚至在人机协作上设计周全（例如关键步骤让人审核），总之挺难的…
前几年《HER》这部电影，带给了我们AI陪伴无穷的幻想，而逻辑上这一天已经变得慢慢成熟，但从报告的数据看，把AI当“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，都会遭遇用户的新鲜感稍纵即逝，重复闲聊并不能带来持久价值。
这背后一个关键原因是：当前的AI对用户来说缺乏“记忆”与“人格”，每次对话都是重置的。用户无法建立长期信任和情感连接，自然不会把它当真正的伙伴。
如何改变这种“一次一谈”的浅层互动？红杉的观点提供了一些思路。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，否则每天都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、上下文，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，它的陪伴价值才会提升。
例如，之前我们在做慢病管理时候，会要求AI记住用户以往的锻炼习惯、受伤史、饮食偏好等，在这个基础上它给出的健身建议会更加贴心可信，这和人类私人教练并无二致，用户也更愿意长期使用。
只不过实现这一套逻辑的工程复杂度极高，会涉及成百上千的复杂SOP，一套SOP算5千字，这都得几大十万字了！
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可谓不小。
最后，所有的长期记忆都是建立在复杂的数据工程之上，如果公司不能正视本身有价值的数据积累和长期迭代，这一切是很难做到的…
OpenAI的报告从用户行为的角度揭示了人们用AI做什么，而来自全球应用市场的真实数据，则残酷地告诉了我们另一个事实：用户规模的霸主，不一定是商业化的赢家。
了解了人们用AI做什么后，我们再将视角拉回到市场，最近老曹发布了一篇文章很有意义：《AI应用全球混战：下载榜的虚假繁荣和收入榜的残酷真相》
他可能揭示了一个有趣的情况：用户规模的霸主，不一定是商业化的赢家，这可能变相佐证了红杉的观点，用户愿意为结果买单而不是工具。
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：毫无疑问是ChatGPT：月下载9990万、月收入1.5亿美元。
然而，在中国这个独特的市场，故事完全不同，收入榜的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：70%生活中，用户最愿意为能马上能让我变美的AI魔法买单…
我在想，也许这与中美之间的定位与擅长的点相关：中国市场进入了应用场景的巷战，创业公司打死不会想要训练模型，而总是想用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，而市场数据则告诉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，他可以是更美的照片、更快的效率，还是更酷的创意。
比如还有大量的人9.9买DeepSeek的教程呢，存在即合理！
我从OpenAI的这份报告看到了AI融入大众生活的现状：从好奇尝鲜到切实解决问题，用户正在成熟起来。
同时，大家用他去解决生活问题而不是工作问题这一组数据，其实需要很好的被AI创业者捕捉：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，正如红杉资本所言，AI革命的下半场属于应用层的玩家，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！
本文由人人都是产品经理作者【叶小钗】，微信公众号：【叶小钗】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。