独立视角补上AI使用图谱

围绕ChatGPT、Claude、Gemini等生成式AI的真实使用方式，学界正在尝试摆脱仅依赖公司报告的局面。斯坦福可信AI研究实验室博士生Anka Reuel共同牵头的新项目AI Observatory，汇总并分析了经用户同意收集的真实AI对话，试图为研究者和政策制定者提供独立数据来源。

问题在于，Anthropic、OpenAI等公司虽定期发布用户如何使用其产品的报告，但外部研究者认为，这些报告只能反映公司愿意公开的部分。Reuel指出，目前“没有独立来源可以佐证”。在AI收益、风险和监管判断日益重要的背景下，仅凭企业叙事理解AI使用，可能遗漏大量非工作、敏感或高风险场景。

公司报告之外：近半对话会被过滤

AI Observatory使用了七个既有真实世界数据集，覆盖2023年至2025年间5000名用户与52个模型的互动，共包含24521段对话、85633个“对话轮次”。这里的“对话轮次”指一次用户提示词及其对应AI回复。

研究者发现，AI使用在不同模型之间差异显著，也会随时间变化。以Anthropic Economic Index为例，这一被广泛引用的使用数据来源主要关注Claude在工作和生产力场景中的用途，并过滤掉无关对话。当AI Observatory研究者把Anthropic的方法套用到自己的数据集时，发现48%的对话会被排除在外。

这些被过滤的非工作对话，更可能涉及个人和敏感主题：

• 健康与关系：44.2%，高于Anthropic分析中的31.2%；
• 成人或非法主题：7.9%，高于2.1%；
• 骚扰与仇恨：27.5%，高于5.66%；
• 性内容：16.7%，高于2.4%。

OpenAI在2025年关于ChatGPT的报告也显示，消费者使用中只有30%与工作相关。这意味着，把AI使用主要理解为办公提效，可能低估了陪伴、咨询、角色扮演、敏感内容等日常化场景。

模型之间并不一样

AI Observatory还显示，不同平台的主题、互动风格、对话结构和敏感用途概率并不相同。研究发现，Grok和Gemini更常被用于信息检索；其中Grok尤其常用于新闻和政治信息，但错误信息也更集中。xAI未回应置评请求。

相比之下，用户更倾向于把Anthropic用于编程，把Gemini用于社交和角色扮演，把ChatGPT用于作业辅助。同一模型的不同版本也会产生差异：研究者发现，GPT-3.5驱动的ChatGPT对话较短，而GPT-4o时期的对话更长、更迭代。这与GPT-4o曾因情感依赖问题受到关注相吻合。

在WildChat这一大型且细致的数据集中，对话随时间变得更长、更复杂，提示词、回复词元和对话轮次均增加。“词元”可理解为模型处理文本的基本单位，可能是词、字或词片段。研究者还观察到闲聊增加，暗示AI陪伴用例上升；与此同时，AI助手主动表明自己是聊天机器人的“自我披露”减少。敏感对话则变少，可能说明平台安全防护逐步加强。

样本有限，但意义在于开放

AI Observatory的数据规模远小于大型AI公司掌握的数据。Anthropic最新Economic AI Index基于100万段Claude对话，OpenAI关于ChatGPT使用的报告分析了150万段对话。AI Observatory还依赖自愿提供的数据，因此可能低估敏感用途，因为用户未必愿意分享这类对话。研究团队也提醒，其发现不能代表全部AI使用。

但项目价值在于，它扩大了研究共同体的可见范围。AI公司通常不会开放聊天数据供外部分析，导致公开报告往往只能呈现部分图景。得克萨斯大学奥斯汀分校助理教授David Widder未参与AI Observatory，他认为，相比把相关信息拆分到不同报告中，AI Observatory这种“鸟瞰式”分析有助于研究者更一致地理解不同用途。

走向：AI使用研究需要第三方数据基础设施

这项研究提示，AI已经从工具软件扩展为学习、工作、情感陪伴和信息入口的混合系统，单一公司的报告不足以解释其社会影响。未来关键不只是发布更多白皮书，而是建立能保护隐私、允许独立审计和跨模型比较的数据机制。

行业可能会继续在两种力量之间拉扯：企业希望控制数据与叙事，监管者和学界则需要更完整的证据来评估风险。AI Observatory的样本还小，却指出了方向：如果没有可信的第三方观察窗口，围绕AI安全、收益和治理的重大决策仍可能在信息不充分的情况下作出。