两份报告，两种 PMF：ChatGPT 跑通了 Copilot，Claude 验证了 Agent

OpenAI 和 Anthropic 各自发布了核心产品的用户使用情况的分析报告。

两个产品使用人群、场景和核心功能，区别越来越明显了。

一句话总结：GPT 适合聊天、Claude 适合干活。

信息量很大，不仅让我们第一次能够比较系统地看到全球 AI 大盘用户的画像和使用数据等（包括 C 端和 B 端），也提供了一个少见的窗口，去对比两家公司的用户心智与路线选择。

ChatGPT 的周活跃用户已达到 7 亿，占全球成年人口约 10%；而 Anthropic 这次不仅公开了 C 端的使用数据，作为 B 端的头号玩家，还首次提供了企业端的使用情况。

花了点时间读了报告，还是挺有收获的，最大的一点感受是：

ChatGPT 和 Claude 的用户心智已经有了显著差异。

ChatGPT 更像 Advisor（顾问/通用助手），持续帮助用户「寻找信息与灵感」；而 Claude 则更像 Agent，逐步强化「执行任务」的定位。

这个差异也体现了两家对模型、产品，以及 AGI 路线的不同押注——这两条路径既可能持续分岔，也可能在未来交汇，值得持续观察。

对比分析转载自「张无常」，具体报告翻译节选自「锦秋集」的文章。

OpenAI 报告：

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

Anthropic 报告：

https://www.anthropic.com/economic-index-usage

超 13000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。

邀请从业者、开发人员和创业者，飞书扫码加群：

进群后，你有机会得到：

• 最新、最值得关注的 AI 新品资讯；
  

• 不定期赠送热门新品的邀请码、会员码；
  

• 最精准的AI产品曝光渠道

01路线分化：ChatGPT 更像是Advisor，Claude 则更像 Agent

ChatGPT：Advisor 心智，询问、写作为主，编程较少

凭借其先发优势和庞大的用户基础，ChatGPT 通用个人助手的心智已经很稳固，这也越来越被视为品牌壁垒。

• 使用模式：49% Asking（咨询、建议）、40% Doing（写作/编程）、11% Expressing（个人反思）。

• 场景分布：约 30% 工作相关，70% 非工作。

• 任务类型：写作、信息获取、实用指导合计近 80%，其中写作（Drafting text）是主要工作场景；编程场景相对小众。

Claude：Agent 心智，随着 24 年底 Claude 3.7 模型能力提升，用户喜欢逐渐转为执行自动化任务为主

• 协作模式：Anthropic 将交互分为自动化（Automation，直接委托任务）和增强（Augmentation，与 AI 协作）

• • 自动化还可以分为：指令式自动化（directive：用户下指令，Claude 执行）和反馈循环式自动化（feedback loop：用户需要将现实世界结果回传至 Claude）

  • 增强还可以分为：学习（寻求信息或解释）、迭代任务（与 Claude 协同工作）、验证（请求反馈）

• 趋势变化：

• • 任务类型：编码相关任务占36%，显示用户更习惯让 Claude 执行任务

  • 企业数据：通过API接入的企业任务里，77% 都是自动化。（ 第三方数据显示 Anthropic 现在是企业级 LLM 市场头号玩家，份额 32%）。Claude 表示这可能带来重大经济影响：历史上，任务自动化往往伴随着重大经济转型和显著的生产力提升。

下图是 Claude 用户和 API 用户的协作模式数据对比：

ChatGPT 主要的交互是「对话式」，Claude 更多是「指令式」模式

ChatGPT 目前主要的交互模式是「对话式」，用户通过反复沟通完善结果，用户信赖 ChatGPT「给出一个不错的初稿或答案」

Claude 正在引领「指令式」模式，用户下达指令，信赖 Claude 能独立完成任务，直接交付「可用的专业成果」（如可运行的代码或复杂的分析）。Anthropic 认为，这种模式的增长是衡量 AI 能力和经济价值的核心指标。

02ChatGPT：实用指导、寻求信息和写作是最常见的用例

OpenAI 最新发布的这份报告《How People Use ChatGPT》，研究了 ChatGPT 消费者产品的使用情况。基于 2024 年 5 月到 2025 年 6 月期间的约 100 万条消息，分析了其用户增长、使用模式以及在不同人群中的应用情况。这也是 OpenAI 官方首次发布 ChatGPT 用户使用情况。

用户规模与参与度都在增加

ChatGPT 于 2022 年 11 月 30 日以「研究预览」形式公开发布，仅五天便突破一百万注册用户。此后用户增长极为迅速：上线一年后，活跃用户数超过 1 亿，两年后接近 3.5 亿。到 2025 年 7 月底，ChatGPT 的全球周活跃用户数已超过 7 亿，相当于全球成年人口的近 10%。

从整体消息量来看，用户发送的消息在 2024 年 7 月至 2025 年 7 月之间增长了超过 5 倍。

• 第一批用户（黄色线）：在 2023 年使用量一度下降，但自 2024 年底起重新上升，目前已达到历史最高水平。

• 2023 年 Q2 和 Q3 注册用户（粉色线差值部分）：同样在消息总量中占据显著比重。

对于个人用户（非企业账户），使用情况在很大程度上与工作无关

研究团队通过多种分类体系对 ChatGPT 的对话内容进行了分析。

结果显示，2024 年 6 月至 2025 年 6 月期间，可能与工作相关、可能与工作无关的两类消息都快速增长，但非工作相关消息增长更快：2024 年 6 月时非工作消息占比 53%，到 2025 年 6 月已升至 73%。

不同注册群体（cohort）的非工作使用比例逐步升高，且在每个 cohort 内部也呈上升趋势。总体趋势与最早期用户群体高度一致。

用例方面，实用指导、寻求信息和写作是最常见的三类主题

在用例研究方面，研究借鉴了 OpenAI 内部研究团队使用的分类器，将用户请求归入 24 个类别，进一步聚合成了 7 个主题。结果发现：

• 实用指导、寻求信息和写作是最常见的三类主题，合计约占 77%。

• 实用指导稳定在约 29%。

• 写作占比自 2024 年 7 月的 36% 降至一年后的 24%。

• 寻求信息 升至 24%。

• 寻求技术帮助从 12% 降至约 5%，可能与 API 编程类应用兴起有关。

• 多媒体创作 从 2% 升至 7%，其中 2025 年 4 月因新增图像生成功能出现明显跃升。

在仅统计工作相关消息时：Writing 占比最高，约 40%；Practical Guidance 次之，占 24%；Technical Help 从 18% 降至 10%。

某些职业更有可能使用 ChatGPT

研究将使用者的职业分为五类：

• 非专业职业（行政、服务、蓝领等）；

• 计算机相关职业；

• 工程与科学职业；

• 管理与商务职业；

• 其他专业职业（法律、教育、医疗等）；

结果显示：

• 高薪专业/技术职业用户更可能用于工作：计算机相关为 57%，管理与商务为 50%，工程与科学为 48%，其他专业为 44%，非专业仅 40%。

• 在工作相关消息中：

• • 专业职业用户更倾向于 Asking，而非 Doing，尤其在科学与技术领域更为明显；

  • 管理与商务用户的工作消息中 Writing 占比高达 52%；教育、医疗等职业也接近一半；

  • 技术帮助（Technical Help）在计算机职业中占比 37%，而在工程与科学中为 16%，其他职业仅 8%。

男性、女性的用户比例逐渐趋于平衡

研究发现，ChatGPT 发布初期的活跃用户中，约 80% 使用典型男性名字。到 2025 年上半年，男性与女性名字的用户比例逐渐趋于平衡，并在 2025 年 6 月出现女性名字占优的现象，表明性别差距显著缩小。

• 18–25 岁用户发送的消息占比约 46%。

• 年龄越大，消息中与工作相关的比例越高。26 岁以下用户的工作相关消息仅占 23%，而高龄群体占比更高。

• 66 岁以上用户是例外，他们的工作相关消息占比仅 16%。

总体趋势显示，各年龄段的用户工作相关使用占比随时间下降。

03Claude：企业用户更偏好「高成本任务」，使用模式从协作转向自动化为主

这是 Anthropic 发布的第三版《Anthropic Economic Index》报告，报告基于 Claude.ai 全量历史对话和 100 万 API 企业交互的真实数据进行了分析。

这份报告的看点在于，除了 C 端用户的使用数据外，Anthropic 首次公布了其 B 端的详细使用情况。

协作模式：用户喜欢逐渐转为执行自动化任务为主

报告研究了用户与 Claude 的交互模式。报告将使用模式划分为「自动化」（以完成任务为导向）与「增强」（以协作为导向）两种。

结果显示，直接下达指令让 AI 完成任务的「自动化」用法占比从 27%跃升至 39%，首次超过了与 AI 一同迭代工作的「增强协作」模式。

随着模型能力的提升，用户对 AI 能力的信任度显著增强，更倾向于将完整任务直接委派。

低收入国家拥抱「编程单一场景」，高收入国家重视「多元知识场景」

报告分析了 150+ 个国家与全美各州的 Claude 使用模式，发现不同发展水平的国家在使用 AI 的方式上存在巨大差异。

在印度等新兴市场，超过一半的使用集中于单一的编程任务。而在新加坡、以色列等成熟市场，AI 的应用已广泛扩散至科研、教育、行政等多元化的知识工作场景。这表明，数字鸿沟不仅是「用不用」的问题，更是「怎么用」的问题。

越是深度使用AI的地区或人群，越倾向于与 AI 协作，单纯的自动化反而减少

同时，研究发现，即使控制任务结构，人均采用越高的国家越偏向增强式使用，采用较低国家越偏向自动化式使用。这有些反直觉，可能由文化、经济因素或「早期采用者偏好自动化」导致，需要进一步研究。

在AI渗透率更高的群体中，用户更少把 AI 当作「外包工具」，而是更多借助它进行迭代、探索与共创。

企业使用集中在适合自动化的专门任务上

报告结果显示，企业使用集中在适合自动化的专门任务上。整体上，

• 软件开发占据主导：Top 15 使用集群（约占全部 API 流量一半）大多与编码与开发相关；

• 调试 Web 应用、解决技术问题各占约 6%；

• 「构建专业业务软件」占有显著份额；约 5% 的 API 流量专注于开发与评估 AI 系统本身。

• 同时也存在非编码用途：如创建营销材料（4.7%）、处理「business & recruitment data」（1.9%），这说明 AI 不仅用于直接生产，也用于人才获取与对外沟通。

以自动化为主，而不是「与 Claude 协作」

根据企业 API 调用数据显示，高达 77%的用例属于「整体委派式自动化」，即 AI 被嵌入系统以独立完成任务。

相比之下，作为「协作助手」的增强型任务仅占 12%。说明 AI 在企业端的真实价值释放，主要通过系统化、自动化的方式实现。

复杂任务更依赖上下文，信息常常分散在组织各处

对于复杂任务，AI 部署的成功与否，关键在于企业能否提供全面、集中的「上下文」信息。那些信息分散、存在于「默会知识」中的任务，自动化难度极大。

比如，要让 Claude 在复杂项目中重构模块，可能需要加载并理解整个代码库；集中式代码仓使这种上下文供给在原则上更容易。而像「制定关键客户销售策略」的任务，所需的上下文不仅来自 CRM，还包括分散在销售、市场与外部关系中的「默会知识」。当上下文不可得时，Claude 的效能会降低。

对价格不敏感，API客户更偏好「高成本任务」

报告发现，企业更倾向于使用那些调用成本更高的任务。例如，尽管「计算机与数学」类任务的成本比「销售」类高出 50%，但其使用频率却遥遥领先。

报告发现，「成本越高、使用越多」的正相关关系，这说明，企业更关注能力与价值，而不是成本。

转载原创文章请添加微信：founderparker