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#us-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。

• 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。

02 

ChatGPT：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。

03

Claude：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。