厂商报告之外的空白

Anthropic 与 OpenAI 会定期发布关于 Claude、ChatGPT 使用情况的报告。斯坦福大学可信人工智能研究实验室（STAIR）博士生 Anka Reuel 表示：“目前没有任何独立来源可以佐证这些数据。”Reuel 是“AI 观测台”（AI Observatory）项目的联合负责人，该项目试图填补这一空白。

AI 观测台是一个公开平台，汇总并分析了经用户同意、从七个现有数据集中收集的 Claude、Gemini 等主流模型的真实对话，目标是为研究者和政策制定者提供独立信息，以评估生成式人工智能的实际用法。

近半数对话被“工作”滤掉

最广为人知、被引用最多的厂商数据之一，是 Anthropic 经济指数。顾名思义，它聚焦于 Claude 在工作与生产力场景下的用途，会把无关内容过滤掉。AI 观测台的研究者用 Anthropic 自己的方法处理数据集，发现近一半（48%）的对话本会被过滤掉。

这些被归入“非工作”的对话，更可能涉及健康与人际关系（占比 44.2%，而 Anthropic 原分析中为 31.2%）、成人或违规内容（7.9% 对 2.1%）、骚扰与仇恨言论（27.5% 对 5.66%），以及性相关内容（16.7% 对 2.4%）。OpenAI 在 2025 年关于 ChatGPT 的报告中同样发现，消费端使用场景里只有 30% 与工作相关。

不同模型，用法大不同

研究还显示，模型之间、甚至同一模型的不同版本之间，用法都存在明显差异。Grok 与 Gemini 更常被用于信息检索，其中 Grok 尤其集中在新闻与政治类提问，但也更易聚集不实信息。人们更倾向用 Anthropic 写代码，用 Gemini 进行社交与角色扮演，用 ChatGPT 辅助写作业。

时间维度上，规模最大的数据集之一 WildChat 中的对话随时间变得更长、更琐碎，闲聊增多，而人工智能主动“表明自己是聊天机器人”的频率下降，暗示陪伴式用法在上升。被标记为敏感的对话则变少，说明平台护栏总体在加强。

版本差异同样明显：在 GPT-3.5 驱动下，ChatGPT 对话更短；换成 GPT-4o 后更长、更具反复性——后者正以引发情感依赖著称。

样本仍远小于厂商

AI 观测台汇集了 2023 至 2025 年间、5000 名用户与 52 个模型产生的 24521 段对话、共 85633 个对话轮次。相较之下，Anthropic 经济指数基于 100 万段 Claude 对话，OpenAI 的报告分析了 150 万段 ChatGPT 对话。

由于数据来自自愿提供，研究也承认其对敏感用法的刻画可能偏低。但项目负责人 Reuel 强调，在缺乏独立核查的情况下，任何基于厂商数据做重大判断的人，都是在“毫无依据地行事，只盯着厂商讲述的叙事，却不知道真实发生了什么”。