AI 与机器学习2025cdn.openai.com
人们如何使用 ChatGPT
How People Use ChatGPT
入门 · 约 45 分钟读完前置知识：LLM 基本概念、基础统计
导读
这是 OpenAI 发布的一份经济研究论文，基于 ChatGPT 的实际使用数据，刻画人们到底用它做什么：实用指导、信息查找和写作合计占近 80%，非工作用途已占约 70–73%，且一年内非工作类请求增长约 8 倍、工作类仅约 3.4 倍；写作是最主要的工作任务，多为编辑用户已有文本。用户整体偏年轻、女性比例上升、全球化分布，低收入国家的采用速度增长最快。
HN 关注点：数据揭示的结构性信号——ChatGPT 实质上是消费级产品，而非企业工具，这让人们对 LLM 市场的长期商业前景产生争论。
HN 评论精选
这几条评论里：质疑 2 补充 1 亲历 1
质疑非工作用途占 73% 且增速远高于工作用途，说明 ChatGPT 是消费级产品，长期变现前景堪忧。
整份报告里最能说明问题的是表 1：一年内非工作用途增长了 8 倍，而工作用途只增长约 3.4 倍。考虑到非工作相关的使用现在占请求量的 73%，尽管 LLM 产品在专业场景被大量营销、甚至在某些公司被强制使用，ChatGPT 本质上仍是一个非常消费级的产品。由于 B2C 市场的消费者通常比较抠门，我认为这对该市场的长期经济性不是好兆头。这或许也解释了最近试图去「发现」用途的转向。我不觉得这事会有好结局。
mgh95查看英文原文
Perhaps most telling in this entire report is Table 1. It shows that the non-work has grown 8x in 1 year, whereas work has only ~3.4x. Considering that non-work related usage of ChatGPT now makes up 73% of the requests, ChatGPT is very much in the consumer market, despite substantial marketing of LLM products in a professional context and even as much as compelled usage in some corporations. Since many consumers are typically relatively tight-fisted in the b2c market, I don't think this bodes well for the long-term economics of the market. This may explain the relatively recent pivot to attempt to "discover" uses. I don't think this ends happily.
补充摘录报告核心数据：三类用途占近 80%，非工作查询占 70%，用户结构趋向年轻化、女性化和全球化。
不打算把整篇读完……;) 核心结论：ChatGPT 被广泛用于实用指导、信息查找和写作，三者合计占近 80% 的使用量。非工作查询现已占主导（70%）。写作是最主要的工作任务，且主要是编辑用户自己的文本。用户更年轻、女性比例上升、更加全球化，低收入国家的采用增长最快。
daviding查看英文原文
Not going to read all that.. ;) > ChatGPT is widely used for practical guidance, information seeking, and writing, which together make up nearly 80% of usage. Non-work queries now dominate (70%). Writing is the main work task, mostly editing user text. Users are younger, increasingly female, global, and adoption is growing fastest in lower-income countries
质疑反驳：工作用途占比会因 API 嵌入工作流而大幅回升，而非消费端萎缩。
我认为 73% 的非工作占比在两三年内还会再翻转回来，但不是因为消费端使用萎缩。随着 AI 通过 API 嵌入各种工作流，「工作」这一类别注定会大幅扩张。
LeicaLatte查看英文原文
I think the 73% non-work usage ratio will flip again within 2-3 years, but not because consumer usage shrinks. As AI becomes embedded in workflows through APIs the "work" category is set to expand dramatically.
亲历担忧：用户用 ChatGPT 自我诊断心理问题，而模型倾向一味附和、不做反驳。
我遇到过的最糟糕的情况，远远是有人用 ChatGPT 给自己「自诊」臆想的心理疾病。当然，ChatGPT 会极力共情地确认所有「暗示性」线索，完全不反驳。
PeterStuer查看英文原文
Absolute worst by far I have encountered is people using ChatGPT to self diagnose their presumed psychological conditions. Ofc ChatGPT goes in hard to syncopanthically confirm all 'suggestive' leads with zero pushback.
历次讨论
- 2025Hacker News 讨论帖193 分 · 110 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选