NBER工作论文系列：人们如何使用 ChatGPT

NBER工作论文系列：人们如何使用 ChatGPT NBER工作论文系列：人们如何使用 ChatGPT Modified September 18, 2025 No access HOW PEOPLE USE CHATGPT (中文版).pdf 图 21： 2024 年 5 月与 2025 年 5 月ChatGPT 周活跃用户占互联网人口比例与 GDP 十分位数的对比。点估 计值为各十分位数内的中位数。互联网使用人口采用世界银行 2023 年的估计值。阴影区域表示各 GDP 十分 位数内国家值的四分位距（第 25 至第 75 百分位数）。 受教育程度较高的用户更倾向于将 ChatGPT 用于工作相关场景。在未调整其他变量的情况下，学士学位以下用户中 37%的消息与工作相关，学士学位用户为 46%，而研究生学历用户 达到 48%。在引入年龄、性别倾向、职业类别等多变量调整后， 组间差异约缩小一半，但仍 全部在 1%的水平上显著。这表明教育水平越高，用户越倾向于在工作场景中使用 ChatGPT。 面板 B 分析了不同教育水平用户在使用意图上的差异。学士学位以下用户中，询问类消息占比 约为 49%，而高等教育用户在这一类别上变化较小。经回归调整后，研究生学历用户进行询 问类对话的比例显著高出约两个百分点（在 5%水平上显著）。未调整前，执行类消息的频率 随教育水平提高呈上升趋势； 然而，在控制职业等变量后，这一关系发生逆转：研究生用户发 送执行类消息的比例反比低学历用户低约 1.6 个百分点（在 10%水平上显著）。 面板 C 进一步考察了教育水平对四类常见对话主题——实用指导、信息查询、技术帮助和写 作——使用频率的影响。结果显示，大多数主题在不同教育群体间差异不大，唯一的显著趋 势是：与写作相关的消息比例随着教育水平的提高而持续上升。 面板 A.工作相关 面板 B1.询问 面板 B2.执行 面板 B3.表达 面板 C1.写作 面板 C2.技术帮助 面板 C3.信息查询 No access HOW PEOPLE USE CHATGPT (中文版).pdf No access HOW PEOPLE USE CHATGPT (中文版).pdf 图 21： 2024 年 5 月与 2025 年 5 月ChatGPT 周活跃用户占互联网人口比例与 GDP 十分位数的对比。点估 计值为各十分位数内的中位数。互联网使用人口采用世界银行 2023 年的估计值。阴影区域表示各 GDP 十分 位数内国家值的四分位距（第 25 至第 75 百分位数）。 受教育程度较高的用户更倾向于将 ChatGPT 用于工作相关场景。在未调整其他变量的情况下，学士学位以下用户中 37%的消息与工作相关，学士学位用户为 46%，而研究生学历用户 达到 48%。在引入年龄、性别倾向、职业类别等多变量调整后， 组间差异约缩小一半，但仍 全部在 1%的水平上显著。这表明教育水平越高，用户越倾向于在工作场景中使用 ChatGPT。 面板 B 分析了不同教育水平用户在使用意图上的差异。学士学位以下用户中，询问类消息占比 约为 49%，而高等教育用户在这一类别上变化较小。经回归调整后，研究生学历用户进行询 问类对话的比例显著高出约两个百分点（在 5%水平上显著）。未调整前，执行类消息的频率 随教育水平提高呈上升趋势； 然而，在控制职业等变量后，这一关系发生逆转：研究生用户发 送执行类消息的比例反比低学历用户低约 1.6 个百分点（在 10%水平上显著）。 面板 C 进一步考察了教育水平对四类常见对话主题——实用指导、信息查询、技术帮助和写 作——使用频率的影响。结果显示，大多数主题在不同教育群体间差异不大，唯一的显著趋 势是：与写作相关的消息比例随着教育水平的提高而持续上升。 面板 A.工作相关 面板 B1.询问 面板 B2.执行 面板 B3.表达 面板 C1.写作 面板 C2.技术帮助 面板 C3.信息查询 面板 B2.执行 面板 C1.写作 面板 C2.技术帮助 面板 C3.信息查询 面板 C4.实践指导 图 23： ChatGPT 使用情况按职业分类的变化。面板 A 展示了各广泛职业类别中与工作相关的消息占比。面 板 B 展示了工作相关使用中 “询问”和 “执行”类消息占比的变化。面板 C 展示了按职业分类的工作相关对 话主题分布， 重点关注写作和实践指导。这些图的回归分析与图 22 中使用的相同。 图 24：与工作相关查询中最常请求的七种 GWA。表格报告了每个广泛职业群体（两位数的 SOC 代码） 中这 些 GWA 的频率排名。 1 表示该职业中最常请求的 GWA。X 表示由于样本中来自该职业群体的用户请求该特定 GWA 的数量少于 100， 因此排名不可用。七个职业群体被省略，因为没有一个 GWA 被单个职业群体中的 超过 100 名用户请求。这些被省略的职业群体（及其对应的 SOC2 代码）为 “ 医疗保健支持” （31）、 “保 护服务” （33）、 “建筑和地面清洁与维护” （37）、 “农业、渔业和林业” （45）、 “建筑和采掘”（47）、 “安装、维护和修理” （49）以及 “生产” （51） 。未展示的还有十二种其他 GWA，这些 GWA 请求频率较低，并在附录 D 中完整报告。参见附录以获取 GWA 与两位数 SOC2 代码之间的完整交叉表。 7 结论 本研究考察了自 2022 年 11 月推出以来 ChatGPT 的迅速普及进程。截至 2025 年 7 月，ChatGPT 每周活跃用户数已突破 7 亿，日均消息发送量超过 25 亿条，相当于每秒约处理29,000 条查询。尽管生成式人工智能及 ChatGPT 已被广泛采用，但关于其实际使用模式与用 户构成的实证证据仍较为缺乏。 作为首篇基于 ChatGPT 内部消息数据的经济学论文，本研究采用了一种新颖的隐私保护方 法：在整个研究过程中，没有任何人工查看过用户消息内容。 我们总结了关于 ChatGPT 使用的八个主要发现： 第一，截至 2025 年 7 月，约 70%的消费者查询与工作无关。尽管工作相关和非工作类消息 都在增长， 但非工作类查询增速更快。 第二，最常见的三大对话主题分别为“实用指导”“写作”和“寻求信息”，合计占总消息量 的 78%。相比之下，计算机编程仅占 4.2%，人际关系与个人反思类消息只占 1.9%。 第三，写作是当前最主要的工作场景应用，占工作相关消息的 42%，尤其在管理与商业职业 中占比超过一半。约三分之二的写作类消息是请求修改用户提供的文本， 而非完全从头生成。 第四，按用户意图可将消息分为“询问”“执行”与“表达”三类。其中 49%为寻求指导、建议或信息（询问）， 40%为请求完成可嵌入工作流程的任务（执行）， 11%属于无明确意图 的表达。一年来，“询问”类消息增长最快，其质量在用户满意度评分和直接反馈中也显著更高。 第五， ChatGPT 使用中的性别差距已显著缩小。截至 2025 年 7 月，超过一半的每周活跃用 户通常使用女性名字。 第六， 26 岁以下用户贡献了近一半的成人发送消息。 第七，过去一年中，低收入和中等收入国家的用户增长尤为迅速。 第八，教育水平较高、从事专业职业的用户 更倾向于将 ChatGPT 用于工作，且在工作中更多进行“询问”而非“执行”。 总体而言， 本研究结果表明 ChatGPT 对全球经济已产生广泛影响。非工作用途的快速增长说 明，生成式 AI 所带来的福利收益可能非常可观。 Collis 与 Brynjolfsson （2025）估计， 美国 用户平均需要 98 美元补偿才愿意放弃使用生成式 AI 一个月，这意味着年化消费者剩余至少 达 970 亿美元。在工作场景中， 用户目前更多将 ChatGPT 视为“顾问”或“研究助理”，而 不仅仅是任务执行工具。 ChatGPT 通过提供决策支持，尤其在高知识密度、决策质量直接影 响生产力的工作中， 为使用者创造了显著价值。 NBER 工作论文系列 人们如何使用 ChatGPT 译: 吵爷 作者： Aaron Chatterji Thomas Cunningham David J. Deming Zoe Hitzig Christopher Ong Carl Yan Shan Kevin Wadman 工作论文编号： 34255 网址： http://www.nber.org/papers/w34255 国家经济研究局 马萨诸塞大道 1050 号 剑桥市， 马萨诸塞州， 02138 2025 年 9 月 我们感谢 Joshua Achiam、 Hemanth Asirvatham、 Ryan Beiermeister、 Rachel Brown、 Cassandra Duchan Solis、Jason Kwon、 Elliott Mokski、 Kevin Rao、 Harrison Satcher、 Gawesha Weeratunga、 Hannah Wong 以及 Analytics & Insights 团队的帮助与意见。我 们特别感谢 Tyna Eloundou 和 Pamela Mishkin， 他们在多个方面为这项工作奠定了基础。 本研究已获得哈佛大学 IRB 批准（IRB25 0983）。包含本文分析所用代码的存储库可根据请 求提供。本文所表达的观点仅为作者个人观点， 并不一定反映国家经济研究局的观点。 至少有一位合著者披露了可能与本研究相关的其他关系。更多信息可在以下网址获取： http://www.nber.org/papers/w34255。 NBER 工作论文用于讨论和评论，未经同行评审， 也未经过 NBER 董事会审查，后者是 NBER 正式出版物的评审程序。 © 2025 由 Aaron Chatterji、Thomas Cunningham、 David J. Deming、Zoe Hitzig、 Christopher Ong、Carl Yan Shan 和 Kevin Wadman 所有。保留所有权利。在不超出两段 文字的情况下，可以不经明确许可引用本文，但需注明完整出处，包括©声明。 人们如何使用 ChatGPT Aaron Chatterji、Thomas Cunningham、 David J. Deming、Zoe Hitzig、Christopher Ong、Carl Yan Shan、 Kevin WadmanNBER 工作论文第 34255 号 2025 年 9 月 JEL 分类号： J01, O3, O4 摘要 尽管大型语言模型（LLM）聊天机器人迅速普及，但人们对它们的具体使用方式仍了解有限。 我们追踪了 ChatGPT 自2022 年 11 月发布至 2025 年 7 月期间的增长轨迹：截至该时点，全球约10%的成年人已成为其用户。早期用户中男性比例较高，但性别差距已明显缩小；同时，低收入国家的用户增长率更为显著。通过采用保护隐私的自动化流程，我们对 ChatGPT 对话的代表性样本进行了使用模式分类。研究发现， 与工作相关的使用持续增长， 但非工作类消息的增长速度更快，其占比从 53%上升至 70%以上。教育水平较高、从事高薪职业的用户 更频繁地将 ChatGPT 用于工作场景。按对话主题分类显示，“实用指导”“信息查询”和“写作”是最常见的三大用途，总计占全部对话的近 80%。写作在工作相关任务中占据主导，突显了聊天机器人在生成数字化内容方面相比传统搜索引擎的独特优势。而计算机编程与 自我表达类用途占比较小。总体而言， ChatGPT 通过提供决策支持——尤其是在知识密集型 工作中——展现了其经济价值。 1 引言 ChatGPT 自 2022 年 11 月推出以来， 迅速获得广泛使用。截至 2025 年 7 月，其每周用户数 已达 7 亿，消息发送量高达 180 亿条， 覆盖全球约 10%的成年人口¹。这一扩散速度在新兴技 术中前所未有（Bick 等， 2024）。 本研究聚焦 ChatGPT——首个面向大众市场、可能也是规模最大的聊天机器人²的应用现状。 该工具基于大型语言模型（LLM），这一在过去十年中迅速发展的人工智能（AI） 技术，普遍 被认为代表了 AI 能力的飞跃进步³。 LLM 能力的快速提升与广泛普及，引发了人们对 AI 影响经济增长（Acemoglu， 2024；Korinek 和 Suh，2024）、就业（Eloundou 等， 2025）及社会结构（Kulveit 等， 2025）的广泛关注。然而， 尽管 LLM 普及迅速，其实际使用方式仍缺乏公开的细致数据。现有调查 多依赖自我报告的使用情况（Bick 等， 2024；皮尤研究中心， 2025），但这类数据可能存在 偏差（Ling 和 Imas， 2025），且未能直接追踪聊天对话的数量或内容特征。 近期， Handa 等人（2025）与 Tomlinson 等人（2025） 的研究从多个维度对聊天对话进行 了分类统计。我们的工作在以下方面对该领域进行了拓展和深化：其一， 依托更大规模的ChatGPT 用户群体， 本研究使用的数据更具广泛性和代表性⁴；其二，我们引入自动分类器， 并构建了一套新的消息类型分类体系， 在方法论上实现了创新； 其三，不仅分析了使用行为在 人群中的扩散路径， 还进一步揭示不同类型使用模式随时间的变化趋势； 其四，基于安全的数 据清洁室协议，在严格保护用户隐私的前提下， 结合汇总的职业与教育属性信息， 系统识别了 不同群体在使用模式上的差异。 本研究的主要样本来自 2024 年 5 月至 2025 年 6 月期间消费者计划（包括免费版、 Plus 和 Pro 用户）向ChatGPT 发送的随机抽取消息⁵。我们采用多种分类体系对用户消息进行自动分类，包括： 是否用于有偿工作、对话主题、交互类型（如询问、执行或表达）以及用户所执行 的 O NET 任务类别。各项分类均通过预定义的 LLM 提示词实现，全程无需人工参与，既保 障效率也避免隐私泄露。附录 A 提供了大部分提示词的具体表述，附录 B⁶则详述了提示词的 验证过程。整个分类流程设计有多项隐私保护措施， 确保在自动化处理中不泄露任何敏感信 息。在安全的数据清洁环境中，我们将消息分类结果与汇总后的就业及教育背景数据进行关联分析。 表 1 显示了工作相关和非工作使用场景中总消息量的增长情况。 表 1： ChatGPT 每日消息量（百万）， 按可能的工作相关或非工作相关分类。总消息量是所有消费者计划的 精确测量。工作相关和非工作相关消息的每日量通过分类当天的随机对话样本估算。采样排除了选择不分享消息用于模型训练的用户、自报年龄未满 18 岁的用户、未登录用户、已删除对话及已停用或封禁的账户（详见第 3 节）。报告值为截至 2024 年 6 月26 日和 2025 年 6 月26 日的 7 天平均值（以平滑周波动） 。 两类消息的数量均持续增长， 但非工作类消息增速更快，目前已占所有消费者 ChatGPT 消息 的 70%以上。尽管大多数人工智能经济分析聚焦于其对有偿工作生产力的影响，但 AI 在非工 作活动（如家庭生产）中所带来的影响规模相当，甚至可能更大。工作相关消息占比下降， 主 要源于用户群体内部使用模式的变化， 而非新用户结构变化所致。该发现与 Collis 和Brynjolfsson （2025）的研究一致，他们通过选择实验揭示了用户对生成式 AI的支付意愿， 并估计 2024 年仅美国消费者剩余就至少达到 970 亿美元。 我们进一步采用 OpenAI 开发的“对话分类器”对消息类型进行划分。近 80%的 ChatGPT 使 用集中于三大类别： 实用指导、信息查询和写作。实用指导是最常见的应用场景， 涵盖教学辅 导、各类主题的“如何操作”建议以及创意生成。信息查询类主要包括搜索人物、时事、产品 和食谱等内容，其功能与传统的网络搜索高度重合。写作类应用则包括自动生成邮件、文档和 其他通讯内容，同时也涵盖对用户提供文本的编辑、评论、总结和翻译。在工作场景中，写作 是最主要的用途，截至 2025 年 6 月， 平均占工作相关消息的 40%。约三分之二的写作类消息是请求 ChatGPT 修改用户已有文本（如编辑、评论或翻译） ，而非从零开始生成全新内容。另有约 10%的消息属于辅导或教学请求， 表明教育是 ChatGPT 的一个重要应用方向。 我们的两项发现与其他研究形成了对比。首先， 与计算机编程相关的消息占比相对较低：仅 4.2%的 ChatGPT 消息涉及编程， 而在 Handa 等人（2025）的研究中， 33%的 Claude 工作 对话与此相关。其次，与情感陪伴或社会性问题相关的消息比例也相当有限：仅 1.9%的消息 涉及人际关系与自我反思， 0.4%与游戏或角色扮演相关。 “实用指导”与“信息查询”的区别在于：前者高度针对用户个人需求， 可根据对话内容和后续互动进行调整；而后者则是客观事 实信息，对所有用户而言都应保持一致。例如，对跑步感兴趣的用户可能会向 ChatGPT 询问按年龄和性别划分的波士顿马拉松达 标成绩（信息查询）， 也可能要求为其量身定制符合自身目标和当前体能水平的训练计划（实用指导）。 Handa 等人（2025） 报告称， 37% 的对话被归类到“计算机与数学”职业类别，其图 12 显示， 所有推断任务中编程或 IT 相关任 务占比达 30%以上。我们认为，这种差异部分源于 Claude 与 ChatGPT 用户群体类型的不同； 此外， Handa 等人（2025）仅纳 入了“可能涉及职业任务”的查询，这也影响了统计结果。 相比之下， Zao Sanders （2025）的研究提出，情感治疗或陪伴对话才是生成式人工智能最 为普遍的应用场景。 我们还记录了 ChatGPT 在使用人口统计特征方面的若干重要发现。首先，有证据表明ChatGPT 使用中的性别差距已显著缩小，甚至可能已基本消失。在发布初期，约 80%的活跃 用户姓名通常为男性化名称； 而到 2025 年 6 月，这一比例已降至 48%，女性化名字的用户 比例略占优势。其次，尽管年龄差距近期有所收窄， 但 26 岁以下用户仍贡献了近一半的成人 发送消息。第三，过去一年中，低收入和中等收入国家的 ChatGPT 使用增长较为迅速。第四，教育水平较高、从事高薪职业的用户更倾向于在工作中使用 ChatGPT。 我们提出了一种基于用户意图的输出类型分类法，将消息划分为“询问”、“执行”与“表达”三类。“询问”指用户寻求信息或澄清以辅助决策，对应知识工作中的问题解决模型（如 Garicano （2000）、Garicano & Rossi Hansberg （2006）、Carnehl & Schneider（2025）、 Ide & Talamas （2025））； “执行”指用户希望生成某种输出或完成某项任 务，对应经典任务型工作模型（如 Autor 等（2003））；“表达”则指用户陈述观点或情 绪，而不以获取信息或行动为目的。我们估计， 约 49%的消息属于“询问”， 40%为“执 行”， 11%为“表达”。截至 2025 年 7 月， 约 56%的工作相关消息被归类为“执行”类 （如完成具体工作任务），其中近四分之三涉及写作任务。 写作类对话的高频出现值得关注，原因有二：其一， 写作是绝大多数白领工作中的常见任务， 而优秀的书面沟通能力被雇主列为最看重的“软技能”之一 （全国大学与雇主协会， 2024）；其二，生成式人工智能相较于传统信息技术的显著优势，正在于其生成长文本输出 （如写作与软件代码）的能力。 通过职业信息网络（O NET） ——美国劳工部支持的工作特征数据库——我们将消息内容映 射至具体工作活动。结果显示，约 81%的工作相关消息集中于两大类活动： 一是获取、记录 与解释信息；二是决策、建议、问题解决与创造性思考。此外， 与 ChatGPT 使用相关的工作 活动在不同职业类型中高度相似。例如，“获取信息”和“决策与解决问题”在几乎所有职业 大类——从管理、商业到 STEM （科学、技术、工程与数学）， 再到行政与销售——均位列 消息频率前五。 总体而言， 我们的研究表明， 在大多数职业中， 信息获取与决策支持是 ChatGPT 最核心的应 用场景，这也与近半数使用行为集中于“实用指导”和“信息查询”的发现相一致。同时，“询问”类消息的增长速度超过其他类型，进一步突显了 ChatGPT 在支持知识工作和复杂决 策中的重要作用。 在用户满意度评估和直接反馈中，“执行”与“询问”类消息被评为更高质量的类型。那么， ChatGPT 如何提供经济价值， 尤其对哪些用户群体价值最为显著？ 我们认为， ChatGPT 主要通过提供决策支持来提升经济价值， 尤其在知识密集型工作中， 它 有助于提高工人的产出效率——更好的决策往往带来更高的生产力（Deming, 2021; Caplin et al., 2023）。这也解释了为什么在教育水平较高、从事高薪专业职业的用户中， “询问” 类消息的出现频率相对更高。 我们的发现与 Ide 和 Talamas （2025）的研究最为一致。他们构建的模型将人工智能代理视 为既可充当“同事”直接生成成果，也可作为“副驾驶”提供建议，从而提升人类解决问题的 效率。 ChatGPT 在当前应用中所体现出的价值， 正贴合这种“副驾驶”式的智能辅助定位。 2 什么是 ChatGPT？ 在此，我们简要介绍大语言模型（LLMs）及其驱动的聊天机器人的基本原理。更详细的技术 说明可参考 OpenAI 发布的相关模型论文与系统文档（如 OpenAI, 2023, 2024a, 2025b）。 聊天机器人本质上是一种统计模型，其训练目标是基于输入的文本生成符合特定“质量”标准 的响应文本——该质量由多种评估指标共同衡量。 在典型的交互过程中，用户输入一段纯文本消息（即“提示”） ， ChatGPT 则基于底层的大 语言模型生成并返回相应的文本回复（即“响应”） 。尽管 ChatGPT 还集成了诸多扩展功能 ——例如支持 LLM 进行网络或外部数据库检索， 以及根据文本生成图像等——但基于文本的 消息对话仍是最主要的交互形态。 自发布以来， ChatGPT 已陆续采用了多种不同的底层大语言模型，包括 GPT 3.5、GPT 4、GPT 4o、o1、o3 以及 GPT 5 等。此外，模型的权重参数和系统提示（即附加在所有用户查 询前的文本指令）也会进行定期更新。 从技术角度看，大语言模型可理解为一个从词序列映射到所有可能词汇集合上的概率分布函数 （更准确地说，其基本单元为“标记”，大致对应单词或子词） 。这些函数通过基于Transformer 架构（Vaswani et al., 2017）的深度神经网络实现，并由数以十亿计的模型“权重”参数化。尽管 ChatGPT 所使用的多数模型已具备处理图像、音频或其他媒体对应的 标记的能力，我们仍统一将其称为语言模型。 基于大语言模型（LLM）的聊天机器人， 其权重训练通常分为两个阶段： “预训练”和“后训 练”。第一阶段（预训练）中，模型在大规模文本语料上进行训练，学习基于上文预测下一个 词。此时的模型仅作为基于上下文预测词汇概率的工具，应用范围较为有限。第二阶段（后训 练）则专注于训练模型生成对特定提示的“优质”响应。该阶段通常融合多种策略，包括： 在 包含查询与理想回复的数据集上进行微调；通过另一个已训练的质量评估模型进行强化学习（Ouyang et al., 2022）； 或基于已知真实回复的奖励函数进行强化学习（OpenAI,2024b）。如 Lambert 等人（2024） 所指出的，该阶段通常还引入一系列“安全性”约束， 以规避生成有害或危险类型的回应（OpenAI， 2025a）。 这一两阶段训练过程在统计学上有一个常见的解释： 预训练阶段帮助模型学习世界知识的潜在 表示；后训练阶段则基于该表示，拟合出一个适用于人机对话的响应函数（Bengio et al.,2014）。通过训练模型预测下一个词， 模型能够有效捕捉文本中的低维语义特征， 从而提取 关键信息， 使得在有限样本下实现高质量的“提示 响应”映射成为可能。 当前评估聊天机器人性能的常见方法包括两类： 一是基于基准测试，即使用一系列具有标准答 案的问题（如《大规模多任务语言理解评测》（Hendrycks et al., 2021）） 检验模型能力；二是通过人类对同一提示下多个回复的偏好进行比较（例如《聊天机器人竞技场》（Chiang et al., 2024））， 以此衡量生成内容的质量和可用性。 3 数据与隐私 在本节中， 我们将介绍本文所使用的数据以及我们实施的隐私保护措施。研究团队任何成员均 未接触过用户消息的具体内容，所有分析均严格依照 OpenAI 的隐私政策（OpenAI,2025c）进行。 本文的分析基于以下数据集： 1. 增长数据（Growth）：涵盖 2022 年 11 月至 2025 年 9 月期间消费级 ChatGPT 用户的 每日总消息量，以及基本的用户自报人口统计信息。该数据集主要用于第 4 节。 2. 分类消息（Classified messages）：对消息进行粗粒度分类后的数据。 来自所有 ChatGPT 用户的样本：从 2024 年 5 月至 2025 年 6 月期间登录的消费级 ChatGPT 用户中，随机抽取约一百万条已去标识化的消息¹⁴。该数据集主要用于第 5 节。 来自部分 ChatGPT 用户的样本：从 2024 年 5 月至 2025 年 7 月期间，由部分消费 级 ChatGPT 用户发送的消息中抽取的两个随机样本（一个在对话层级抽取， 一个在 用户层级抽取）¹⁵。这些数据集主要用于第 6 节。 3. 就业数据（Employment）：基于公开可得数据， 对部分消费级 ChatGPT 用户的就业与 教育类别进行的汇总分类。该数据仅在第 6 节中使用。 下文我们将详细说明每个数据集的内容、生成这些数据集所采用的抽样方法，以及在构建和分 析过程中实施的隐私保护措施。 3.1 增长数据 我们编制了一个涵盖自2022 年 11 月 ChatGPT 推出以来所有消费者 ChatGPT 计划（免费、 Plus、 Pro）使用情况的数据集。我们排除了非消费者用户 （商业用户， 团队，企业，教育机 构） 。 对于每个用户和每一天，该数据集报告了用户当天发送的消息总数。同时，对于每条消息， 它 还报告了去标识化的用户元数据，包括用户首次与 ChatGPT 互动的时间戳、账户注册所在国 家、每天的订阅计划以及用户自报的年龄（以 5 7 年的粗粒度区间报告， 以保护用户隐私） 。 3.2 分类消息 为了在保护用户隐私的同时理解使用情况，我们构建了消息级别的数据集，且没有任何人阅读 过消息内容。关于隐私保护分类流程的概述， 请参见图 1。消息根据 5 种不同的基于 LLM 的 分类器进行分类。这些分类器在第 5 节中详细介绍， 其确切文本在附录 A 中重现， 我们的验 证过程在附录 B 中描述。 从所有 ChatGPT 用户中抽样。我们均匀抽样了约 110 万次对话，然后在每次对话中抽取一条 消息，并遵循以下限制： 1. 我们仅包含 2024 年 5 月至 2025 年 7 月的消息。 2. 我们排除了选择不分享其消息用于模型训练的用户对话。 3. 我们排除了自报年龄低于 18 岁的用户。 4. 我们排除了用户已删除的对话以及账户已被停用或封禁的用户。 5. 我们排除了未登录用户，他们在样本期间仅占 ChatGPT 用户的少数。 我们的样本是从一个本身经过抽样的表中抽取的，抽样率随时间变化。因此，我们调整了抽样 权重，以保持与发送消息总量的固定比例。 从 ChatGPT 用户子集中抽样。我们从 ChatGPT 用户子集（约 13 万用户）中构建了两个分 类消息样本。该用户样本不包括任何选择不分享其消息用于训练的用户， 也不包括自报年龄低 于 18 岁的用户， 以及被封禁或删除账户的用户。 第一个样本包含来自该用户子集的 158 万条消息的分类，按对话级别抽样（对话是用户与聊 天机器人之间的一系列消息） 。该样本的构建使得用户在数据中的代表性与总体消息量成比 例。第二个样本包含来自该用户子集的消息，按用户级别抽样， 每组用户最多抽取六条消息。 图 1：隐私保护自动分类流程示意图（合成示例） 。消息首先通过一个名为 PrivacyFilter 的内部基于 LLM 的 工具去除 PII （个人身份信息）。然后，它们由基于 LLM 的自动分类器进行分类，详细描述见附录 A 和 B。 人类不会看到原始消息或去除 PII 的消息，只会看到消息的最终分类。 通过自动分类器实现隐私保护 在本文的分析过程中，没有人查看过消息内容。所有消息内容的分析都是通过基于 LLM 的自 动分类器在去标识化和去除 PII 的消息数据上进行的（见图 1） 。消息首先使用一个内部基于 LLM 的工具去除 PII，然后根据在受控标签空间上定义的分类器进行分类——我们在消息级数 据集上使用的最精确的分类器是 O NET 中级工作活动分类法， 我们对其进行了扩充，最终得 到 333 个类别。我们引入了技术和程序上的摩擦， 以防止意外访问底层文本（例如，界面不 会向研究人员呈现消息文本） 。我们的分类旨在辨别给定消息的意图，因此我们将对话中的前 10 条消息作为上下文包含在内。例如，参见表2。 表 2：上下文增强消息分类示意图（合成示例）。左列显示要分类的独立消息， 右列显示在分类左列消息时包 含的先前上下文。 我们将每条消息截断至最多 5,000 个字符，因为长上下文窗口可能会导致分类质量的变异性 （Liu 等， 2023） 。我们使用 “gpt 5 mini”模型对每条消息进行分类， 除了交互质量使用 “gpt 5”模型， 使用附录 A 中列出的提示。 我们通过将模型分类决策与人工判断的公开可用 WildChat 数据集（Zhao 等， 2024）中的对 话样本分类进行比较，验证了每个分类提示的有效性。WildChat 数据集包含用户明确同意公 开分享用于研究目的的第三方聊天机器人对话。附录 B 详细介绍了我们的验证方法及相对于人 工判断的表现。为了进一步提高透明度，我们对 10 万条公开的 WildChat 消息样本进行了分 类，并在本文的复制包中提供了这些数据。 3.3 就业数据集 我们基于公开可用的消费者 ChatGPT 用户样本数据，对汇总的就业类别进行了有限的分析。 该样本包括约 13 万名免费、 Plus 和 Pro 用户，就业类别由通过安全数据清理室（DCR） 工作 的供应商汇总。在此分析中， 我们采用了与消息级别数据集相同的排除标准：排除已停用用户、被封禁用户、选择退出训练的用户以及自报年龄未满 18 岁的用户。由于数据仅适用于部 分用户，结果可能无法代表全部用户。 描述 就业数据从公开来源汇总，包括行业、职业（粗化至 O NET 类别）、职级、公司规模和仅限 于所获学位的教育信息。由在 DCR 内工作的供应商获取此数据集，限制我们仅能通过 DCR 对其运行汇总查询， 并在研究完成后删除数据。 通过数据清理室保护隐私 我们从未直接访问用户级别的个人记录。所有就业数据分析均在安全的 DCR 内执行，该 DCR 仅允许对独立持有的数据集进行预先批准的汇总计算；任何一方都无法查看或导出另一方的底 层记录。我们通过严格的协议管理 DCR：要执行任何涉及外部人口统计数据的查询，我们首 先获得 6 位合著者委员会的明确批准，然后将笔记本提交给数据合作伙伴审批；只有获批的笔 记本才能在 DCR 中运行（见图2）。 我们的合作伙伴执行了严格的汇总限制：他们仅批准返回满足 100 名用户阈值的单元格的代 码。因此， 研究人员从未看到任何单独的行或狭义定义的类别。例如，如果有 99 名用户的职 业为 “麻醉师”，任何职业级别的输出都会将这些用户归入 “隐藏”类别，或将观察结果归入 粗化类别（如 “ 医疗专业人员” ），而不是单独报告麻醉师的单元格。 图 2：通过数据清洁室进行的聚合就业类别分析示意图。所有在数据清洁室中运行的查询必须得到我们数据合 作伙伴的批准，并执行严格的聚合阈值（100 个观察值） 。因此， 研究人员无法访问用户级别的就业数据， 只能访问聚合的就业类别。 3.4 总结 我们在研究的每个阶段均采取了严格的隐私保护措施，核心方法包括以下两方面： 首先，所有用户消息均通过自动分类系统进行处理。在整个分析过程中， 研究团队无人直接查 看任何用户消息的原始内容。我们全部的分析均基于对去标识化且已剔除个人身份信息（PII）的数据运行自动分类器所产生的输出结果。 其次，就业相关数据的分析在安全的数据清洁室环境中进行，且仅以聚合形式报告。研究团队 无法接触用户级别的人口统计信息，同时我们遵循“最小单元数量”原则，绝不报告用户数少 于 100 的群体的任何聚合结果。 通过以上措施，我们致力于达到甚至超越聊天机器人社会科学研究及数字平台数据与外部数据 关联分析中的隐私保护标准。 我们的方法延续了近期多项对聊天机器人对话分析的研究所建立的先例（如 Phang 等（2025）、 Eloundou 等（2025）、 Handa 等（2025）、Tomlinson 等（2025） ），这些 研究均依赖自动分类而非人工审阅原始对话。例如， Phang 等（2025）对 ChatGPT 情感使 用的研究， 以及 Eloundou 等（2025）对聊天机器人中第一人称公平性的调查， 均通过自动 分类器分析消息内容，并强调这种基于分类器的方法兼具可扩展性与隐私保护性。Anthropic 的 Handa 等（2025） 采用了类似方法——其 Clio 方法论将自动分类器应用于海量对话集，将其归类至数千个主题，并在附录中提供了对人工校验样本（100 条被标记需审查及 100 条 随机抽样的校准对话）的描述。与 Eloundou 等人一致，我们使用公开用户对话数据集WildChat 对我们的分类器进行验证。 其他研究也已有分析数字行为与人口统计数据相结合的实践，我们在此援引若干相关先例。例 如， Humlum 与 Vestergaard （2025b, 2025a）分析了关于聊天机器人使用的大规模调查数 据，并结合了丹麦行政劳动力市场数据； Chetty 等（2022）则分析了去标识化的 Facebook 社交关系图与匿名化的美国国税局（IRS）税务记录，所有数据均在邮政编码层级进行聚合处理。 4 ChatGPT 的增长 ChatGPT 于 2022 年 11 月 30 日作为 “研究预览”向公众发布，到 12 月 5 日，其注册用户 已超过 100 万。图 3 报告了消费者计划中每周活跃用户（WAU）随时间的整体增长情况。一 年后， ChatGPT 的登录 WAU 超过 1 亿， 两年后接近 3.5 亿。到 2025 年 7 月底， ChatGPT 的总 WAU 超过 7 亿，接近全球成年人口的 10%。 图 3：消费者计划（免费、 Plus、 Pro）中每周活跃的 ChatGPT 用户，每六个月显示一次时间点快照， 2022 年 11 月至 2025 年 9 月。 图 4 展示了用户发送的总消息量随时间的增长情况。实线显示， 2024 年 7 月至 2025 年 7 月期间，发送的消息数量增长了超过 5 倍。 图 4 还显示了不同用户群体对总消息量的贡献。黄线代表第一批 ChatGPT 用户：他们的使用 量在 2023 年有所下降，但在 2024 年底开始再次增长，目前达到历史最高水平。粉色线条代 表在 2023 年第三季度或更早时期注册的用户所发送的消息量， 因此黄色线条与粉色线条之间 的差值