OpenAI万字报告深度解读！跳出Agent内卷，掌握未来AI新方向，从入门到精通一篇吃透！

周末，终于刷完了，OpenAI的《How People Use ChatGPT》。很多数据，比较违背大多数人惯性思维，今天从不同的角度，给大家分享一下。

大靠山

481人浏览 · 2025-09-24 20:07:53

大靠山 · 2025-09-24 20:07:53 发布

周末，终于刷完了，OpenAI的《How People Use ChatGPT》。

很多数据，比较违背大多数人惯性思维，今天从不同的角度，给大家分享一下。

TLDR：

绝大多数用户对你的技术不感兴趣，他们只关心你能否让他此刻更轻松一点。

AI产品的商业价值，可能不在于能不能模拟一个人类专家，而在于能不能替用户做掉那些我能做，但就是不想做的动作。

真正的市场不应该只盯着智能的天花板，往下看看，懒惰的地板上，也全是机会。

70%的用途与工作无关，AI首先是生活方式

ChatGPT是一个生产力工具，几乎是所有人的共识。

截至2025年7月，73%的ChatGPT用途与工作无关。

当所有人都在想，到底要怎么让AI赋能千行百业的时候，用户只是把AI当成了一个生活伴侣，可以随时随地帮自己省点脑细胞的聊天对象罢了。

AI对绝大多数人来说，首先是用来解决生活中的小麻烦，其次才是工作中的大任务。这个基本盘，我们可能一直都搞反了。

那用户到底在用AI干嘛？

报告里有一个关键数据点：三类用途，加起来占了用户所有对话的将近80%！

实用建议 (Practical Guidance) ，比如说：“这事我大概懂，但你能快速解释一下吗”、“我脑子卡住了，你先给我几个思路我再改”。
信息查询 (Seeking Information)，比如说 “帮我查查这个概念是啥意思”。
写作 (Writing)，比如说 “我懒得写，你帮我润色/缩写/扩写一下”。

而很常见的图像生成、coding 、多模态呢？

报告也给出了数据：编程相关的用途，只占所有对话的4.2%。

我们一直在想构建更强的代码Agent，但对海量用户来说，AI最不可或缺的能力，是帮他们把话说得更漂亮、把事情想得更简单。

要决策不要执行

过去，我们认为，让AI直接干活才是正道？

Asking（寻求建议以辅助决策） VS Doing（让AI直接执行任务产出结果）

Asking 的对话占比为49%，高于直接 Doing 的40%。

更重要的是，前者不仅增长速度更快，而且用户满意度也明显更高。

这说明什么？

用户想要的，并非一个全自动的员工，而是一个随时待命、能垫一步的认知助理。

过去，我们以为，用户想要一个Super Agent？但现实是，能留下来的产品，往往只解决了一个核心问题，比如：懒得写。

用户更需要的是一个“我脑袋转不动了，你先帮我垫一脚”的石头。

机会，藏在人类的惰性里

科技圈，很可能一直处在一个信息茧房里。

我们默认用户对技术本身充满好奇，对颠覆式创新、改变世界的叙事感到兴奋。

但从这个报告来看，“做什么AI应用能赚钱”这个问题，视角已经完全变了。

别总去想还能不能做一个内容平台、一个垂直模型、一个SaaS系统。

我们应该反过来问自己：我有没有办法，找到一个特别具体、特别细分、但特别常见的人类偷懒瞬间，然后围绕这个瞬间，去设计一套轻决策路径+提示词模板+好的UI输出，让用户在最不想动脑的时候，最快拿到一个可修改的半成品？

当这个偷懒动作被频繁触发，它就自然变成了习惯性的AI肌肉记忆，而我们做的应用，也就从一个工具变成了大脑外挂。

最后

人会为强大而敬畏，但会为轻松而掏钱。

所以，你想不想做一款AI产品，能替用户少动一次脑？你能不能用prompt、memory、数据和一点点贴心，帮人类多偷一秒懒？

如果可以，那它可能比我们写出一个能做十种事情的智能体，还更容易被用户买单和留存。

动一次脑？你能不能用prompt、memory、数据和一点点贴心，帮人类多偷一秒懒？

如果可以，那它可能比我们写出一个能做十种事情的智能体，还更容易被用户买单和留存。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

在这里插入图片描述

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

在这里插入图片描述

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等
在这里插入图片描述

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

在这里插入图片描述

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【`保证100%免费`】

在这里插入图片描述

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用，大模型作为其中的重要组成部分，正逐渐成为推动人工智能发展的重要引擎。大模型以其强大的数据处理和模式识别能力，广泛应用于自然语言处理、计算机视觉、智能推荐等领域，为各行各业带来了革命性的改变和机遇。

在这里插入图片描述

适合人群

在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。