AI观测站揭示真实使用图谱：工作之外的敏感行为被主流报告忽略

主流报告缺乏独立验证，观测站填补数据空白

AI公司如Anthropic和OpenAI定期发布Claude、ChatGPT等产品的使用报告，但研究人员指出，这些数据仅反映企业愿公开的部分。斯坦福大学可信AI实验室（STAIR）博士生Anka Reuel表示：“目前没有任何独立信源可验证其真实性。”她与MIT媒体实验室博士毕业生Shayne Longpre共同牵头启动「AI观测站」（AI Observatory）项目——一个开源、公共的研究平台，整合并分析来自7个已获用户明确授权的数据集中的真实对话，覆盖Claude、Gemini、Grok、ChatGPT等主流模型，时间跨度为2023至2025年。

非工作场景被系统性过滤，敏感行为远超报告所称

观测站发现，当前最具影响力的行业参考之一——Anthropic经济指数（Anthropic Economic Index），因其聚焦“工作与生产力”用途，自动排除大量非职业向对话。当研究团队用相同方法处理自身数据集时，48%的对话被过滤掉。被剔除的这部分对话中，涉及健康与人际关系的比例达44.2%（Anthropic报告中为31.2%），成人或非法话题达7.9%（vs. 2.1%），骚扰与仇恨言论达27.5%（vs. 5.66%），性相关内容达16.7%（vs. 2.4%）。类似地，OpenAI 2025年ChatGPT报告亦承认：仅30%消费者使用与工作相关。

使用行为随时间演化：更长、更亲密、更隐蔽

在包含最多细粒度交互的WildChat数据集中，对话长度、响应token数与轮次持续增加，同时闲聊（small talk）比例显著上升——印证AI正加速承担情感陪伴角色。与此同步，AI系统主动声明自身为聊天机器人的频率下降，即“自我披露”减弱。值得注意的是，被标记为“敏感使用”（含性骚扰、仇恨言论等）的对话比例整体下降，研究者推测这可能反映各平台安全策略的实际优化效果。

模型间差异显著：用途、风格与风险分布各不相同

观测站识别出清晰的模型功能分野：Grok与Gemini更常用于信息检索，其中Grok在新闻与政治话题上尤为活跃，但也是虚假信息高发区（xAI未就此事置评）；Anthropic模型高频用于编程；Gemini在社交模拟与角色扮演中使用率最高；ChatGPT则主要承担作业辅助任务。甚至同一模型不同版本也呈现行为分化：GPT-3.5驱动的ChatGPT对话更短促，而GPT-4o引发更长、更具迭代性与情感卷入性的交互——这与其被指易致“情绪成瘾”的公众认知一致。而所有公司报告均未系统呈现此类跨模型或代际差异。

编者观点：中国企业需建立自主AI使用行为监测机制，避免依赖单一厂商口径评估社会影响与合规风险。