OpenAI 推出 Signals：追踪全球 AI 采用的公共数据平台

OpenAI 近日正式推出 Signals 平台，这是一个面向公众免费开放的数据资源库，专注于追踪和分析全球范围内人工智能技术的实际采用状况。这是 OpenAI 迄今为止在数据透明度方面迈出的最重要一步，也是 AI 治理生态中一个值得深入解读的新动态。

Signals 平台是什么？

核心定位

Signals 的目标是为全球 AI 扩散提供一致、公开的测量基准。简单来说，它试图回答一个关键问题：**全球各地、各行各业的人们，究竟是如何使用 AI 的？用得多吗？用在哪些地方？**

在此之前，关于 AI 使用情况的数据高度分散且不透明——各公司各说各话，研究机构的调查口径不一，政策制定者缺乏可靠的参考数据。Signals 试图填补这一空白。

主要功能模块

地理维度分析：提供超过 50 个国家和地区的 AI 使用数据，包括人均 ChatGPT 使用频次、活跃用户密度、使用增长率等核心指标。支持国家间横向对比。

行业渗透度追踪：涵盖医疗、教育、金融、法律、制造业等主要行业的 AI 工具渗透率，并按企业规模（中小企业 vs 大型企业）细分。

任务类型演变分析：追踪用户查询类型随时间的变化趋势，例如「信息检索」「文本生成」「代码编写」「任务规划」等类别的占比变化。

时序趋势仪表盘：提供季度维度的趋势数据，支持政策研究者进行纵向分析。

所有数据定期更新，API 接口对学术研究者免费开放。

关键发现：全球 AI 使用的真实图景

Signals 首批发布的数据揭示了几个值得关注的重要发现：

发现一：AI 使用率的地理差异远超预期

发达国家与发展中国家之间的 AI 使用率鸿沟显著，但更令人意外的是，**同等发展水平的国家之间差异同样巨大**。例如，同为高收入国家，北欧国家的 ChatGPT 使用率是部分南欧国家的 3-5 倍。

这一差异与以下因素高度相关：

• **英语语言能力**：现阶段主流 AI 产品以英语为核心优化语言，英语普及率高的国家使用壁垒更低
• **互联网基础设施**：网络带宽和稳定性直接影响 AI 产品的使用体验
• **文化态度**：对「外包认知任务」的接受程度因文化而异
• **监管环境**：部分国家的数据隐私法规对 AI 服务的本地化运营形成制约

发现二：从「信息查询」到「任务委派」的行为转变

这是 Signals 数据中最具战略意义的发现。

早期用户与 AI 的交互模式类似于使用搜索引擎——**「问 AI 一个问题，获得一个答案」**。但近两年的数据显示，越来越多的用户开始以不同的方式使用 AI：**「让 AI 完成一项完整的工作流程」**。

典型例子：

• 不再只问「如何写一封商务邮件」，而是直接让 AI 起草、润色、发送
• 不再只问「Python 正则表达式怎么写」，而是让 AI 完成整个数据清洗脚本
• 不再只问「法律条款是什么意思」，而是让 AI 审查整份合同并给出修改建议

这种从「工具」到「助手」的转变，标志着 AI 在工作流中的嵌入深度正在从边缘走向核心。

发现三：企业采用速度快于个人消费

在行业渗透度数据中，B2B 企业场景的 AI 采用速度明显快于个人消费场景。科技、金融、法律服务和咨询行业的 AI 工具渗透率已超过 60%，而制造业、农业等传统行业仍低于 20%。

政策意义：为什么公开数据很重要？

弥补政策制定的信息盲区

在 Signals 推出之前，各国政府在制定 AI 相关政策时面临严重的信息不对称——他们不清楚本国公民和企业实际使用 AI 的程度，也无法量化 AI 对就业、生产力的实际影响。

有了 Signals 这样的公开数据基础设施，政策制定者可以：

• 识别哪些行业或群体在 AI 时代面临更大的结构性风险
• 评估公共 AI 培训计划的实际效果
• 在国际谈判中使用统一口径的数据

学术研究的数据基础

AI 影响的量化研究长期面临数据匮乏的困境。Signals 的 API 为研究者提供了前所未有的结构化数据集，有望催生一批高质量的实证研究。

OpenAI 的战略意图

当然，Signals 的推出并非完全出于公益。从商业战略角度看，这一举措有助于 OpenAI 将自身塑造为「AI 行业参考数据源」的权威地位。当全球政策讨论都引用 OpenAI 的数据时，其话语权和议程设置能力将大幅提升。

行业趋势解读

Agentic AI 趋势的数据印证

Signals 揭示的「从查询到任务委派」的行为转变，是 Agentic AI 趋势加速的直接数据证据。

所谓 Agentic AI，是指 AI 不再只是回答单个问题，而是作为自主代理完成多步骤、跨工具的复杂任务。近期 OpenAI 的 Operator、Anthropic 的 Computer Use、Google 的 Project Mariner 等产品，都是对这一趋势的直接回应。

MCP 标准化的背景意义

2024 年底 Anthropic 发布的 MCP（Model Context Protocol）正在成为 AI Agent 工具调用的行业标准。MCP 使得 AI 可以以标准化方式调用外部工具（文件系统、数据库、API 等），大幅降低了构建 AI 工作流的门槛。

Signals 数据显示的任务委派趋势，将随着 MCP 生态的成熟进一步加速——当 AI 可以无缝调用更多工具时，用户自然会把更复杂的任务交给它。

AI 治理的数据基础设施建设

Signals 的推出时机恰逢全球 AI 监管进入实质性阶段。欧盟 AI 法案（EU AI Act）已于 2024 年正式生效，美国、英国、日本等国也在加速构建 AI 监管框架。

这些监管框架都需要基于实际使用数据来校准风险等级、监管强度和合规要求。Signals 提供的公开数据基础设施，实际上是在帮助监管体系建设提供「可测量的锚点」。

总结

Signals 平台的战略价值不在于某一个具体数据点，而在于它试图建立「AI 使用的全球基准数据库」这一基础设施本身。对于 OpenAI 而言，这既是透明度承诺，也是话语权布局；对于整个行业而言，这为 AI 影响的量化研究和政策制定提供了长期缺失的数据基础。

从「问答工具」到「任务代理」，AI 正在悄然改变人类的工作方式。Signals 的价值，正是让这种改变从模糊感知变为可度量的事实。