一个数字最近在科技圈传得很快：据 OpenAI 消费者产品负责人 Adam Fry 在 11月3日左右的公司活动上的说法，ChatGPT 的搜索类查询量已经约相当于谷歌查询量的五分之一，也就是大约20%。同一场活动上还公布了另外几个数字：ChatGPT 的周活跃用户从两个月前的10亿增长到了12亿，每周生成的图片达到15亿张，每周有2.5亿用户以语音或者口述的方式使用这款产品。这些数字全部来自公司方的口径，没有经过独立第三方的审计，读的时候必须先把这个前提摆在前面。但即便打了折扣，这组数字仍然值得在美国生活的华人认真对待，因为它描述的不是某一家公司的公关成绩，而是一种正在发生的习惯变化：越来越多的人开始先问人工智能，再去翻传统的搜索结果。
在展开讲影响之前，必须先把20%这个数字的口径说清楚，这也是理解整件事最关键的一步。按照 OpenAI 方面的定义，这里的所谓一次搜索，是指用户提出一个问题并且触发了一次网络搜索。而谷歌的传统搜索统计方式与此并不完全相同，两家公司统计的东西本来就不在同一条尺子上量。因此，20%这个说法更准确的理解是：OpenAI 公司自己估计，它的搜索类使用量已经达到了谷歌查询量的约五分之一，而不是说它已经拿下了五分之一的搜索市场份额。这两者差别很大。前者是公司方在自己的定义下做出的比较，后者是需要第三方用统一标准测量之后才能成立的市场份额结论。本文不会编造谷歌的市场份额数字，也不会因为这个20%就得出谷歌已经被取代的结论。把口径讲清楚，恰恰是为了让后面的讨论建立在真实的基础上。
先问人工智能的人，正在变多
周活跃用户两个月从10亿涨到12亿，这个增速本身就说明了一件事：人工智能聊天产品已经不再是少数科技爱好者的玩具，而是进入了大众日常。每周15亿张图片的生成量说明，人们用它的方式也不再局限于文字问答，图片、设计、配图、示意图都成了日常需求。每周2.5亿人用语音或者口述的方式使用，说明使用的门槛还在继续降低：不用打字，不用组织成规范的搜索关键词，直接说话就能得到答案。对很多在美国生活的华人来说，这种变化尤其明显。以前查一个问题，要先想好英文关键词，再一页一页翻结果；现在可以直接用中文把问题说清楚，让人工智能先给一个中文的梳理，再决定要不要去看英文原文。
这种便利是有代价的，而代价往往藏在细节里。人工智能给出的答案读起来非常顺滑，顺滑到容易让人忽略一个事实：它可能把几个不同来源的信息拼在一起，可能把旧政策当成新政策讲，也可能在引用某一条法规或者某一个截止日期时出现偏差。对移民、签证、求职、报税这类问题来说，一个日期错了、一个表格编号错了，后果可能就是材料被退回或者错过窗口期。所以习惯变了，验证的责任反而变重了，而不是变轻了。先问人工智能可以，但不能只问人工智能。
在美华人查移民求职生活信息，怎么交叉验证
对在美华人最实用的方法，是把人工智能当成梳理思路的助手，而不是最终答案的来源。具体可以分成三步。第一步，用中文向人工智能问清楚问题的大框架：比如某一种签证的申请流程分几步、需要准备哪些大类材料、常见的被拒原因有哪些。这一步的价值在于快速建立认知地图，让你知道自己要查什么，而不是直接相信每一个细节。第二步，拿着框架里的关键点去查官方来源：移民类问题查美国公民及移民服务局和国务院的官方页面，签证排期查国务院签证公告栏，求职类问题查雇主官网和招聘平台的原始职位描述，生活类问题查州政府、市政府或者服务机构的官方说明。官方来源的表述可能难读，但它是唯一可以作为依据的版本。
第三步是交叉核对时间敏感的信息。政策、费用、排期、截止日期是最容易过期的内容，也是人工智能最容易出错的地方。看到人工智能给出的某一个日期或者费用数字，先问一句：这个数字的来源是哪一年的文件？有没有更新的版本？如果人工智能没有给出可以点击验证的来源，就把它当成待核实的信息，而不是结论。还有一个实用的习惯：对同一问题换两种问法再问一次，或者换一个工具再查一次。如果两次答案在关键数字上不一致，就说明这个地方需要去官方页面确认。移民申请、身份转换、工作许可这类事情，宁可多花半小时核实，也不要因为一个错误的细节耽误几个月。
语音和口述使用的普及，还带来一个值得注意的变化：很多人开始用说的而不是写的方式提问。口头提问往往更口语、更模糊，比如只说我想换工作、签证快到期了怎么办，而不说明自己的签证类型、到期时间、所在州。这些缺失的信息恰恰是决定答案的关键。人工智能会根据不完整的提问给出一个通用答案，读起来好像很有道理，但可能完全不适用于提问者的具体情况。所以用语音提问的时候，更要主动补上关键背景：签证类别、时间节点、所在州、雇主类型。背景给得越完整，答案的参考价值才越高；背景缺失越多，越要把答案当成通用信息来对待。
做网站和内容的人，流量逻辑正在变
对经营网站、写内容、靠搜索流量获得读者的人来说，20%这个数字背后的变化可能比数字本身更重要。过去的流量逻辑是：用户在搜索引擎输入关键词，看到一列链接，点进某一个网站，网站获得一次访问。未来的流量逻辑正在变成：用户直接向人工智能提问，人工智能综合多个来源给出一段现成的答案，用户可能根本不需要点进任何一个网站。哪怕人工智能的答案引用了你的文章，读者也可能只读了那段引用就走了。这对依赖搜索流量的中文内容网站是一个直接的挑战：曝光不等于点击，引用不等于访问。
应对这种变化，内容策略也需要跟着调整。第一，内容要回答真正具体的问题，而不是堆砌泛泛的介绍。人工智能最擅长整合通用信息，最难替代的是基于一手经验的细节：某一个州的办事流程实测、某一次申请的真实时间线、某一个城市的实际生活成本。这些带有具体时间、地点、过程的内容，更容易被引用，也更容易让读者产生点进去看全文的动力。第二，内容的时效性和准确性变得比以往更重要。如果一篇文章里的政策日期已经过期，人工智能在整合信息时可能会继续传播这个过期版本，错误会被放大。定期更新旧文章、标明信息的最后核实时间，会成为内容维护的基本功。
第三，网站不能只依赖某一种流量来源。搜索流量、社交平台流量、邮件订阅、读者直接访问，这些渠道的组合越分散，单一渠道变化带来的冲击就越小。对中文读者社区来说，还有一个特殊的机会：很多在美华人更习惯用中文提问、读中文梳理，但官方信息大多是英文的。能够把英文官方信息准确地翻译、梳理、加上本地实测经验的中文内容，仍然有不可替代的价值。人工智能可以翻译，但它不了解某一个社区的具体办事经验，也不了解某一个州的实际操作细节。把官方信息的准确性和本地经验结合起来，是中文内容在人工智能时代最实在的护城河。
芯片合作与算力布局，藏着另一条线索
除了用户数字，这段时间关于 OpenAI 的另一条消息也值得留意。据 The Information 和路透社的报道口径，OpenAI 计划采购谷歌的 TPU 芯片，同时与博通合作自研芯片，并且此前已经租用了谷歌的算力。报道同时说明，相关交易的条款没有披露，双方也没有进一步置评。把这条消息和搜索量的数字放在一起看，会发现一个有意思的局面：一方面，OpenAI 在使用量上正在接近传统搜索巨头的量级；另一方面，它在算力硬件上仍然需要向包括谷歌在内的外部伙伴采购或者租用。这说明人工智能行业的竞争并不是简单的取代关系，而是既竞争又合作的复杂关系。
对普通读者来说，这条线索的意义不在于记住某一家公司的采购计划，而在于理解人工智能产品的成本结构。训练和运行大模型需要巨大的算力，算力需要芯片和数据中心，这些投入最终会反映在产品定价、免费额度和功能开放程度上。今天免费或者低价提供的功能，未来会不会收费、会不会分层，取决于这些成本能不能被持续的收入覆盖。普通用户在选择依赖某一个人工智能工具处理重要事务之前，不妨多想一步：如果这个工具的免费策略变了，或者某一个功能突然收费了，自己的工作流程会不会被打断。把重要资料和关键流程掌握在自己手里，而不是完全寄托在某一个工具上，是一个更稳妥的习惯。
普通用户的语音搜索习惯，正在悄悄改变
每周2.5亿人用语音或者口述的方式使用，这个数字背后是一种使用习惯的迁移。打字搜索要求用户先把问题提炼成关键词，语音提问则允许用户用完整、啰嗦、带情绪的方式描述问题。对不习惯英文打字、或者一边开车一边办事的人来说，这个变化降低了门槛。但门槛降低的同时，提问的质量也在分化：会提问的人能得到越来越有用的答案，不会提问的人得到的答案可能越来越通用、越来越像正确的废话。未来的数字素养，可能不再是谁会用搜索引擎，而是谁会向人工智能提出一个背景完整、目标明确的好问题。
对家庭用户来说，语音使用还有一个隐私层面的提醒。语音提问往往发生在家里、车里，涉及的问题可能包括孩子的学校、家庭的财务、个人的健康或者身份信息。在向人工智能说出这些信息之前，先确认自己使用的产品有没有相关的隐私设置，历史记录会不会被保存、会不会被用于训练。方便和隐私之间永远需要权衡，而语音的随意性很容易让人忘记自己正在把私人信息交给一个远端的服务。多花一分钟看一眼隐私设置，比事后担心要有用得多。
除了具体的验证步骤，还有一个更根本的习惯值得建立：给信息来源分层。最上层是官方文件和原始数据，比如政府机构发布的政策原文、法院公布的裁决文书、上市公司发布的正式财报，这些来源的权威性最高，遇到关键问题应当优先回到这一层。第二层是专业机构和主流媒体的报道，它们通常会对官方信息做整理和解读，适合用来理解背景和影响，但解读本身可能带有立场或者简化，关键细节仍然需要回到第一层核对。第三层是人工智能生成的梳理和社交平台上的个人分享，它们的价值在于提供思路和线索，提醒你有哪些角度值得查，但本身不能作为决策依据。很多错误的发生，并不是因为读者完全没有查证，而是因为把第三层的信息当成了第一层来使用。养成先问来源属于哪一层的习惯，遇到重要问题时主动往上一层追溯，就能避开大多数低级错误。这个习惯对华人读者还有一层特殊意义：中文信息在传播过程中经常经过多次转述和翻译，每转述一次，就可能丢失一部分限定条件，或者把某一个地区的政策说成全国通用的规则。看到中文社区里流传的某一条政策消息，先确认它针对的是哪一个州、哪一类身份、哪一段时间，再去对照官方原文，往往能发现很多被省略的前提。人工智能时代信息更多、传播更快，分层核对的习惯不是负担，而是保护自己的基本能力。
对家长和学生来说，这种变化同样值得留意。孩子做作业、查资料的时候，如果习惯直接抄下人工智能给出的答案，短期内作业完成得很快，长期却可能削弱独立查证和批判思考的能力。更健康的用法是让人工智能帮忙列出提纲和关键词，再由孩子自己去查书本、查官方资料、查可靠的报道，把答案的来源写清楚。同样，成年人帮家里老人处理办事问题时，也可以先用人工智能把流程梳理成中文步骤，再带着这份清单去官方页面逐项核对，最后再去办事窗口确认。工具越方便，人的判断就越不能缺席，这句话在人工智能时代比以往任何时候都更适用。技术会继续进步，使用量还会继续增长，但查证的责任不会因为工具变聪明就自动转移，始终在使用者自己手里。
总结来说，ChatGPT 搜索量达到谷歌约两成这个说法，真正值得记住的不是20%这个数字本身，而是它背后的三层变化。第一层是习惯变化：越来越多的人先问人工智能，再去验证。第二层是验证责任的变化：答案来得越容易，交叉核对就越重要，尤其是在移民、求职、报税这类时间敏感、后果严重的问题上。第三层是流量与供给的变化：做网站和内容的人不能再默认读者会点进来，内容必须更具体、更准确、更新更及时，同时流量来源要更多元。20%是公司方在自己的口径下给出的比较，不是第三方市场份额，也不是谷歌已经落伍的证据。把这个口径记清楚，把验证的习惯建立起来，把提问的能力练好，普通读者和内容创作者都能在人工智能时代少走弯路。
- 最新
- 最热
只看作者