一句话看懂：Google 发布了一项名为 ATLAS 的大规模研究，通过分析 1500 万条去标识化的人机交互数据，首次系统性地描绘了人们在工作和生活中实际使用 AI 的方式与范围。这项研究并非预测，而是基于超过 10 亿月活用户的真实使用行为，为理解 AI 对经济的实际影响提供了稀缺的实证依据。
事件核心：发生了什么
7月23日，Google 发布 AI & Economy ATLAS（活动、任务、场景与采用研究）的第一版报告。ATLAS v1.0 数据集来自 Gemini App、AI Mode 和 Gemini API 的超 1500 万次聚合、去标识化的人机交互，覆盖 150 多个国家、140 种语言、800 个职业和 4000 项任务。关键发现包括：①职场 AI 采用面广但深度浅，68% 的职业（覆盖美国 90% 就业人口）有 AI 使用行为，但在典型职业中 AI 仅用于约 21% 的任务；②绝大多数工作场景下的 AI 交互以协作和辅助为主（如创意构思、信息检索、学习），完全自动化的交互不到 10%；③AI 使用不仅限于白领，汽车技师、工业机械师等体力劳动职业也在利用多模态 AI 进行实时故障诊断和维修指导，使用多模态功能的比率是其他职业的 2 倍；④86% 的 AI 交互发生在工作场景之外，主要用于家庭事务，例如研究购买决策、使用家电和工具、处理税务和许可证等政府服务。
为什么重要
这是目前规模最大、维度最全面的 AI 真实使用画像。与以往依赖调研问卷或实验室测试不同，ATLAS 基于大规模、去标识化的真实 API 调用和产品交互数据，能够揭示 AI 在经济中的“渗透率”与“利用深度”之间的差距。数据显示，AI 并未像许多讨论暗示的那样迅速替代整个职业，而是更多作为“任务层次”的辅助工具——这一结论对于企业制定 AI 采购策略、开发者选择产品方向、以及政策制定者评估就业冲击都有直接参考意义。同时，86% 的非工作场景交互意味着大量生产力提升并未被 GDP 等传统经济指标捕捉，这对宏观评估 AI 的经济价值提出了新挑战。
对用户/开发者/创作者的影响
对普通用户，AI 的实际价值可能不在于自动化替代，而在于降低“高摩擦行政事务”的认知成本和耗时，例如报税、申领许可等场景。对开发者和企业，ATLAS 数据提示，为特定职业设计“任务级”AI 助手（如为汽车维修师设计的实时诊断工具）可能比追求通用全自动化路线更具实际需求和商业可行性。对创作者，AI 在非任务认知类工作（如创意设计、假设检验）的使用率远高于经济中的整体比例（65% 比 35%），说明图像生成、推理等能力已深入创作流程，但主要角色仍是协作者而非替代者。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，ATLAS 数据集是否会定期更新并公开更多细分维度，例如按行业、公司规模或地区细化后的使用模式，这将是评估 AI 经济扩散速度的关键。第二，Google 如何在 Gemini 产品设计中针对“浅层采用”和“深层自动化”之间的差距做产品迭代——例如是否推出更垂直的行业工具。第三，其他 AI 公司（如 OpenAI、Meta）是否也会发布类似的大规模使用报告，形成可对比的行业基线。第四，政策制定者是否会依据这类实证数据调整 AI 监管与劳动就业支持方案。
来源：Hacker News
