OpenAI 称 ChatGPT 搜索量已达 Google 的约 20%
OpenAI 表示，ChatGPT 的搜索量已达到 Google 的约 20%，为其进军网络搜索的布局增添了一项颇具分量的竞争主张。该数字反映的是 OpenAI 对查询量的比较，并不意味着 ChatGPT 占据了搜索市场 20% 的份额，也不表示 Google 流失了这些搜索。
这一说法来自 ChatGPT 消费者产品负责人 Adam Fry，其言论见于 11 月 3 日发布的报道。根据 9to5Google 的报道，OpenAI 并未披露其 Google 对比数据的来源。缺少这一分母——即计算中所使用的 Google 总量——限制了外部人士能够核实的内容。
Google 正面临压力：人们从何处开始研究，以及由哪个界面引导他们作出决策。然而，仅凭 OpenAI 的增长，无法判断搜索活动是在迁移、扩张，还是两者兼有。更有价值的问题是，ChatGPT 目前处理了多少有价值的信息检索需求，以及两家公司是否以一致的方式进行衡量。
ChatGPT 搜索量究竟统计什么
OpenAI 的说法涉及会触发网络搜索的问题，而非发送给 ChatGPT 的每一条消息。
在 Alex Kantrowitz 发布的 搜索增长访谈中，Fry 将搜索活动描述为需要查询最新信息的用户问题。若后续提问让 ChatGPT 再次访问网络，也会再次计入。因此，其统计单位比聊天机器人消息总量更为狭窄。
这一区别很重要，因为一次对话可能包含多种不同活动。用户可能先请求最新信息，再要求总结、修改措辞，随后又提出另一项查询。若统计每一条消息，便会将搜索与写作、编辑混为一谈。Fry 的解释将边界划在发起网络搜索的问题上。
但这一边界仍留有解释空间。已公开的说明并未提供涵盖所有边缘情形、可复现的统计规范。因此，读者看到的是对指标的描述，而非可独立计算该指标的完整方法论。
Ben Schoon 的查询量报道指出了核心核验缺口：OpenAI 没有说明其 Google 查询量数据来自何处。报道将这一比较归因于 Fry 在一场 OpenAI 活动上的发言，但并未提供支持该比例的独立审计。
比例与市场份额之间的区别同样至关重要。将 ChatGPT 与 Google 对比，是以 Google 作为参照基准。计算市场份额则需要界定整个市场，并以一致方式衡量所有纳入其中的参与者。即使新闻标题都以百分比表述，两者仍是不同的计算方式。
这一说法也不能证明存在替代效应。一个人可以在继续使用 Google 搜索的同时，增加通过 ChatGPT 进行研究的次数。或者，他们可能将部分问题转移到 ChatGPT，同时仍使用 Google 完成其他任务。这两种模式都与较大的相对查询量相符。
因此，眼下的新闻事实很具体：OpenAI 正通过明确的数字比较，将其网络搜索活动置于 Google 的规模之下衡量。尚未解决的问题是，外部研究者能否利用口径一致的定义、日期和覆盖范围，复现这一比较。
这种不确定性并不意味着该表述毫无意义。它改变的是这一数字应获得多大权重。将其视为企业提出并归属明确的主张，既保留了其竞争意义，也让衡量问题保持开放。
对于比较 ChatGPT 与 Google 的读者而言，这正是起点。这两款产品在信息检索方面存在重叠，但共同目的并不自动意味着统计口径可比。
Google 面临的是“第一入口”之争的压力
竞争压力的核心，在于谁先接收问题，并塑造下一步行动。
设想一项示例性的研究任务：为小型团队选择软件。用户先提出一个宽泛需求，补充兼容性要求，并索要支持文档。处理这段交流的界面，会影响哪些产品进入考虑范围，以及哪些取舍获得关注。
这种影响发生在购买、访问网站或得出最终建议之前。第一个回答可能缩小选择范围，后续问题则可能强化这一框架。因此，搜索产品竞争的是决策流程中的位置，而不只是收集彼此孤立的查询。
这正是该说法即使没有经审计的市场份额数据也值得关注的原因。如果 OpenAI 的比较反映了大量研究活动，那么 Google 面对的竞争者正在处理此前很自然会进入其搜索框的问题。相关压力涉及用户习惯和决策方式。
不过，不同任务带来的影响并不相同。查找一个已知网站，与比较陌生产品所需的互动不同；核实一条最新事实，也不同于编写一份研究简报。单一的查询总量无法说明究竟是哪些活动推动了这一比较。
商业意图同样重要。关于采购设备的问题，与随意查询事实具有不同的商业含义。相同的查询次数，并不能证明广告机会、客户价值或对购买决策的影响相同。问题的构成与其频率同样重要。
Google 在现有搜索体验中已有直接的应对方式：让复杂问题更容易在其平台内得到处理。这种应对可包含对话式互动，同时保留用户熟悉的搜索习惯。竞争选择日益集中于哪个界面最适合完成某项任务。
对 OpenAI 而言，相应的挑战是将偶发搜索转变为可靠的起始习惯。一个亮眼的总量数字无法说明人们是否会经常回访、仅将产品用于狭窄任务，或在获得不满意的回答后放弃使用。
两家公司面对的用户期待也不同。综合性回答要求读者评估答案本身；结果页则邀请他们在来源之间作出选择。随着这些形式逐渐融合，每家公司都必须管理其呈现方式所带来的预期。
对知识工作者来说，实际利害关系在于研究质量与时间。便捷的答案只有在能够支持正在作出的决策时才有帮助。来源不清晰或不必要的追问，可能耗尽对话式搜索最初看似节省的时间。
对企业而言，压力还延伸至可发现性。存在于网络某处，并不保证会被纳入答案之中。但一则有关使用量的标题，也不足以证明应在没有真实客户行为证据的情况下重建营销策略。
短期应对应以可观察的活动为依据。团队可以审视哪些问题带来访客、哪些研究路径产生客户，以及人们在何处接触到自己的信息。这些观察可将竞争叙事与业务结果联系起来。
更大的战略竞争依然很直接：成为人们下意识提出下一个问题的地方。即使同一个人继续使用多项服务，这种习惯也极具价值。
ChatGPT 与 Google 之争也是一场需求扩张之争
两家公司都可以报告搜索活动增长，而任一方的数据都不必否定另一方。
Google 对自身业务的描述，使简单的替代叙事变得更复杂。在 10 月 28 日的 Search 财报讲话中，Sundar Pichai 表示，AI 投资正在推动使用量和查询量增长，其中包括商业查询。他称，年度查询增长达到五年来最强水平。
这些表述是 Google 对自身表现的说明，并不能独立验证 OpenAI 的比较。但它们表明，Google 公开描述的是需求扩张，而非承认聊天机器人普及必然意味着搜索活动萎缩。
Pichai 还描述了一种将传统结果与 AI 功能相结合的搜索体验。这一点很重要，因为竞争基准正在变化。若将对话式助手与完全静态版本的 Google 相比较，便会忽略 Google 自己如何定义其应对方式。
经济逻辑允许多种结果。更好的工具能够鼓励人们调查此前未曾解答的问题；更容易使用的界面可以带来更多后续提问；用户也可以将一项研究任务分散到多款产品上，从而使不止一个平台的活动增加。
这些可能性都不能证明不存在替代效应。增长的市场中，特定类别仍可能出现显著流失。Google 可能获得整体查询增长，同时失去部分有价值的研究路径；OpenAI 也可能获得搜索量，而不必从 Google 获取每一个对应问题。
重要的分析区别在于总量增长与竞争性替代。总量增长关注是否发生了更多活动；替代则关注活动是否从一个提供商转移至另一个提供商。对市场作出可信解释，需要同时回应两方面的证据。
独立受众研究提供了另一种视角。Similarweb 在 8 月发布的搜索受众分析显示，2026 年 5 月，95% 的 ChatGPT 用户也使用 Google。其报告显示，2025 年 9 月的重叠比例也相同。这一发现支持在被衡量受众中两种产品持续并用的判断。
这一重叠比例也有局限。它衡量的是人们是否出现在两个受众群体中，而非他们如何分配每一次搜索。一个人可以仍是 Google 用户，同时将相当一部分研究活动转移至其他地方。受众重叠无法解答这一问题。
Similarweb 还指出了覆盖范围的排除项，包括 API 活动、桌面应用和嵌入式 AI 功能。因此，其发现描述的是其所衡量的人群与渠道，不应被延伸解读为对所有 AI 辅助工作流程的完整说明。
综合来看，这些来源支持一种更精确的解读。OpenAI 声称拥有可观的相对规模；Google 报告查询增长；独立受众数据则显示二者广泛共存。这些说法涉及不同维度，可以同时成立。
这个故事的反转在于，规模庞大的挑战者并不要求现有巨头立即萎缩。竞争可以在需求扩张的同时加剧。这也使得仅凭一个标题中的百分比更难评估这场竞争。
对读者而言，这改变了值得寻找的证据类型。下一份有价值的数据集应展示任务类别、查询频率，以及在一致定义下的切换行为。另一则宽泛的流量标题，仍会让核心问题的大部分悬而未决。
“五分之一”这一说法尚未解答的问题
在能够支持有关竞争地位的更强结论之前，这一比较需要口径一致的衡量方式。
第一个缺失的细节是时间窗口。日均值、近期峰值和月度总量，可能造成截然不同的印象。没有明确的统计周期，读者无法判断这一比较反映的是持续模式，还是范围更窄的观察。
地理覆盖范围同样重要。全球范围的比较不同于仅限某一国家的比较。产品可用性、语言支持和用户习惯可能因市场而异。现有报道没有提供足够的方法论细节来界定这些边界。
Google 的基准同样需要解释。外部机构的估算与公司内部总量所受的限制不同。来源、采集方法和日期都会影响可比性。OpenAI 能够获取自身活动数据，并不能消除围绕另一家公司总量的不确定性。
接下来是活动单位的问题。用户请求、一次对话和后台检索操作描述的是不同事物。Fry 的解释倾向于将用户问题触发搜索作为计数基础。完整的方法论仍需说明，这一规则如何适用于产品行为的各种情况。
当系统发生变化时，这一点尤为重要。一次更新后，助手可能借助检索到的信息回答更多问题。即使人们打开产品的频率没有相应变化，这种转变也可能增加其记录的搜索活动。
这是一种方法论上的可能性，而非对 OpenAI 系统的判断。它说明了稳定计数规则的重要性。当产品路由和衡量定义在没有文档说明的情况下发生变化时，增长序列将更难解读。
查询量同样无法证明回答质量。一项服务可以处理大量问题，却在不同主题上的表现参差不齐。总体使用量无法衡量事实准确性、来源相关性，或用户是否成功完成了任务。
重复提问也存在类似的模糊性。后续提问可能反映用户参与度和有价值的探索，也可能意味着困惑或初始回答不完整。对它们进行计数只能说明活动确实发生；要评估其意义，还需要额外证据。
出于同样的原因，较少的查询有时反而代表成功的体验。一个清晰的回答可能立即完成任务。更零散的过程则可能产生更多搜索。查询量体现规模，而任务完成情况则提供另一种衡量实用性的方式。
这一说法同样无法解决经济层面的问题。处理一次查询会产生成本，而收入取决于商业模式和用户行为。仅凭相对查询规模，无法证明盈利能力、广告表现或某一产品战略的可持续性。
出版商的结果仍是另一个独立问题。一个回答可以提及某个来源、链接至该来源，或促使用户访问它。这些行为带来的后果不同。这项五分之一的比较并未直接衡量引荐流量或出版商收入。
这些缺口应当影响围绕 ChatGPT 搜索量所使用的表述。“OpenAI 表示”能够准确指明比较的来源。“ChatGPT 占据了 Google 五分之一的市场”则加入了已披露证据无法证明的结论。
怀疑应当保持适度。方法论缺失需要限定表述，而不是凭空提出“这一数字必定是错误的”反向主张。更站得住脚的做法是报道该说法、指出其边界，并寻找能够使其被复现的证据。
这一标准同样适用于竞争对手的增长说法。Google 的叙述也应接受对定义和覆盖范围的审查。一致的处理方式有助于读者比较证据，而不必全盘接受任一公司的偏好叙事。
随着搜索竞争发展，值得关注的事项
接下来最有价值的信号将涉及测量披露、Google 的回应，以及人们如何分配真实的研究任务。
首先，关注 OpenAI 是否会发布可复现的比较。最有帮助的披露应明确 Google 基准、观察期、地理范围和计数规则。它还应说明，随着 ChatGPT 搜索行为演变，这些规则是否保持一致。
如果独立研究人员能够复现其大致结果，这类披露将增强该说法的可信度。修订后的定义或更窄的范围会改变其解读。无论结果如何，都会比在缺乏额外文档的情况下重复这一百分比提供更多信息。
独立估算只有在其局限性明确时才有价值。网站访问量不能自动等同于搜索量。应用用户数量也不能自动等同于查询量。方法必须与所要回答的问题相匹配。
其次，关注 Google 的产品变化及其后续业务披露。相关问题在于，对话式功能是否能吸引有价值的活动，同时支持更广泛的搜索体验。产品公告本身只能展示战略意图；持续的用户行为则能提供更有力的有效性证据。
Google 自身的报告也需要仔细解读。总查询量增长将支持需求持续存在的判断，但无法决定每一场细分品类竞争。同样，商业活动的变化值得单独分析，而不应被并入笼统的使用量主张。
Google 的成功回应会削弱“助手采用必然侵蚀其地位”的假设。若有证据显示用户越来越多地在其他地方开始有价值的研究，则会加强本文所指出的竞争压力。这两种结果都需要比功能数量更具体的证据。
第三，关注关于任务分配的独立测量。最有启发性的研究将考察人们向每种产品提出什么问题、返回使用的频率，以及其习惯是否持续。受众重叠仍是有用的背景信息，但查询层面的行为回答的是另一个问题。
如果人们持续将特定研究任务转移到 ChatGPT，这将支持更有力的替代论点。如果活动同时在两项服务中扩张，则会支持需求增长的判断。如果试用后的增长消退，转变的持久性就会显得更弱。
这些信号应当指导未来数月的实际决策。企业无需在改善自身信息之前就选定唯一的赢家。清晰的文档、准确的产品描述和易于获取的支持性证据，无论读者从何处开始研究，都能为其提供帮助。
知识工作者也可以采用类似的务实方法。使用重复出现的任务比较工具，再评估回答是否可验证且有用。记录搜索何时节省了时间、何时引入不确定性，以及何时仍有必要打开底层来源。
对于涉及长期积累研究的工作，挑战在发现信息之后仍会持续。有价值的来源需要与其所支持的笔记和决策一同保持可查找状态。这正是个人知识管理与搜索讨论相关之处。
仅保存答案而不保留其支持性背景，可能会使后续验证更加困难。保存来源、日期及其重要原因，能为未来的读者提供更清晰的追溯路径。无论最初由哪种搜索界面呈现信息，这种做法都有帮助。
应将 ChatGPT 搜索量视为一项有来源归属的说法，并继续寻找将规模与持久习惯及成功研究相联系的证据。问问自己：哪些任务确实发生了转移，哪些来源仍然可见，以及这种比较是否变得可复现。对于自己的工作流程，选择一项重复出现的研究任务，并比较不同工具的结果。打开支持性页面，检查其相关性，并保存支撑你决定的证据。庞大的使用量数字可以提示一个值得关注的竞争者。你的下一次研究则能揭示更直接的问题：哪种界面能让你以最少的不必要工作得出站得住脚的答案？当答案日后需要经得起检验时，哪一个起点值得承担这一角色？
