ChatGPT搜索量达谷歌20%,OpenAI称正快速追赶

OpenAI称ChatGPT搜索量已达谷歌20%,对话式入口正重塑搜索格局。
OpenAI消费者产品负责人Adam Fry披露,ChatGPT承载的搜索查询量已达到谷歌搜索量的20%,首次为"ChatGPT能否挑战谷歌"提供了可量化参照。文章认为,20%是一个微妙数字:既未颠覆谷歌,也说明ChatGPT已非聊天玩具,搜索行为正从关键词加链接转向直接提问获得答案,"Google it"向"Ask Chat"的语言迁移反映了心智份额的转移。对话式界面成为绕开传统搜索结果页与广告位的新入口,可能使流量分发逻辑分化。但查询量占比不等于搜索收入与信息可靠性,谷歌仍在购物、地图、本地服务等高商业价值场景占优,且对话式答案的可追溯性仍是待解问题。OpenAI将搜索视为战略战场,真正的看点是这一比例的变化速度与变现能力。
OpenAI消费者产品负责人Adam Fry在周一的新闻发布会上透露,ChatGPT承载的搜索查询量已达到谷歌搜索量的20%。这一数字首次为"ChatGPT能否挑战谷歌搜索"的讨论提供了可量化的参照。

20%意味着什么
20%是一个微妙的数字。它既远未到颠覆谷歌的程度,也足以说明ChatGPT已经不只是"聊天玩具"。搜索行为正在从"输入关键词、点击链接"向"直接提问、获得答案"迁移,而ChatGPT恰好站在这个迁移路径上。
从用户习惯看,"Ask Chat"在部分圈层中已经替代了"Google it"。这种表述的变化比任何统计数据都更直观地反映了心智份额的转移——当人们把某个产品名当作动词使用时,它就已经进入了日常基础设施的层面。
搜索心智份额(share of mind)是营销学中的经典概念,指某品牌在消费者产生某类需求时被首先想到的比例,与市场占有率(share of market)不同——后者衡量实际交易份额,前者衡量认知层面的优先度。一个品牌即便销售额不高,只要在用户心中成为某类需求的"默认答案",就具备了长期转化潜力。文章中"当人们把某个产品名当作动词使用时"描述的正是心智份额的外化表现:"Google it"之所以成为通用表达,是因为谷歌在"查找信息"这一需求上占据了近乎垄断的联想位置。"Ask Chat"的流行意味着这一联想开始出现竞争者,但需注意心智份额的迁移通常远慢于实际使用量的变化,且不同年龄、职业群体之间差异极大。
搜索入口的重新定义
谷歌的核心资产从来不只是搜索算法,而是"默认入口"的位置:浏览器地址栏、手机主屏、语音助手。ChatGPT的20%说明,对话式界面正在成为另一条通往信息的路径,而且这条路径绕开了传统搜索引擎的广告位和结果列表。
对内容创作者和SEO从业者而言,这意味着流量分发逻辑可能出现分化:一部分查询仍走谷歌,另一部分则直接在对话中完成闭环,不再产生点击。这个趋势的方向比20%这个具体数值更值得关注。
追赶的边界在哪里
需要冷静看待的是,搜索量占比不等于搜索业务收入,也不等于信息可靠性。ChatGPT的查询中包含大量轻量级、即时性的问题,而谷歌承载的还包括购物、地图、本地服务等商业价值更高的场景。OpenAI目前披露的只是一个总量比例,并未拆解查询结构与变现能力。
另一个变量是信任。搜索的核心是"找到可信来源",而对话式答案的可追溯性仍是待解问题。OpenAI若要在搜索领域持续缩小差距,需要的不只是查询量,还有引用透明度与结果可验证性。
可追溯性(traceability)与可验证性(verifiability)是评估信息质量的两个相关但不同的标准。可追溯性指答案能否回溯到具体的原始来源或文档,用户可据此核查上下文;可验证性指同一问题在不同时间、不同提问方式下能否得到一致且可被独立检验的结果。传统搜索引擎的运作方式是"索引—排序—呈现链接",用户自行判断来源可信度,责任部分转移给了用户;而对话式搜索直接生成整合后的答案,来源被压缩为少量引用甚至省略,一旦出现错误,用户难以定位错误发生在哪一环节。这也是检索增强生成(RAG)系统强调"引用透明度"的原因:通过强制模型附带来源片段,把黑箱输出转化为可审查的证据链。对搜索产品而言,缺乏可追溯性不仅影响信任,也会在新闻、医疗、法律等高风险领域限制其被采用的范围。
对行业的影响
这一表态释放的信号很明确:OpenAI把搜索视为战略战场,而非聊天产品的附属功能。对于依赖搜索引擎流量的网站,对话式搜索的扩张意味着需要重新思考内容的分发方式;对于广告市场,一个新入口的出现迟早会改变预算分配。
20%是起点而非终点。真正的看点在于这个比例接下来的变化速度,以及OpenAI能否把查询量转化为可持续的搜索商业模式。
相关推荐

Cloudflare开源AI代码安全审计工具,获6万星
Cloudflare开源Security Audit,为AI编码Agent提供免费安全审计。三步工作流:应用测绘、多Agent对抗找Bug、三级分类报告,源自内部漏洞狩猎系统,近6万星标。

GPT-6 Astra读权重绝技:仅限小网络,实用靠写代码
GPT-6 Astra能直接读网络权重,但无工具设置仅限约17万权重的小网络。修复QUEN 3.5 0.8b推理循环靠写Python和50批练习,实测识别游戏耗时近一小时。本文梳理能力边界与两个安全提醒。

GPT-6 Astra 改写 Qwen 权重:7.9% 到 48.1%,是学会了数学还是学会了停?
MIT研究者用GPT-6 Astra直接编辑Qwen权重,数学得分从7.9%升至48.1%,全程无训练。但独立复现显示,提升主要来自修复循环、让模型学会终止作答,而非新增数学能力。