OpenAI 正在组建专门的"家庭产品"团队。继 ChatGPT 推出三年多之后，这家 AI 公司将战略目光从个人用户拓展到了家庭场景。
新设家庭产品经理职位
OpenAI 正在旧金山招聘一名家庭产品经理（Product Manager, Families），负责为其产品线打造面向家庭、照护者及老年用户的使用体验。职位要求显示，候选人需具备为父母和家庭用户设计产品的经验，以及其他信任敏感型消费产品的背景。
用户结构正在转变
ChatGPT 的用户群正在老化。Sensor Tower 向 TechCrunch 独家提供的数据显示，全球范围内，35 岁及以上用户占比从一年前的 26% 上升至今年第二季度的 31%；18–24 岁用户占比则从 34% 降至 29%。在美国，约四分之一的"智能手机用户家长"曾在该季度使用过 ChatGPT，而一年前这一比例仅为 16%。
其他 AI 产品也出现类似趋势。Sensor Tower 数据显示，25–34 岁用户占 Anthropic Claude 和 Google Gemini 全球应用用户的比例均为 40%，与 ChatGPT 持平；微软 Copilot 该年龄段占比为 33%，但 45 岁以上用户占比达 20%，高于 Claude（14%）、Gemini（12%）和 ChatGPT（11%）。
不过，ChatGPT 在中老年用户中的渗透速度仍快于竞争对手。45 岁及以上用户占比在第二季度同比上升 3 个百分点，而 Copilot 仅上升 2 个百分点，Claude 和 Gemini 则出现下降。
安全挑战随之而来
Family Online Safety Institute（FOSI）本周发布的研究显示，美国家长普遍低估了孩子使用生成式 AI 的频率。调查涵盖美国和澳大利亚超过 4000 个家庭，结果显示：27% 的美国家长表示孩子过去一周使用过生成式 AI，而实际比例达 38%。
FOSI 首席执行官 Stephen Balkam 将此举称为"通过重新设计实现安全"——即在产品初期并未充分考虑儿童安全的情况下，有针对性地进行补救。他表示，AI 企业应为未成年用户构建差异化产品，包括更强的内容管控、符合年龄的使用体验、家长监护功能，以及明确提示用户正在与 AI 而非人类互动的机制。
OpenAI 近期还面临多起与青少年相关的诉讼，包括有家长指控 ChatGPT 与青少年自杀事件存在关联。作为回应，OpenAI 过去一年陆续推出了多项安全措施：青少年账户家长管控功能、将敏感对话引导至专门设计用于识别心理危机迹象的推理模型，以及可选的"可信联系人"功能——在检测到潜在自残风险时向家人或照护者发出警报。
Balkam 指出，AI 企业有机会避免社交媒体平台早年犯下的错误——那些平台多年来一直将儿童当作成年用户对待，直到公众压力和监督&管理审核&查验日益加剧后才被迫补上保护机制。
与青少年体育社区的结合
OpenAI 的家庭战略并非只停留在安全层面。公司近期与圣安东尼奥马刺队社区影响组织（San Antonio Spurs Community Impact）及正向教练联盟（Positive Coaching Alliance）联合举办了一场工作坊，旨在探索 AI 在学习、教练和青少年互动中的角色。
在闭源模型厂商持续刷榜、推出商业 API 的背景下，Hugging Face 联合创始人 Clem Delangue 近期再次公开强调：开源 AI 的价值不是正在消失，而是在变得前所未有的重要。这一表态并非空穴来风——从社区贡献规模、企业采纳路径到监督&管理层的态度变化，多个维度都在印证开源 AI 的战略意义。
为什么开源 AI 越来越重要
社区驱动的创新速度已不输闭源
Hugging Face 平台上的模型数量已突破百万级别，覆盖语言、视觉、语音、多模态等几乎所有主流方向。更关键的是，许多开源模型在特定任务上的表现已经逼近甚至追平同量级闭源模型。例如 Llama 3、Mistral 系列在开源社区的快速迭代，让企业可以在不做 API 调用的情况下完成大部分生产任务。
企业降本与数据控制的双重需求
调用闭源模型的商业 API 在大规模使用时成本可观，且数据必须离开企业网络，这对金融、医疗等强监督&管理行业而言是硬性约束。开源模型允许企业私有化部署，在自有基础设施上运行，既规避了数据泄露风险，也省去了持续付费的负担。
监督&管理压力倒逼透明度
随着欧盟《AI 法案》等监督&管理框架逐步落地，模型的可解释性、审计能力成为合规要求的一部分。闭源模型的"黑箱"特性在这些场景下面临挑战，而开源模型的代码与权重完全开放，更容易满足监督&管理审核&查验的要求。
影响与建议
对于技术媒体读者而言，这一趋势指向几个实操层面的判断：
- 选型维度：在模型选型时，不应将"是否开源"默认为劣势，而应将数据敏感性、部署成本、定制化需求纳入权重一起评估。
- 人群建议：中小型团队在预算有限的情况下，优先从开源模型起步；大型企业在核心业务场景可考虑闭源+开源混合架构。
- 落地步骤：先在 Hugging Face 找到对应任务的达标开源模型 → 在本地或私有云完成推理测试 → 评估性能与成本后决定是否上生产。
评论