答案是：OpenAI 已表示，ChatGPT 可供逾 10 億名每週活躍使用者使用。這項說法來自 OpenAI 於 2026 年 8 月 31 日發布的官方文章。
不過，OpenAI 隨後在 9 月 11 日公開的 Habitat 工程文章裡，還揭露了另一組容易被混淆的規模數字：Habitat 支援的產品每週服務逾 10 億人、每秒處理逾 7,000 萬次請求，並服務逾 500PB 資料。這裡的「逾 10 億人」是 Habitat 所支援產品的口徑，不應直接當成單一 ChatGPT 產品的統計。
兩者合起來看，能更清楚理解一件事：ChatGPT 的使用規模是一項產品層級的指標；而 Habitat 則是支撐 ChatGPT、API、Codex 與內部服務存取資料的底層線上儲存平台。
OpenAI 到底公布了什麼？先分清兩個「10 億」口徑
這次消息最關鍵的地方，不只是數字很大，而是每個數字所描述的對象不同。
| 官方說法 | 統計對象 | 應如何理解 |
|---|---|---|
| ChatGPT 可供逾 10 億名每週活躍使用者使用 | ChatGPT | 這是 OpenAI 對 ChatGPT 使用規模的直接表述。 |
| Habitat 支援的產品每週服務逾 10 億人 | Habitat 支援的產品 | 這是跨產品的基礎設施服務口徑，不能與 ChatGPT 單一產品的使用者數混用。 |
因此，搜尋「ChatGPT 10 億用戶」時，可以確認 OpenAI 確實已對 ChatGPT 做出逾 10 億名每週活躍使用者的表述；但在閱讀 Habitat 的工程規模時，也要保留它所描述的是多項產品共用的資料服務層。
Habitat 是什麼？不是模型，而是 OpenAI 的線上儲存平台
依據 OpenAI 的官方工程文章，Habitat 是讓 OpenAI 產品能快速且可靠取得所需資訊的線上儲存平台。
換句話說，Habitat 並不是與使用者對話的模型，也不是使用者在 ChatGPT 介面中會直接看到的功能名稱。它處理的是產品在運作過程中需要讀取與取得資訊的資料存取工作。
官方架構圖列出的 Habitat 客戶端包括：
- ChatGPT
- OpenAI API
- Codex
- 內部服務
這個列表說明，Habitat 的規模不能只用 ChatGPT 一項服務來解釋。它位於多個 OpenAI 產品與服務共用的資料層，因此其請求量與資料規模反映的是整體平台運作需求。
為什麼 ChatGPT、Codex 與 API 會需要這麼多資料查找？
一個使用者看似簡單的操作，在系統內部不一定只對應一次資料存取。
OpenAI 舉例，使用者登入、檢查 Codex 設定，或開始一段 ChatGPT 對話時，系統在回應之前都可能需要進行多次資料查找。這是理解 Habitat 每秒請求量的核心背景。
因此，Habitat 的「每秒逾 7,000 萬次請求」是儲存平台請求的數字。它不能直接換算成：
- 每秒有 7,000 萬人向 ChatGPT 提問；
- 每秒有 7,000 萬次模型推論；
- 每秒有 7,000 萬則使用者訊息；
- 每秒有 7,000 萬名使用者同時在線。
原因很直接：單一登入、設定檢查或對話開始動作，就可能觸發多次資料查找；而 Habitat 也同時支援不只一項產品。
7,000 萬 requests/s 與 500PB 資料，代表什麼？
OpenAI 表示，Habitat 每秒處理逾 7,000 萬次請求，並服務逾 500PB 資料。這兩項指標分別描述不同面向：
- 每秒逾 7,000 萬次請求：描述 Habitat 作為線上儲存平台所處理的資料存取請求量。
- 逾 500PB 資料：描述 Habitat 服務的資料規模。
值得留意的是，500PB 不應被直接解讀成「全部都是 ChatGPT 對話紀錄」，也不宜自行將其換算成特定類型的實體儲存容量。官方在此公布的是 Habitat 所服務的資料規模，而不是對特定資料類別做細分說明。
對一般讀者而言，這組數字更適合被視為一個訊號：當 AI 產品的使用規模擴大後，挑戰不只在於模型如何產生回答，也在於帳號、設定與產品流程所需的資料，能否在大量請求下持續被快速取得。
Habitat 為何不用任意 SQL 查詢？重點是可預測性
OpenAI 說明，Habitat 採用受限制的 NoSQL API，而不是開放可任意執行的 SQL 查詢。官方特別提到，任意 SQL 查詢可能導致大型掃描或跨表 joins。
這項設計取捨的重點，在於讓資料存取模式更容易受到控制。在每秒要處理大量儲存請求的環境中，若個別查詢可能觸發難以預期的大範圍掃描，整體系統的資源使用與回應表現就更難掌握。
因此，Habitat 的設計可從兩個角度理解：
- 限制查詢自由度：避免任意查詢帶來大型掃描或跨表 joins 的風險。
- 維持線上服務需求：讓產品在需要頻繁資料查找時，能以較受控的方式取得資訊。
這不代表 NoSQL 在所有情境都優於 SQL，而是 OpenAI 在 Habitat 這個大規模線上儲存場景中，選擇了限制查詢能力的架構方向。
這對 ChatGPT 使用者與 API 開發者有何意義？
對多數 ChatGPT 使用者來說，Habitat 是看不見的底層系統；但官方揭露讓外界看到，一次登入、設定讀取或開啟對話背後，可能牽涉多次資料查找。
對開發者而言，這也提供一個平台工程層面的觀察：當服務同時面對大量使用者、不同產品入口與高頻資料存取時，模型本身以外的資料層設計同樣重要。帳號狀態、設定與其他產品運作所需資訊，都必須能在高流量下被有效讀取。
至於台灣開發者，OpenAI 的官方 API 支援國家／地區清單目前列出台灣；不過 Habitat 本文談的是 OpenAI 產品背後的儲存架構，並非提供 Habitat 的使用教學或開發介面說明。
重點整理：別把基礎設施數字當成單一產品流量
OpenAI 這次同時提供了產品使用規模與底層儲存架構的兩種視角。最重要的閱讀原則，是把不同數字放回正確的統計口徑：
- ChatGPT 的逾 10 億名每週活躍使用者，是 OpenAI 對 ChatGPT 做出的直接表述。
- Habitat 支援產品每週服務逾 10 億人，則是跨產品的基礎設施服務口徑。
- 每秒逾 7,000 萬次請求，是 Habitat 的儲存平台請求量，不是提問數或模型推論數。
- 逾 500PB 描述 Habitat 服務的資料規模，不能直接等同於特定一種資料內容。
如果未來 OpenAI 持續公開更多基礎設施細節，外界將能更具體觀察：超大規模 AI 服務如何在模型、產品與資料層之間協調運作。
本文數據與定義以 OpenAI 於 2026 年 8 月 31 日及 9 月 11 日公開的資料為準。
