外界给予厚望的插件应用：自从 在 23 年 3 月 23 日发布了 以来，外界对它在 生态打造、商业层面的潜力充满期待。中英文社区一度认为这是 的“App Store 时刻”。
策略克制的:发布插件应用的前两个月， 并未大肆宣扬推广，仅有一次TED演示说明了插件的实力。5 月， 宣布向 Plus 订阅用户全量开放，不过开放的策略十分克制。在大规模放量之后，面临的现实是 仍然是一个相当早期的生态。
数量：的插件数量增长迅速，发布初期仅11个，5月13日刚开放时为74个，6月18日已经从11个增长至461个。自从5月13日插件功能开放给Plus用户以来，插件的数量增长也变快，平均每日增加11个。但数量的增长非线性，其中112个为6月11日一天内新增。
功能类型：对于的插件类型进行区分，按照功能划分主要包括办公、本地服务、商务、娱乐、金融、教育、出行、购物等八类。这些插件皆由第三方插件供应商提供，其中既有大型平台，也有小微创企。在所有的插件类型中以办公类、本地服务、娱乐类、商务类插件为主。
插件的快速增长的核心原因是创建 流程非常简单。开发者仅需要制作API、制定API接口文件、制定符合的格式规范的清单文件（说明插件和GPT的信息交互），即可调试运行。无需进行预训练或者fine-，也不需要做适配工作。成功开发案例也带来了更多的效仿者，预计数量未来还将进一步扩张。
但是，插件数量仍会受到两方面限制：1）由于需要对插件进行安全性审查，插件需要时间陆续上架；2）部分客户对插件功能的效果、影响和安全性仍存在顾虑。
随着的火爆以及背后GPT系列模型的更新迭代，AI赋能的概念已经深入人心。
新技术能高效快速解决特定问题：在自然语言对话、自然语言理解、对有关信息的查询加工处理；
新技术带来新的产品市场：为早期采用者创造了的机会，比如最近新增的Chat类应用。过往成功案例：
推出后开始移动互联网时代；
利用 GPT模型更新产品可以作为公关和营销资产：提升品牌科技属性，重塑客户与产品的互动体验；
低投入：无论是API调用还是插件，对于第三方接入工程量难度低，使用的Token费用也越来越低；
风险提示
一、大模型技术进展低于预期的风险
模型相关技术依旧是最前沿的领域，尽管目前GPT4代表的大模型已经呈现出出色的能力，但其依旧有很多技术黑箱有待研究、对于复杂问题的回答准确率依旧不完美，下一阶段大模型的进一步技术能力升级也存在不确定性。
二、B端用户采用其他方式获得AI能力，削弱插件生态的风险接入插件生态是一种将GPT大模型能力（AI能力）融入自身产品的方式，但不是唯一的方式。随着推出越来越便宜的GPT模型API接口和支持模型定制化的模型商店，第三方应用商家拥有了更多的选择。特别对于头部公司而言，在维持原有产品形态的基础上内嵌GPT模型可以被AI赋能，也不需要担心被分流或者潜在的数据安全问题。
三、内容、数据与技术监管的风险
现阶段GPT与插件产品已经造成一定的内容、数据风险，未来AI模型相关安全和监管风险需要持续跟踪。同时，插件生态也面临信息资料的版权问题，如某个插件提供的在线书籍因为未购买版权，则插件被下架。
四、市场竞争激烈程度超预期的风险
除了推出了插件功能，微软也发布了自己的插件计划，预计 365 正式发布时，会支持1000+种插件。
因此AI技术发展，插件接入的流程越来越便捷，插件生态的竞争也会加剧。
