獨家解讀|OpenAI 為什麼要冒死“脫離群眾”?
重點摘要
誰能想到,在 IPO 臨門一腳的前夕,靠 To C 聊天起家、日活高達9億的 OpenAI,會選擇冒死“背叛”撐起它高估值的群眾。過去一週,它用兩個動作宣告,C端不再是ChatGPT的主戰場。先是把Codex嵌進ChatGPT,緊接著在Codex一口氣上線六大角色插件。這六個角色插件覆蓋銷售、數據分析、投行、投研、產品設計和創意製作等場景。每一個功能背後,站著的都是一個具體的職場角色,而不是隨便打開ChatGPT聊兩句的普通人。OpenAI正在更換它的目標用戶,從取悅普通群眾,轉向取悅企業和職場人。這不是一次簡單的產品升級,而是一場180度的商業大轉向:OpenAI 正冒著用戶基本盤流失和估值暴跌風險,將自己改裝成一個To B企業辦公平臺。類似的平臺敘事,兩年前OpenAI在GPT Store中已有過一次失敗教訓。兩年之後,它為什麼還敢再賭?都是做插件,OpenAI和Anthropic有什麼不同?如果只看表面形態,Codex此次推出的六個角色插件,很容易讓人聯想到Anthropic年初在Cowork上線的11個插件。在交代二者差異之前,我們不妨先了解一組數字。截至5月底,Codex每週活躍用戶已超500萬,其中非開發者佔比20%,佔比增速是開發者佔比的3倍以上。Codex用戶細分人群佔比變化趨勢恐怕連OpenAI自己都沒想到,分析師、營銷、設計師、投資人,這些原本跟編程工具八杆子搭不著的人群,正爭先恐後湧入Codex。這也是此次更新的根本動因:非開發者用戶增長太猛了,不專門給他們造工具不行了,不同見地,請添加作者微信IHAVEAPLANB-溝通交流。功能差異:插件之外,OpenAI還藏了兩張牌“角色插件+Annotations+sites,本質是在構建一個企業工作流輸出平臺。”資深AI開發者葛工表示。此次Codex一共上新了三項功能,除了前面提過的角色插件,Annotati
誰能想到,在 IPO 臨門一腳的前夕,靠 To C 聊天起家、日活高達9億的 OpenAI,會選擇冒死“背叛”撐起它高估值的群眾。過去一週,它用兩個動作宣告,C端不再是ChatGPT的主戰場。先是把Codex嵌進ChatGPT,緊接著在Codex一口氣上線六大角色插件。這六個角色插件覆蓋銷售、數據分析、投行、投研、產品設計和創意製作等場景。每一個功能背後,站著的都是一個具體的職場角色,而不是隨便打開ChatGPT聊兩句的普通人。OpenAI正在更換它的目標用戶,從取悅普通群眾,轉向取悅企業和職場人。這不是一次簡單的產品升級,而是一場180度的商業大轉向:OpenAI 正冒著用戶基本盤流失和估值暴跌風險,將自己改裝成一個To B企業辦公平臺。類似的平臺敘事,兩年前OpenAI在GPT Store中已有過一次失敗教訓。兩年之後,它為什麼還敢再賭?都是做插件,OpenAI和Anthropic有什麼不同?如果只看表面形態,Codex此次推出的六個角色插件,很容易讓人聯想到Anthropic年初在Cowork上線的11個插件。在交代二者差異之前,我們不妨先了解一組數字。截至5月底,Codex每週活躍用戶已超500萬,其中非開發者佔比20%,佔比增速是開發者佔比的3倍以上。Codex用戶細分人群佔比變化趨勢恐怕連OpenAI自己都沒想到,分析師、營銷、設計師、投資人,這些原本跟編程工具八杆子搭不著的人群,正爭先恐後湧入Codex。這也是此次更新的根本動因:非開發者用戶增長太猛了,不專門給他們造工具不行了,不同見地,請添加作者微信IHAVEAPLANB-溝通交流。功能差異:插件之外,OpenAI還藏了兩張牌“角色插件+Annotations+sites,本質是在構建一個企業工作流輸出平臺。”資深AI開發者葛工表示。此次Codex一共上新了三項功能,除了前面提過的角色插件,Annotations和Sites同樣是重頭戲。AI產品負責人朱頤均認為,把Annotations和Sites結合起來看,其實就能發現,OpenAI想覆蓋的並不只是能力調用這一個環節,而是從理解任務、完成任務到交付成果的整個過程,相當於把完整的工作鏈條都搬進ChatGPT。Annotations,即標註修改。改AI生成的文檔最頭疼的是什麼?你只想改動一句話,它卻幫你把全篇都重寫了。而Annotations讓你可以直接圈出想改的那一部分,只針對指定內容進行精修,其他地方則原封不動。邏輯很簡單,就像在Word文檔里加批註指令,然後讓AI去執行,在表格、PPT中也同樣適用。另一個功能Sites,即建站分享。AI開發工程師吳哲認為,Sites功能解決了團隊工作中成員不懂代碼,需要高頻求助工程師的痛點。“以前用AI跑分析,交付的是一個文件,發出去就是一張死圖,一張靜態表格。而Sites可以把這些成果直接生成交互式網頁,只要發一個鏈接,大家就能在線協作實時調參,不用再傳來傳去做修改。”定位差異:一個扎得深,一個鋪得廣回到插件本身。OpenAI的6個插件盯著銷售、數據分析、設計、投研等六大場景,每個插件都配備了重型工具鏈,直接打通了Snowflake、Databricks、Tableau等企業基礎設施。數量不多,但每個都扎得很深。Codex活動運營工作臺界面Anthropic的11個插件則是覆蓋優先的路子,從銷售、法務、客服到產品管理,幾乎把企業的職能線掃了個遍,且全部開源,不用寫代碼就能自己改、自己配。目標差異:平臺入口VS崗位底座“對OpenAI而言,Agent只是一個過渡化的產品形態,它真正要做的是一個OS層面的東西。”AI產品負責人朱頤均認為,OpenAI真正想做的是平臺,合作伙伴可以在Codex和ChatGPT裡發佈插件,思路跟App Store一脈相承。先把用戶引進來,再讓生態在其中生長,目標是職場AI的流量平臺入口。“而Anthropic想做的是底座,側重點仍是Agent完成具體工作的能力。插件開源、可定製,不是要你來我這裡用,而是讓Claude變成你公司裡最懂業務那個人。”葛工進一步補充,不能單純去評判二者誰更強,因為它們是兩條路徑,更多一手訪談實錄,請添加作者微信IHAVEAPLANB-溝通交流。“Anthropic走的是本地優先的個人自動化,OpenAI走的是雲端託管的企業平臺化。”一個要做平臺入口,一個要做底座。至於誰的判斷更準,得等到企業客戶真正大規模買單那天才知道。GPT Store死於不會幹活,Codex賭的是交付結果OpenAI做平臺這件事,算是梅開二度。“有的時候超前即謬誤,超前搶跑就會被罰出場去,OpenAI上一次平臺嘗試失敗的核心原因就是時機過早。”AI產品負責人朱頤均表示。2023年11月,奧特曼在開發者大會上親自站臺,描繪了一幅AI版App Store的藍圖。人人都能造工具,開發者通過上架分享,還能靠流量賺到錢,OpenAI則在中間躺賺差價,故事講得相當帶感。然後呢?GPT Store正式上線那天,裡面已經塞了300萬個GPT,數量甚至超過App Store上線時的全部應用。開局相當聲勢浩大,但消費者用腳投票的結果很快說明了一切。絕大多數GPT每天只有一兩個活躍用戶,創作者分錢計劃遲遲未能落地。開發者的熱情來得快,去的更快。問題到底出在哪?“根本問題不在運營,在於能力本身。”AI開發工程師吳哲認為,GPT Store失敗告終的根本原因在於,GPT當時的模型能力,撐不起“幫人把活幹完”這件事。“當用戶發現專門下載一個GPT,還不如直接問ChatGPT甚至更糟,那這套機制本身就失去意義了。工具造出來了,但沒有交付價值,GPT Store在當時遭遇冷場幾乎是必然的。”兩年過去了,OpenAI為什麼敢在Codex上再賭一次平臺夢?若有更多見解,請添加作者微信IHAVEAPLANB-溝通交流。“技術條件變了。”吳哲回答道。他告訴雷峰網,從這次的Codex更新可以看出,今天Codex底層跑的是具備自主規劃和多步執行能力的Agent,不是給你一個答案,而是接過任務、調用工具、跑完流程,把結果擺在你面前。“GPT Store本質上還是建立在Prompt之上,賣的是‘答案’,而答案本身很難成為一個穩定的平臺生態。而現在Agent可以真正進入業務流程,這也是完成商業閉環的關鍵一步。”“打個比方,數據分析插件對接Snowflake和Tableau,不是告訴你怎麼查,而是直接幫你查完,從回答問題到完成交付,這是本質上的跨越。”吳哲補充道。朱頤均認為,另外一個重要原因,就是AI對於市場的教育也跟兩年前不一樣了。“GPT Store那會兒,企業對於AI還在猶豫觀望,在經過兩年的AI滲透率提升後,市場對於AI的認知早已不再停留於Chatbox,而是真的可以用AI處理工作了。”“需求已經在那兒,缺的只是夠專業夠趁手的工具,所以這次不是OpenAI想通了什麼新戰略,而是用戶跑在前面,結果必須跟上。”他補充。那為什麼是現在呢?“答案比很多人想象得更簡單,因為模型價值正在被壓縮,價值鏈正在從模型層嚮應用層遷移。”長期跟蹤AI領域的分析師韓松濤指出。“如果OpenAI繼續只賣模型,未來用戶記住的可能是Cursor、Perplexity、Harvey,而不是OpenAI。只有掌握工作平臺入口,它才能擁有用戶、分發、生態規則制定權。”如果說OpenAI第一次平臺夢碎,是方向對了但能力還撐不起野心。那麼這一次,能力已經到位時機已成熟,真正等待驗證的,反倒是平臺本身。當OpenAI開始“自己開店”,生態夥伴怎麼辦?OpenAI做平臺這件事,有個耐人尋味的細節。一邊發佈六個官方角色插件,一邊高喊開放生態,邀請合作伙伴在Codex裡開發自己的角色插件。但此次Codex上新的六個角色插件,所覆蓋的場景全是官方精選。資深AI開發者葛工認為,這傳遞了一個很危險的信號。“OpenAI會優先覆蓋高價值的垂直場景,把低毛利的垂直場景留給第三方生態,但核心利潤始終留在平臺層。”葛工指出,但是裡面有個容易被忽略的點,很多人覺得Sites只是個建站工具,但其實沒那麼簡單。“它採用OpenAI託管之後,你的應用、數據連接、用戶入口都在它這兒,這就意味著OpenAI越是成功的把Codex變成工作平臺,生態價值被管道化的風險就越高。”先看已經入場的這批生態夥伴。目前,Canvas、Figma、Vercel、Wix、Webflow、Lovable等一批AI建站工具,已經跟OpenAI談好了Sites生態的早期合作。對於這些已經入場賣“工具能力”的夥伴來說,Codex的插件越多,調用這些工具的場景就越多,雙方自然是皆大歡喜。“但問題不在於現在,而在以後。”AI產品負責人朱頤均認為,歷史上大多數平臺公司都會面臨一個難題,它們需要生態夥伴幫它們做大市場,但是當某個賽道的價值被資金驗證時,平臺又很難抵擋親自下場競爭的誘惑。隨著Codex的插件清單越拉越長,那些還在門外排隊等待入場的第三方開發者,明天可能就發現自己要做的那個坑已經被平臺填上了。進場,或許能分到紅利。不進場,連參與遊戲的資格都沒有。在平臺的地盤上做生意,規則向來如此。只不過這一次,OpenAI把它說得格外直白。OpenAI焦慮的,除了IPO還有什麼?OpenAI最近的頻頻動作,還有一個難以忽視的背景。6月1日,Anthropic向SEC秘密遞交了IPO招股書。時間點掐的極準,搶在了同樣準備IPO的OpenAI前面。“OpenAI被動的處境已經擺到檯面上了。”長期跟蹤AI領域的分析師韓松濤認為,如果Anthropic率先完成上市,將會直接壓縮OpenAI的後續IPO的定價空間。“對於OpenAI來說,被Anthropic搶先一步不只是顏面問題,你給資本市場講的故事,競爭對手已經先講了一遍,這就相當於連估值錨點都幫你釘好了。”但要讀懂這一系列動作,就不能只盯著IPO,更加見解,請添加作者微信IHAVEAPLANB-溝通交流。OpenAI首席營收官Denise Dresser在CNBC明確表示,OpenAI B端業務收入已佔總收入40%,預計年底與C端收入持平。而最近的密集更新,都是在往“企業工作平臺”這個敘事裡添磚加瓦。韓松濤告訴雷峰網,OpenAI真正在賭的,是AI市場最終會像Windows、Google一樣,收斂成少數幾個深入嵌入工作流的超級平臺。“每多一個場景角色嵌進來,用戶的遷移成本就高一分,後來者再想撬動就很難了。”兩年前,OpenAI輸掉了一場關於GPT的生態實驗。兩年後,它決定重新下注。但賭注已經不再是開發者,而是未來十年最重要的生產力入口。本文作者長期追蹤海外AI行業動態,更多深度信息,歡迎添加作者微信IHAVEAPLANB-溝通交流。
Related
相關文章

GPT5.6慘遭切腦,Fable 5迴歸要變弱雞版?
這篇消息聚焦「GPT5.6慘遭切腦,Fable 5迴歸要變弱雞版?」。原始導語提到:美國AI,「閉關鎖國」? 從 AI 情報角度來看,這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。

Anthropic最新報告摸透全球打工人:凌晨5點求睡眠,晚6點問菜譜
這篇消息聚焦「Anthropic最新報告摸透全球打工人:凌晨5點求睡眠,晚6點問菜譜」。原始導語提到:白天,Claude是高薪打工人的生產力引擎;深夜,它成了唯一知道你還醒著的那個。一份報告,意外照出了幾百萬人藏起來的24小時。 從 AI 情報角度來看,這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。

獨家|獲超億美元融資,Sand.ai 曹越:為什麼視頻是通往世界模型最重要的路徑
這篇消息聚焦「獨家|獲超億美元融資,Sand.ai 曹越:為什麼視頻是通往世界模型最重要的路徑」。原始導語提到:“每一代模型,我們都在押注一個非共識。” 從 AI 情報角度來看,這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。

北京太空算力創新中心揭牌成立,統籌組織星載 AI 芯片、太空大模型等聯合研發
這篇消息聚焦「北京太空算力創新中心揭牌成立,統籌組織星載 AI 芯片、太空大模型等聯合研發」。原始導語提到:北京太空算力創新中心採用“公司 + 聯盟”雙輪驅動模式,運營主體為北京天算星聯科技有限公司。創新中心承擔四類核心職能。 從 AI 情報角度來看,這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
讓AI自己修服務器?先過了這場“火線測試”再說
智東西 作者 | 陳駿達 編輯 | 漠影 隨著大模型能力持續提升,智能體正從聊天、寫作等輔助場景走向軟件開發、網絡管理和基礎設施運維等生產環節。尤其在AI基礎設施領域,面對龐大的GPU集群和複雜架構,越來越多企業開始嘗試讓智能體承擔故障排查、告警分析和資源管理等工作,以提升運維效率並降低人力成本。 然而,運維場景對智能體構成了空前挑戰。AI算力集群運維橫跨GPU硬件、網絡通信、分佈式存儲、容器編排、訓練框架等多個技術棧,問題現象往往模糊、不完整甚至相互矛盾,智能體需要在開放環境中主動探索、反覆驗證,自行界定問題並尋求解決路徑。 要提升智能體在此類複雜場景的綜合能力,一套與之匹配的評測基準不可或缺。但當前行業恰恰缺乏對這種多步推理、開放決策過程的系統化評估能力,導致運維智能體研發長期“無標可依”,進展評估與方向校準均缺乏牽引。 正是在這樣的背景下,中國信息通信研究院開源了全球首個面向AI Infra運維場景的智能體評測基準——AISHPerf-智算運維智能體評測基準,國內頭部AI原生基礎設施企業無問芯穹重點參與技術建設。 這套基準源自百億條真實運維數據,不再只關注“會不會回答問題”,而是聚焦智能體“能不能解決問題”,為運維智能體能力評估提供了一套貼近真實生產環境的參考標準。 一、百億條運維數據,煉出103道“考題” 任何評測體系的價值,最終都建立在數據質量之上。對於運維智能體而言尤其如此。因為真實世界中的故障往往具有高度隨機性和複雜性,許多問題並不存在標準答案,甚至需要跨越多個技術棧進行聯合分析。如果評測數據脫離真實生產環境,即使得到再高的測試分數,也很難證明智能體具備實際應用價值。 無問芯穹之所以能夠重點參與這一評測基準的技術建設,與其在AI基礎設施領域的長期實踐密切相關。根據披露的信息,其早在2025年便已將運維智能體應用到實際訓練推理業務中,並取得明顯成效。工單平均處理
OceanBase發佈AI數據庫三件套,TOC最高降50%,螞蟻、靈光都在用
智東西 作者 | 王涵 編輯 | 雲鵬 智東西6月29日報道,今天,OceanBase發佈湖庫一體AI數據庫產品OceanBase Lakebase,該產品面向Agent應用,原生支持多模態數據管理。 “數據湖”是一種集中式存儲架構,可以存儲結構化、半結構化、非結構化等不同類型的數據。Lakebase融合了“數據湖”架構的開放性和“數據庫”架構的功能性,讓結構化數據、非結構化數據和向量數據能夠在統一架構中被管理、加工、檢索和調用。 基於此,OceanBase還發布了數據生產、治理和服務工作臺OceanBase DataStudio,以及面向經營分析和業務決策的數據智能Agent OceanBase DataPilot兩個產品。 OceanBase DataStudio覆蓋數據接入、數據加工、任務編排、語義建模、數據治理到Agent協作等環節,幫助企業把分散的數據資產轉化為可管理、可理解、可調用的數據服務。 OceanBase DataPilot作為統一的企業業務智能入口,讓業務人員可以通過自然語言完成分析報告、數據看板和可信答案生成,把過去依賴專業數據團隊完成的分析流程,轉化為可交互、可追問、可複用的智能決策能力。 智東西等媒體與OceanBase CEO楊冰、CTO楊傳輝,進行了面對面的交流。 楊冰認為,AI正在改變數據的管理方式,數據使用者和數據形態都發生了變化。數據使用者的改變帶來了三大挑戰:VibeCoding帶來了海量Agent應用;Agent開始執行生產任務;Agent長期運行的正確性和自我進化。數據形態改變,則為非結構化數據成為可計算資產、數據要主動流轉、數據要理解任務。 兩者作用疊加,OceanBase給出判斷:在AI時代,數據庫應該是湖庫一體的。 OceanBase內部的AI轉型也在進行中。楊冰透露,OceanBase已將內核團隊分為“一體化數據庫”和“A