OpenAI 懂得一件重要而罕见的事
AI 前沿的胜负不在模型/芯片/性价比，而在**创造新行为**与**持久分销**——OpenAI 恰好最擅长这两点。
OpenAI 洞察到某种特殊而罕见的东西，它就藏在众目睽睽之下。正如彼得·德鲁克半个世纪前所言，企业的目的就是创造客户。
OpenAI 不会因为拥有最好的模型、最先进的芯片、最优的性价比曲线，甚至最好的产品而胜出——尽管我们认为他们确实拥有这些东西。我们认为，OpenAI 会胜出，是因为他们极其擅长创造新型客户，并且拥有最持久的渠道分发策略。
在我们写下这些文字的 2026 年 9 月，智能即服务（intelligence-as-a-service）的产品排名已不再是最重要的问题。智能无处不在。任何人都几乎能做任何事；但大多数人还没有去做。你能否唤醒新的行为，你能否在渠道分发上胜出，才是关键所在。
看好 OpenAI 的理由归结为以下论点。要在 AI 前沿规模上建立持久的事业，有四个杠杆可以拉动：
- 创造新型行为
- 分发给大量用户
- 以能捕获价值的方式为产品定价
- 拥有高转换成本
第 4 点基本出局。AI 前沿是一场红皇后竞赛，至少在模型层是如此。模型之间的切换太容易了，甚至可以逐任务切换，而且所有人都在不断进步。
第 3 点是所有人都希望达成的。但同样，外面的世界竞争极其激烈，OpenAI（以及其他公司）决心在成本-算力前沿上领跑，并通过规模经济、垂直整合及其他策略来压低 token 成本。最终在性价比上领先的人，反正也会是在规模上胜出的人。
这意味着关键归结为第 1 点和第 2 点。我们认为 OpenAI 在第 1 点上显然是最强的：
- 他们在 AI 领域有着长期积累的实绩，善于找到那些事后看来显而易见、却足以解锁新型消费行为的简单突破
而他们在第 2 点上同样最为出色：
- 眼下每一家 AI 实验室都在试图快跑抢占分发渠道，而不只是依赖自家第一方产品。做到这一点有两条路：要么做成平台，要么通过合作。真正做成平台从长远看更可取：收入来得慢一些，但一旦拿到手，就远更持久、更有价值。
OpenAI 之所以在第 1 点和第 2 点上都占上风，背后有一个根本原因：他们拥有一些最广泛、最均衡的通用智能——不仅体现在他们的模型上，也体现在他们的公司和客户群上。他们触达最广泛的用户群体（横跨消费者、专业消费者和企业），拥有最深厚的自我迭代技术栈（一直深入到自研芯片），正因如此，他们才能持续找到行之有效的新模式和新原语。他们正以长期视角来构建那个最终胜出的 AI 平台，而这条路正在奏效。
OpenAI 真的很擅长发现下一个大事件
OpenAI 最初并没有打算成为一家面向消费者的公司。随着 ChatGPT 的发布，他们算是偶然间踏入了这个领域。这是一个幸运的意外，因为那一刻是技术史上的转折点之一。如果他们当初没有这样做，世界将会截然不同。AI 可能仍然被封锁在实验室和少数客户手中，其进步速度远不会像现在这样快，我们将处于一个“默认封闭”的时间线，而不是今天这个无限丰富的时间线。
Sam Altman 最近讲述了一个故事，关于 ChatGPT 发布后的几周，当时 OpenAI 的大多数人态度是：“嗯，这挺有趣的，但我们可能应该继续去构建一些真正的产品。一个聊天机器人不可能就是终点，对吧？”正是 Peter Thiel 劝告 Sam，不，这就是终点。你创造了一种新的客户类型。没有什么比这更重要。
也不仅仅是 ChatGPT：OpenAI 值得称赞的是，他们在发现真正重要的突破性模式和原语方面普遍表现出色，并唤醒了新的用户行为。Ben Hylak 在前几天的一篇文章中很好地阐述了这一点：OpenAI 是（基本上）不败的‘下一个大事件’发现之王。它总是比你想象的简单得多，事后看来非常明显。 GPT 聊天界面、推理、工具调用和 Computer Use 都是重大突破，它们简化和聚焦了技术方向，并使其可用。OpenAI 唯一没有成为突破领导者的主要领域是编程，但他们很快就追赶上了。
为什么他们如此擅长这件事？也许在早期，他们只是拥有那种独门秘方；没有人能准确说清那种缔造出此类事物的创始能量与魔力。但随着时间的推移，这显然已经变成他们精心培养出的一项技能。这里有三个关键输入：
- 他们像一家想要成为平台的公司那样思考和行动。平台是个含义丰富的词，我们稍后会详细展开，但这是一家真正相信用户很聪明、相信用户能在精心设计的约束内做出自己选择的公司。
- 他们在技术深度上持续加码，也就是说，他们试图拥有或控制技术栈中深入到底层的每一层，并不断打磨用户所需、可作为构建模块的平台原语。
- 也许最重要的是，他们拥有巨大的消费者广度。在跨越人们个人生活与工作生活的消费者种类和使用场景的丰富性上，他们始终是领导者。
使用他们的人群之广，是这里最被低估的因素。正如 Hylak 简单指出的：“计算机使用”是一件非常通用、不具体的事情。要在这方面做得更好，你需要以一种通用的方式提升自己的智能。跨越许多领域，跨越许多工作流。人们总是低估从一个具体解决方案走向一个通用解决方案有多难。 但你通常只有通过追求那个通用解决方案，才会发现什么是简单而显而易见的（事后看来），但又是通用而不具体的（作为要解决的问题）。
为什么没有更多公司去追求通用解决方案？因为这样做实际上成本相当高，而且违背了运营一个专注产品型组织的大多数最佳实践。你需要从极其广泛的客户、行为与动作中收集输入，让他们基本上做任何他们想做的事，才能在某个领域取得通用进展，而不是在产品上取得具体进展。
这意味着，将通用知识构建进产品的能力，实际上取决于你的分发策略。 这一点并不显而易见，但很重要，而 OpenAI 深谙此道。
你如何大规模地向所有人提供“我恰好想要的东西”（这可能是非常定制化、具体、挑剔的东西）？
基本上有三种方式。你可以通过独立产品来交付，可以通过合作伙伴关系来交付，也可以将其作为平台来提供。
- 独立产品有一个有利的约束条件，那就是你的产品必须天然地让用户“想做什么就做什么”（即向 ChatGPT 问任何问题），因此你是在真正地创造客户体验，从把它交到用户手中到看着他们每天使用它。
- 通过合作伙伴关系分发的好处是，合作伙伴能让你快速触达大量用户，覆盖大量使用场景。但最终是合作伙伴拥有并主导着客户“我想要什么就有什么”的本能。因此，从长远来看，他们不仅很可能攫取有吸引力的经济利益，还掌控着用户最终能做什么、以及能学到什么。此外，你的客户甚至可能不知道是你在背后驱动，所以你无法从他们那里赢得任何信任或好感。
- 作为平台分发意味着人们在你之上构建他们想要的任何东西。这很慢，因为你必须从零开始打造所有支持“我想要什么就有什么”的新产品。但一旦建立起来，它就非常强大，因为尽管收入可能来得更慢或抽成率更低，但你已经建立了一个关于世界的真正强大的学习循环，当用户使用你的原语和模式时，它们会教你了解世界，以及人们想从你这里得到什么。不是“用客户数据训练”意义上的，而是“这些原语成为对领域更好的映射”意义上的。
足够长的时间跨度内，产品会来来去去，合作关系会发生变化，其经济效益也可能不及预期。但 OpenAI 一次又一次地回归，带着打造持久平台的驱动力。而他们所做的正在奏效。
真正的平台罕见，但值得
平台很难打造，也很难推理。它们甚至很难定义！
一般来说，我们对平台有一个宽泛而模糊的概念：“平台让人们为自己的特定需求构建所需的东西。”
在软件领域，有几种方式可以做到这一点。十九年前，Marc 写了一篇文章，题为“你在互联网上遇到的三种平台”，至今仍然有用。Marc 的定义是：“一个平台是一个可以被编程、从而被外部开发者——用户——定制的系统，通过这种方式，它能够适应平台原始开发者根本不可能想到、更不用说有时间去满足的无数需求和细分场景。”
这三种对应着三种不同的方式，让你可以组织计算机，使用户获得他们想要的定制结果。它们依次越来越难构建（从第 1 种到第 3 种），但在它们所解锁的行为和构建方式方面，也越来越神奇。
- 第 1 种就是今天我们所说的无头（Headless）——通过 API 让用户访问某种有用的东西（比如当时的 Flickr，甚至像 Stripe 这样有价值的公司也会归入这一类。）
- 第 2 种使用你所称的插件：比如旧的 Facebook 平台，或者今天大多数 Shopify 或 HubSpot 应用。你有一个核心服务，满足用户 80% 的需求，然后有定制应用运行在它们自己的服务器上，并且可能通过某种应用商店进行管理，为用户提供他们想要的定制体验。
- 类型 3 才是关键：它是一个真正的运行时环境，人们可以通过编程在其中创造任何自己想要的东西。这类东西极其、极其难以构建，但一旦成功运转，便是真正的魔法。iOS、AWS、以太坊，以及近来的 Cloudflare，都是其中的例子。
今天 AI 的有趣之处在于，从某种意义上说，所有模型公司和推理服务提供商都可以声称自己在做类型 3 平台的工作。（模型本身就是一种运行时，通过自定义指令来提示！）但仅有模型并不能解锁新的行为，也谈不上有多强的防御性。正如我们在编程领域看到的那样——在那里，脚手架同样重要——真正起作用的，是约束与基元所构成的超结构。我们会给你一个理论上的理由和一个实践上的理由。
理论上的理由是：如果你想发现那些事后看来显而易见、却真正重要的模式与基元，你就需要让你的用户尽可能广泛地接触各种使用场景、隐性知识以及反复试错，这样你才能从一个具体产品（局部突破）演进为一个通用产品（全局突破）。而做到这一点最纯粹的方式，就是让他们为自己想做的事编写任意指令（也就是代码）。把安全性做对，把访问权限、数据结构和约束做对，是一项浩大的工程，而“产品导向”的公司很难将其列为优先事项；只有真正全力以赴的人，才能抵达应许之地。
对当下的 AI 而言，实用的理由在于：智能体要有用，就得会写代码。这一点或许不那么显而易见，却是我们在过去一年里学到的。鉴于 AI 模型在写代码方面表现惊人，它们在日常知识工作中调用工具、执行指令的能力却出奇地差——除非你反过来换个思路，说“写一个程序来完成这些任务”，然后它们就表现得非常出色。当下企业采用 AI 的一个悬而未决的问题是：“人们和组织将如何安全地支持这件事？”而你大概应该押注在那些有平台思维的人身上，他们会做对。
当前最大的悬而未决的问题之一，是 AI 技术栈的各个层级会涌现出何种网络效应、转换成本和其他护城河。就目前而言，模型层仍然惊人地可替代。人们普遍认为，多人模式（例如项目协作、朋友的智能体所信任的智能体）具备一些有利于商业模式防御力的要素，但它尚未真正影响到我们在 token 支出中所看到的围绕用量上升、成本下降的整体混战。真正重要的问题不是“你的模型是否有粘性”，而是“你是否在创造新的行为？”正如 Steve Hou 说得好：“真正重要的弹性，不是模型之间的替代弹性，而是 AI 总需求的弹性。”
模式匹配从来都不是完美的，但如果过去四年的 AI 发展能说明什么，那么普通人可用的、可防御的多玩家 AI 体验的下一个重大突破，将来自那些顿悟时刻——我们找到智能模型、计算原语和行为模式的最优分层，然后某种简单而显然的东西浮现出来。它可能来自在模型公司这一平台上构建的初创企业；也可能来自模型公司自身。无论如何，OpenAI 显然希望为其提供动力，并将其交付给用户。
在丰裕的世界里，因果关系是反过来的
旧习惯很难改变。按照你分析一家 AI 前沿实验室作为企业的常规方式，你可能会查看各种显而易见的东西来评估竞争优势：谁的模型最好？谁的芯片最好？谁的性价比最高？谁的产品最好？
显然，这些仍然都很重要。但在一个智能丰裕、随处可按需获取的世界里，如果我们认为拥有所有这些就意味着你赢，那我们很可能是把因果关系搞反了。我们认为，在未来，OpenAI 将因为拥有最好的分发渠道而拥有最好的模型、芯片和产品，而不是反过来。 迄今为止，他们在确保足够的算力、高效训练模型、开发 Jalapeno 作为优化芯片，以及其他能在 AI 选项集合内产生竞争差异的务实事项上，都做出了出色的决策。但在未来，我们认为他们会继续赢下去，因为他们将保持在收集关于世界的信息的前沿——从他们自己新唤醒的用户那里收集，并由此自我改进。
新的产品和模型发布可以吸引所有人一两周的注意力，但从长远来看，我们并不真的认为 OpenAI 会在真正重要的事情上放弃其领导地位：
- 他们保住了主导性的消费品牌和广泛的用户覆盖面
- 他们唤醒了新的用户行为，这些行为事后看来显而易见，并改变了可能性的边界
- 他们在模型产品上不断推进最优模型、最优价格的边界
- 他们的飞轮从不松懈，一切都在同步改进
Sam 将 OpenAI 未来的产品形态描述为只有两种 offerings：要么你可以做出任何你想要的东西，要么你可以直接和 ChatGPT 对话。这才是产品中真正的丰裕。你可以精确描述你想要什么来帮助你并得到它，或者你可以退回到，“或者我可以直接和这个文本框对话，弄清楚我到底要去哪里。”
这种丰裕如今已经普遍可用。今天，有一小群人正在疯狂地将 AI 用于生活中的一切；还有一群稍大且更广泛的人，正在定期使用 ChatGPT。他们还没有作为客户被唤醒。谁会做到这件事？
我们认为 OpenAI 知道怎么做。