OpenAI 看透了一件特别且罕见的事，而这件事就明摆在我们眼前。用彼得·德鲁克半个世纪前的话来说就是：企业的目的就是创造顾客。
OpenAI 最终会赢，并不是因为他们有最好的模型、最先进的芯片、最优的性价比曲线，甚至不是因为有最好的产品——尽管我们认为这些他们确实都有。我们真正想说的是：OpenAI 会赢，是因为他们太擅长创造新类型的顾客了，而且他们拥有最持久的分发策略。
在 2026 年 9 月写下这篇文章时，“智能即服务”（intelligence-as-a-service）产品的排名已经不再是核心问题了。智能无处不在，几乎任何人都能做任何事；但大多数人还没开始这么做。 能不能唤醒新的行为模式、能不能赢下分发之战，才是关键。
看好 OpenAI 的理由，可以归结为以下论点：要在 AI 前沿规模上建立一家基业长青的企业，你有四个杠杆可以撬动：
- 创造新类型的行为
- 分发给海量用户
- 以能够捕获价值的方式定价
- 建立高转换成本
第 4 点基本没戏了。至少在模型层，AI 前沿是一场“红皇后赛跑”。在不同模型之间切换太容易了，甚至可以做到按任务逐个切换，而且所有人都在不断进步。
第 3 点是所有人都梦寐以求的。但同样，外面的竞争极其激烈，OpenAI（以及其他公司）都铁了心要在算力成本的边界上领跑，通过规模经济、垂直整合等策略把 token 成本打下来。最终谁能在性价比上领先，反正也就是谁能在规模上胜出。
这意味着胜负取决于第 1 点和第 2 点。我们认为 OpenAI 在第 1 点上明显是最强的：
- 在 AI 领域，他们已经积累了扎实的战绩，总能找到那些简单、事后看来显而易见却能解锁全新消费行为的突破
而在第 2 点上，他们也是最强的：
- 现在每家 AI 实验室都在拼命加速分发，而且不局限于自家的一手产品。要做到这一点只有两条路：做平台，或者靠合作。真正做成平台从长远来看更占优：收入来得慢一点，但一旦跑通，它的持久性和价值要大得多。
OpenAI 之所以能在第 1 和第 2 点上胜出，背后有一个根本原因：他们拥有最广泛、最全面的通用智能之一——这不仅体现在他们的模型里，也体现在整个公司和用户群中。他们触达了最广的用户群体（覆盖普通消费者、专业创作者和企业），拥有最深度的自我迭代技术栈（一直深到自研芯片），这就是为什么他们总能持续发现行之有效的新模式和新原语。他们在用长远眼光思考如何打造制胜的 AI 平台，而且这套打法正在奏效。
OpenAI 真的很擅长发现“下一个东西”
OpenAI 一开始并没打算做一家面向消费者的公司。随着 ChatGPT 的发布，他们多少算是误打误撞闯进来的。这是个美丽的意外，因为那一刻是技术史上的转折点之一。如果他们没这么做，今天的世界会完全不同。AI 大概还会被锁在实验室和少数核心客户手里，进化速度远不及现在，我们会身处一条“默认封闭”的时间线，而不是今天这条无限丰富的时间线。
Sam Altman 最近讲过一个故事：ChatGPT 发布后的那几周，OpenAI 大多数人的心态是：“挺好玩的，但我们大概该去搞点真正的产品了吧？一个聊天机器人总不可能是终点吧？”当时明确告诉 Sam 不，这就是终点的人，正是 Peter Thiel。你创造了一种新类型的顾客。没有比这更重要的事了。
而且不只是 ChatGPT：OpenAI 值得称道的地方在于，他们普遍很擅长发现真正重要的突破性模式和原语，并唤醒新类型的用户行为。Ben Hylak 在前几天的一篇文章里总结得很到位：“OpenAI 是寻找‘下一个东西’的（几乎）不败之王。它总是比你想象的简单得多，而且事后看极其明显。” GPT 的聊天界面、推理、工具调用和 Computer Use，都是重大的突破，它们简化并聚焦了技术的发展方向，让技术真正变得可用。OpenAI 唯一一次没能成为突破引领者的重大例外是编程，但他们也顺利追了上来。
他们为什么这么擅长这个？也许在早期，他们就是有那种独门秘方；没人能准确说清创造出这种东西的创始能量和魔力到底是什么。但随着时间推移，这显然已经变成了他们刻意培养出来的一项技能。这里有三个关键要素：
- 他们的思考和行动方式，像一家渴望成为平台的公司。“平台”是个内涵复杂的词，我们稍后会详细展开，但这是一家真心相信用户很聪明、能够在精心设计的约束范围内自己做选择的公司。
- 他们在不断加码技术深度，也就是说，他们试图掌控技术栈深处的每一层，并持续打磨用户作为积木所需的平台原语。
- 或许最重要的是，他们拥有惊人的消费者广度。无论是在个人生活还是工作场景中，论消费者类型和使用场景的丰富程度，他们依然是第一。
使用他们的人群广度，是这里最被低估的因素。就像 Hylak 说得那么简单直白：“Computer use”[例如]是一件非常泛化、不具体的事情。要想把它做好，你需要以一种通用的方式提升智能。跨越众多领域，跨越众多工作流。人们总是低估从特定方案走向通用方案的难度。 但通常只有去追求那个通用方案，你才能发现那些（事后看来）简单明了、却又（作为待解决问题）泛而不精的东西。
为什么没有更多公司去追求“通用方案”？因为代价其实相当高，而且违背了运营一个专注型产品组织的大多数最佳实践。你需要从极其广泛的客户、行为和动作中收集输入，让他们基本上想做什么就做什么，才能在某个领域取得通用层面的进步，而不是只在一个产品上取得特定进步。
这意味着，把“通用知识”构建进产品的能力，实际上取决于你的分发策略。 这一点并不直观，但非常重要，而 OpenAI 懂这个道理。
你怎么才能大规模地、向所有人提供“我正好想要的东西”（而这往往是非常定制、具体、挑剔的需求）？
基本上有三种方式。你可以通过独立产品交付，可以通过合作伙伴交付，也可以作为平台来提供。
- 独立产品有一个优势约束：你的产品本质上必须让用户“想做什么就做什么”（比如随便问 ChatGPT 任何问题），因此你是真真切切地在创造客户体验——从把产品交到他们手上，到看着他们每天使用。
- 通过合作伙伴分发的优势在于，伙伴能让你迅速围绕大量使用场景触达很多人。但最终，主导和引导用户“我想干啥就干啥”本能的，是合作伙伴。因此长期来看，他们不仅很可能拿走最丰厚的利润，还掌控着用户最终能做什么、以及系统能学到什么。此外，你的客户甚至可能不知道底层是你提供的，所以你从他们那里赚不到任何信任或好感。
- 作为平台分发，意味着别人可以在你之上构建任何他们想要的东西。这很慢，因为你得从零开始打造所有支持“我想干啥就干啥”的新产品。但一旦立住脚，它就极其强大：即便收入来得更慢、抽成比例更低，你也建立起了一个关于世界的超强学习闭环——用户使用你的原语和模式的过程，会反过来教你认识世界、了解人们到底想要什么。这不是指“拿客户数据训练”，而是指“原语会变成一张越来越精确的地图”。
https://x.com/GavinSBaker/status/2100240010695827959
时间拉得足够长，产品会来来去去，合作关系会变，其经济效益也可能不及预期。但 OpenAI 始终一次次回到同一个执念上：打造那个持久的平台。而他们正在做的事，确实在起效。
真正的平台很稀缺，但值得去做
平台很难建，也很难想明白。甚至连定义它都很难！
一般来说，我们对平台有个宽泛又模糊的概念：“平台让人们能为自己的特定需求搭建东西。”
在软件领域，实现这一点有几种方式。十九年前，Marc 写过一篇文章叫《你在互联网上会遇到的三种平台》，到今天依然很有用。Marc 的定义是：“‘平台’是一个可以被外部开发者——也就是用户——编程并因此定制的系统，通过这种方式，它能适应平台原始开发者根本想不到、更没时间顾及的无数需求和细分场景。”
这“三种”对应着三种不同的计算机编排方式，让用户得到他们想要的定制结果。从 1 到 3，搭建难度逐级上升，但它们所解锁的行为和创造力也越来越神奇。
- 第 1 类就是我们今天说的“无头”（Headless）——通过 API 让用户用上某种有用的东西（比如当年的 Flickr，甚至像 Stripe 这么值钱的一些公司也可以归入此类）。
- 第 2 类用的是所谓的“插件”：比如早期的 Facebook 平台，或者今天大多数的 Shopify 或 HubSpot 应用。你有一个核心服务满足用户前 80% 的需求，然后还有运行在自己服务器上的自定义应用（可能通过某种应用商店管理），为用户提供他们想要的定制体验。
- 第 3 类才是关键：它是一个真正的运行时环境，人们可以在上面编程创造任何想要的东西。这类真的、真的很难做，但一旦跑通就是真正的魔法。iOS、AWS、Ethereum，以及最近的 Cloudflare，都是例子。
今天 AI 有意思的地方在于，从某种意义上说，所有模型公司和推理提供商都可以声称自己在做“第 3 类平台”的工作。（模型本身就是一种运行时，靠自定义指令来驱动！）但光有模型并不能解锁新行为，护城河也没那么深。就像我们在编程领域看到的那样，外围框架同样重要，真正关键的是那套由约束和原语构成的上层建筑。下面我们从理论和实践两个角度解释为什么。
理论原因是：如果你想发现那些事后看来显而易见、却真正重要的模式和原语，你就需要尽可能广泛地接触用户的使用场景、隐性知识和试错过程，这样才能从一个特定产品（局部突破）进化成一个通用产品（全局突破）。而最纯粹的做法，就是让他们为自己想做的事编写任意指令（也就是代码）。要把安全、权限、数据结构和约束都做对，是一项浩大的工程，“产品导向”的公司很难把它排到高优先级；只有真正死磕到底的人，才能抵达应许之地。
而对当下的 AI 来说，实践原因是：Agent 要想有用，就必须会写代码。 这一点也许不那么直观，但却是我们过去一年学到的。考虑到 AI 模型写代码有多厉害，它们在日常知识工作中调用工具、执行指令的能力却差得令人意外——除非你把思路反过来，对它说“写一个程序来完成这些任务”，这时候它们就表现极佳。目前企业落地 AI 的一个悬而未决的问题是：“人和组织该如何安全地支撑这一切？”而你大概应该押注那些有平台思维的人能把这事做对。
眼下最大的开放性问题之一，是在 AI 技术栈的各个层级上，会出现什么样的网络效应、转换成本和其他护城河。到目前为止，模型层的可替代性依然高得惊人。大家普遍感觉，“多人模式”（比如在项目上协作、Agent 被朋友的 Agent 信任）具备一些商业模式防御性的好要素，但它还没有真正影响到我们在 token 消耗上看到的那场“用量往上走、成本往下压”的整体混战。真正重要的首要问题不是“你的模型有没有粘性”，而是“你有没有创造新行为？”正如 Steve Hou 的精辟总结：“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。”
模式匹配从来不会完美，但如果过去四年的 AI 发展能说明什么，那么下一波关于普通人可防御、可多人协作使用 AI 的重大突破，将诞生于某些顿悟时刻——当我们找到智能模型、计算原语和行为模式的最佳分层方式时，某种简单而显而易见的东西就会浮现。它可能来自把模型公司当平台来搭建的创业公司；也可能来自模型公司自己。无论如何，OpenAI 显然希望由自己来提供底层动力，并把它交付给用户。
在丰饶的世界里，因果关系是反过来的
老习惯很难改。如果你用常规方式把一家 AI 前沿实验室当成生意来分析，你可能会去看各种显而易见的指标来判断竞争优势：谁的模型最好？谁的芯片最强？谁的性价比最高？谁的产品最棒？
显然，这些依然重要。但在一个智能极度丰饶、随时随地按需取用的世界里，如果我们认为拥有了这一切就意味着胜利，那大概是把因果关系搞反了。我们认为，在未来，OpenAI 会拥有最好的模型、芯片和产品，是因为他们有最好的分发能力，而不是反过来。 到目前为止，他们在确保充足算力、高效训练模型、开发 Jalapeno 这款优化芯片，以及其他能在众多 AI 选项中拉开差距的务实工作上，都做出了极好的决策。但在未来，我们认为他们会继续赢下去，因为他们会始终站在收集世界信息的最前沿——从他们刚刚唤醒的新用户那里获取信息，并由此不断自我进化。
新产品和新模型或许能吸引所有人一两周的目光，但长远来看，我们并不觉得 OpenAI 会在真正重要的事情上让出领先地位：
- 他们守住了消费者端的主导品牌和极广的用户覆盖面
- 他们唤醒了新类型的用户行为，这些行为事后看来理所当然，却彻底改变了可能性边界
- 他们在模型产品上不断推进“最好模型、最优价格”的前沿
- 他们的“飞轮”从未停歇，一切都在同步变好
Sam 把 OpenAI 未来的产品形态描述为只提供两种选择：要么你可以创造任何你想要的东西，要么你就直接跟 ChatGPT 聊天。这才是产品在真正丰饶时的样子。你既可以精准描述你想要、并且能帮到你的东西然后直接得到它，也可以退回到另一种状态：“或者我就对着这个文本框聊聊天，慢慢搞清楚自己要去哪。”
这种丰饶，今天已经人人可用。有一小群人正在疯狂地把 AI 用在生活的方方面面；还有一群规模稍大、分布更广的人，在规律地使用 ChatGPT。但作为顾客，他们还没有被真正唤醒。谁会来做这件事？
我们认为，OpenAI 知道该怎么做。
