OpenAI：金丹初成，元婴还有几道关？

AI模型江湖 / 04 / 公司研究 · OpenAI

普通人的红利：产业 × 投资 × 交易，寻找AI时代的Google、Amazon ｜ 于AI诸相中，普皆共证菩提

本系列纯属个人兴趣，仅为AI江湖的八卦交流，不构成任何投资建议！如有侵权，联系删稿！｜2026年9月

先看结论

当前定位：金丹初期，正在向中期验证；外部客户投入与工作平台已有初步证据，但尚不足以判定生态广泛固化，更未证明元婴式定价权。

产业视角｜AI Native：从普遍增能走向局部完整工作，模型、执行系统与算力工程正在连成生产体系；新需求来自人，也来自持续运行的Agent。

投资视角｜金印五阶：关键不再只是模型能否领先，而是客户专属状态、工具与评测，能否跨客户、跨版本、跨续约周期持续复用。

交易视角｜风控五环：巨大融资和使用规模不能替代完整成本与股东回报；承诺资本、运行收入与可支配现金分开，不按尚未取得的元婴或化神权利买单。

元婴观察：看客户是否围绕其平台重构服务，平台能否影响终端、合作分配和交易规则，并在竞争与必要再投入之后持续留住收益。

以下为本期研究判断，事实依据、评分口径与待验证事项见正文。

一｜江湖开场：聊天框之外，客户在盖什么房子？

只盯着聊天框看OpenAI，容易漏掉更重要的动静：有人已经把模型接进自己的业务，有人开始借它的执行系统搭工作平台。卖一门功法，与提供能长期练功、开工坊的场所，是两种不同的产业位置。OpenAI值得研究的，正是它怎样从前一种走向后一种。

本期材料里有两类具体线索。Circles案例描述了模型进入电信客户服务体系；4月的Agents SDK升级，则提供可配置记忆、文件与工具操作、沙箱和状态恢复。⁠[2]⁠[1]前者是客户应用的线索，后者是让别人建设的条件。把两者连起来能看到方向，却不能把一份功能清单和一个案例装订成“所有客户都离不开”的证明。

本篇保留金丹初期、向中期验证的定位，尚未到元婴。已有外部客户围绕模型与工作工具改造流程、积累投入，值得认真看；这些关系能否跨客户、版本和续约持续扩展，则是下一道关。它不是凭名气领到初期金丹，也没有因此拿到往后的免检牌。

与上一期DeepSeek对照，一家要追开放采用后关系怎样归属，一家要追工作平台里的关系能留下多久。我的判断是，OpenAI的潜力不只在下一代模型更强，而在能否让别人重构业务变得更容易，并让这种建设愿意持续。我们看ChatGPT、Codex、API与新Agent平台，不替它预定天下，只沿着客户怎样开工、怎样经营去找实权。

二｜产业视角·需求：不是多请助手，而是让新服务开张

模型面向的需求，既有个人获得知识与创作能力，也有企业想把过去组织不起的工作持续做起来。OpenAI在2026年9月披露，产品触达超过十亿周活用户和250万家企业。⁠[4]这是覆盖规模，两个数不能混成付费客户数或无人工作团队。门庭若市说明吸引力，谁只是参观、谁长期经营，仍要分开点名。

产业上更有分量的问题，是专业工作怎样变得可获得。小团队能否负担持续测试、分析与维护？某类客户服务能否不再每次依靠临时协调？原来成本太高、组织不起的任务，若可以稳定交付，就可能长成新服务。这比给每个工位多配一个助手，更接近AI Native释放需求的起点。

Circles的CareX是局部例子。OpenAI发布的客户材料称，客户支持自主解决率约65%。⁠[2]关键不只在数字，而在模型已经从给建议进入业务处理。对客户来说，购买的价值开始接近“问题得到解决”，而非“多生成一段回答”。不过，这是厂商发布的单一案例，剩余任务怎样升级、谁负责质量、完整成本多少，都不能被那个65%吞掉。

增能让人做得更多，承责让约定的一段工作有持续执行与异常处置。两者若能可靠复制，才可能通向丰裕：更多人、团队与Agent不必重建相同底座，也能获得服务。破界还要看新方法怎样被发现和验证，创生要看新工具怎样支持下一轮工作，不能把五层愿景写成已经通关的五个副本。

设想一个持续运行的研究Agent，发现需要补做验证，再请求其他工具或系统处理；需求并非总是由人逐条下达。这个碳硅协作空间值得打开，但每一步仍需目标、预算、权限与结果归属。机器发起的工作可以变多，真正的新产业要靠可靠成果长出来，不能只靠把云账单养大。

三｜产业视角·供给：大工厂怎样接着造下一代？

要接住这些需求，研究、产品与运行基础设施必须互相衔接。CADEF位于AI Native的价值提供内部，检查算力工程、算法效率、数据工厂、经验飞轮与资本续航。本篇保留原有评分，尤其A、D的完整工艺未公开，不能把研究档位写成统一实验的测量结果。

C｜算力工程：合作机房，也要看谁真正懂炉子。“算存光冷电”是芯片、存储、互联、冷却和电力；“编并调容服”是编译、并行、调度、容错与推理服务。评价看整合与实际运行，不只看产权，也不只看签了多少资源合同。

OpenAI披露与硬件及系统伙伴开发MRC网络协议，已用于大型GB200训练系统，包括OCI的Abilene站点与Microsoft的Fairwater系统，并用于多个模型的训练。⁠[5]这是深度共建和生产应用的证据。合作设施、原厂设计与运行能力须按实际分工看，规划中的电力也不提前记作现役产能。

为什么网络值得单独看？同步训练不是一群高手各自挥剑，计算之间要不断配合；传输和故障处理跟不上，其他资源就可能等着。参与底层设计并持续优化，才使“能获得算力”走向“能组织算力”。C给9.5，重视的是这种实际本领，而不是租个云账号就继承了供应商整座藏经阁。

A｜算法效率：模型怎么学，也要看怎么把工作做完。“架训配评迭”从结构、训练方法与配方，一路问到诊断和有效迭代。本期采用的GPT-6 Astra官方材料将电脑操作、软件工程与专业工作列为能力方向。⁠[6]它显示模型面向的任务在扩展；产业判断还要看质量、延迟、计算与验证成本怎样共同变化。

训练工艺是“怎么学”，配方是“怎样组合、用多少、何时用”。闭源细节不完整，就不能替它补一套秘传流程，更不能把发布自评当成所有客户的统一结果。A为9.5沿用研究基准；真正有意义的进步，是更多任务能可靠完成，而不是只看一次答题有多惊艳。

D与E｜工厂开始用自己的学徒，但掌门还没有自动量产。D的“人合环验洗”看学习信号怎样生成、进入环境、验证与筛选；E的“量深轨果回”看真实任务、过程、结果和获准使用的反馈。训练环境与客户工作虽能相互启发，仍是不同来源。

2026年9月内部研究披露称，8月中旬研究组织每个人类工作日对应约3.1个Agent工作日，实验活动也在增加。⁠[7]这说明AI已进入真实研究与工程，今天的能力可能帮助改善下一轮模型。3.1是投入时长的折算比，不是科研成果增长3.1倍；计算资源也在增加，高层研究选择与是否扩大实验仍有人参与，不能把变化全部归给Agent。

这种循环的产业意义值得重视：模型不仅向外提供能力，也可能帮助自己的工厂改进。但持续自我演化需要更强证据，不能把会做实验的学徒写成已经接任的下一代掌门。D与E各为8.5，是相对证据较强的判断，不是无人研究闭环已完成。

外部经验还受权限边界约束。本期采用的OpenAI商业数据政策说明，相关商业产品与API客户数据默认不用于训练。⁠[8]客户工作越深，首先说明应用价值；哪些过程能够获准进入评测、研发或训练，需要另查。使用规模不能直接换成训练材料的产权。

F｜资本续航：大钱袋也得对上长期支出。“投融经储忍”将投入、融资、经营现金、储备和失败承受力一起看。公司2026年3月31日披露的1,220亿美元是承诺资本；同文每月约20亿美元收入，是当时的经营口径，不是全年确认收入或净利润。⁠[9]规模支持后续研发和供给，但还要对应到账条件、合作义务和必要再投入。

因此，OpenAI的组合优势值得追踪：研究改善模型，模型参与工程，工程支持更多交付，真实问题再推动探索。循环能否持续是一项能力，客户是否愿意把自己的生意建在这个循环上，又是另一项关系。下面才轮到后者登场。

四｜产业视角·交付：练功房开起来，客户还留着什么？

OpenAI的工作平台路线，不是简单多卖几个按钮。通过ChatGPT或Codex使用能力，通过API把模型接入自有业务，再到采用托管执行系统，客户与平台分担的工作不同。这些是交付层次，不是互斥的客户分类，更不能直接当作依赖深浅的排名。⁠[1]⁠[3]

2026年9月10日发布、处于公开测试阶段的Agents API，将Codex所用的执行框架以托管方式提供，并允许客户选择运行环境。⁠[3]潜在变化在于，开发者可以少重复建设部分运行底座，把精力放在专业知识与交付差异上。预算、操作授权、失败升级与最终验收，仍需在具体业务里组织。

真正让这个问题有血有肉的，是发布材料里的客户分工。Long Lake表示保留自己的环境、上下文和用户体验；Nash描述使用会话与协调能力运行物流Agent，同时由自己提供连接现实的工具和环境。⁠[3]它们不是“交出一切”的例子，恰恰说明平台与行业参与者可以重新分工。

客户没有交出全部钥匙，不等于平台没有位置；平台提供许多房间，也不等于所有房客都已长期落户。要看运行服务是否省去重复建设，客户为它建立的评测、状态和上线流程是否持续有效，双方怎样分享可靠交付带来的价值。平台的强大可以表现为伙伴更容易经营，而不只是伙伴更难离开。

这里也有一处需要反向观察的张力：业务越关键，客户越有理由要求恢复、迁移与多供应商选择。兼容与可替换不是产业研究里的原罪。若一个平台能在这些条件下仍靠质量、效率和版本连续性让客户留下，关系可能比一纸惩罚性合同更扎实。把门焊死容易，客户续约时愿意回来才难。

向丰裕传递，要把共享运行与供给效率兑现成成功任务的成本；向破界传递，发现要封装、复验、部署；向创生传递，新工具需能被其他Agent可靠使用和维护。OpenAI不必包办所有行业环境，客户也不必从零搭每一块底座。哪个环节负责交付、保存资产和收款，要沿具体合作看，而非沿产品宣传图想象。

五｜投资视角：金丹初成，厚度怎样继续长？

现在再判断企业位置，OpenAI的考题便与筑基后期公司不同。前者要证明初期关系能否持续扩散，后者还要补进入金丹的客户投入证据。Circles的业务接入，以及公开客户对工作分工的描述，支持局部建设已经出现的判断；厂商案例仍有选择性，不能代表所有客户。⁠[2]⁠[3]

金丹中期意味着这类投入不只存在于展示台。工具与评测跨版本继续用，已有流程帮助新项目更快上线，续约时关键负载与预算愿意留下，不同客户又重复出现相近关系。初期金丹像几户工坊开始扎根；再往前，要看它们是否真能在这里持续经营，而不是参观团散场之后只剩招牌。

换掉OpenAI、保留其他AI供给，是有用的检验，但不能只数搬家费用。若高成本来自客户自己的旧系统，未必属于平台优势；若每次升级都迫使伙伴返工，也未必形成有效积累。真正应看的是，平台相关资产能否复用、改善交付，并影响下一次选择。正常验证需要成本，烂尾工程也很难拆，两者不能混为护城河。

到了元婴，才进一步问：这种位置能否改变某类服务的生产分工，影响终端任务选择、交付标准与合作规则，并在必要再投入之后留下持续收益？不要求OpenAI吃掉每个应用，却要求原厂与伙伴的经营关系能够长期成立。伙伴在这里赚得到钱、愿意继续投入，也可以成为平台实权的一部分。

所以，定价权不只看是否提价。交付效率改善、价格下降、客户得到更多价值，公司仍能维持合理收益，也可能支持位置增强；反之，补贴换来用量、成本藏在合作方账上，就不能只看收入热闹。两高两稳必须对应新AI业务及可比任务，不能从承诺融资里直接炼出来。

化神则再多一步：新产品与新客户复用旧积累，团队和资本配置让优势继续生长。内部研究得到帮助是线索，不是无限复利凭据。本期仍停在金丹初期向中期验证：这是已有关系的起点，不是元婴庆典的请柬。

六｜交易视角：宗门再大，价格也不能先飞升

承诺融资不是现款，经营收入口径不是净利润。⁠[9]在完整成本、资金义务与可交易条件不足时，不为普通读者编造买点。沿准入、定仓、估值、共修、退出看边界：理解客户依赖，再核预期与风险；事实改变就更新判断，条件失效允许调整。巨头的故事可以很大，参与方式仍因人而异。寻找元婴，不等于按化神价钱先占一个座位。

七｜共修观察：让客户住得久，也让伙伴经营得好

近期的两项重点，应当围绕已有金丹继续加厚。第一，外部客户的专属工具、评测、状态和预算，能否从个别样板扩展到不同生产客户；第二，这些资产能否跨版本、项目与续约持续复用。供给能力再强，也不能替这两项取证；没有披露留存与迁移数据，就保留缺口，不用企业覆盖数量代填。

可观察的材料包括客户架构、生产记录、预算与续约变化，以及替换供应商时的重新验证和运行成本。也要看离开的客户，区分产品不适合、通用层成熟与平台升级破坏资产等不同原因。资料多不是依赖深，真正有分量的是同一种经营关系能够反复出现。

若模型升级让客户既有建设更有用，伙伴围绕平台形成新的服务，平台再帮助下一批客户少走弯路，初期投入才可能长成更厚的生态。反过来，每次换代都像拆房重建，便需要重新理解这种所谓依赖。投资视角看的是有效积累，不是返工工作量。

再向元婴看，五道关需要共同成立，而不是挑一项漂亮数字颁奖。

尤其要保留反证：客户把资产移到通用层后，特定平台价值是否明显下降？合作方是否拿走大部分收益，而OpenAI只留下越来越重的供给义务？规则调整是否使伙伴不再愿意建设？这些若持续发生，就要修正判断，不能把共修写成替宗门修饰简历。

OpenAI真正值得期待的，不是把所有客户都圈进院子，而是让它们在这里更容易组织新的工作，并使共同投入持续创造价值。金丹初期已有形状，元婴还要看产业规则和收益能否站住。下一篇看Anthropic：同样已有专业工作的投入线索，它会怎样把另一条金丹之路炼得更厚？

资料与研究口径

本版以作者上传的本篇最新Word为直接底稿，进行三视角与江湖叙事的行文修订；不重新评级，不新增公司事实，不更新行情或融资状态。保留原稿所引资料及下列来源，未将继承的来源改称本轮重新核验。

研究资料仍标记为2026年9月，不表示覆盖整月或整个季度。阶段与CADEF分数属于本系列判断，不是行业评级；场景推演与条件性判断均不当作已发生的客户案例。客户、工程与运营信息沿用原稿引用的公司材料，个案不外推全体。Agents API保留公开测试状态；承诺资本、当期经营收入与可支配现金分开，未作即时财务或行情更新。

原研究索引（沿用原稿）：《AI模型_评估标准与系列文章结构_V4_逐章论证版_20260914.xlsx》；“系列文章结构”第64—70行；“模型公司评估总表”L列；“金印五阶判定标准”的金丹初中后期与元婴条目。

[1] OpenAI｜The next evolution of the Agents SDK

2026-04-15。记忆、工具、沙箱与状态恢复支持供给和交付条件；功能存在本身不证明所有客户依赖。

[2] OpenAI客户案例｜Circles

2026-08-03。CareX客户支持自主解决率65%为厂商发布的个案口径，不代表所有业务或客户，不能直接推算全量人力替代。

[3] OpenAI｜Introducing the Agents API

2026-09-10，公开测试。客户案例和运行机制支持局部生产采用；版本较新，不能由数天发布历史推出跨周期客户依赖。

[4] OpenAI｜The Work Now Within Reach

2026-09-08。十亿周活、250万企业为公司披露的覆盖口径，不等于统一付费客户、留存或任务结果数据。

[5] OpenAI｜Supercomputer networking to accelerate large scale AI training

2026-05-05。MRC在大型GB200合作训练系统中的实际应用；深度共建设计不等于全部资产产权，也不把规划规模当现役库存。

[6] OpenAI｜GPT-6 Astra

公司发布材料，仅作为模型路线与能力方向依据；本篇不把自评SOTA升级成所有场景的独立比较结论。

[7] OpenAI｜Research acceleration: The view inside OpenAI

2026-09-06。3.1为按标准工作日折算的Agent使用时长投入比，不是3.1倍科研成果；算力增长、人类判断与归因限制需同时保留。

[8] OpenAI｜Business data privacy, security, and compliance

商业与API数据默认不用于训练；访问、保存、研究分析和训练授权不是同一种权利，不能假设全量用户反馈自动进入模型。

[9] OpenAI｜Accelerating the next phase of AI

2026-03-31。1,220亿美元为承诺资本；每月约20亿美元收入是当时公司披露的经营口径，不是经审计全年收入、净利润或当前现金。

研究说明：本文用于产业与企业研究交流，不构成任何投资建议。所有阶段与评分均可随新证据修正；未来情景不构成承诺。

声明：本文由 AI 辅助整理初稿，经作者人工审核、补充实战案例与方法论解释后定稿。核心观点与案例判断为作者原创。