「【新智元导读】当你还在纠结要不要用一下 AI 时，OpenAI 已经拎着 8 亿人的加班数据，在被谷歌和 Anthropic 逼到墙角的企业战场上拼命自救------到底是谁在每天白赚 1 小时，谁又在被时代悄悄淘汰？」
奥特曼紧急拉响「红色警报」后，OpenAI 对外放话：
我们，在企业级市场赢了。
最新数据显示，过去一年，企业用户对 OpenAI 工具的使用量猛增。
自 2024 年 11 月以来，ChatGPT 在企业场景的消息量，「增长了 8 倍」。企业数据反馈：员工**「每天平均能省下近 1 小时工作时间」**。
第三方数据也在佐证这一点。
Ramp AIIndex 统计：「美国接近 36% 的企业已成为 ChatGPT Enterprise 客户」，Anthropic 的占比为 14.3%。
基于 **「8 亿周活跃用户」**和 **「9000 名企业员工」**的数据分析，OpenAI 在最新《企业 AI 现状报告》中得出一个结论：
企业 AI 采用率不只在上升，而是在 加速、加深 。
完整报告：cdn.openai.com/pdf/7ef17d8...
「增长焦虑」
「「OpenAI」** 艰难自救」**
留给 OpenAI 的时间不多了，市场非常残酷。
在消费者市场，OpenAI 的好日子结束了：
- 在综合问题解决能力上，很多评测都认为：「谷歌 Gemini 反超了 ChatGPT」；
- 在图像生成领域，新模型 Nano Banana Pro 的表现，也已远超 DALL·E；
- 目前，OpenAI 的大部分收入，仍来自个人订阅，而这一块正被 Gemini 步步蚕食。
与此同时，OpenAI 还要应对多条战线的夹击：
- 对手 Anthropic 在企业市场快速扩张；
- 越来越多面向企业的「开源权重」（open-weight）模型，把价格打到极低；
- 商业模式被持续质疑，烧钱速度和债务水平不断抬升，压力开始传导给合作伙伴和生态。
虽然 ChatGPT 依然占据整体主导地位，但 Gemini 增速非常凶；Claude、DeepSeek 等后起之秀正在补课追赶。
外部传言也很直白：「为了应对 Gemini 的猛攻，OpenAI 正在准备提前发布 ChatGPT 新模型。」
但问题已经不止是模型强不强。「谁能真正拿下企业市场，才是下一阶段胜负手。」
「
」
「谷歌和 Anthropic 同时出击，OpenAI 腹背受敌」
本月初，SEO 和分析公司 FirstPageSage 发布了最新 AI 市场份额报告。
一个趋势特别醒目：「谷歌 Gemini 正快速逼近第二名，季度 「「增长速度」 」几乎是在「狂奔超车」。」
在企业 AI 市场，OpenAI 颓势早已浮现。
根据 Ramp AI 指数，2025 年 10 月企业 AI 采用率上升了 0.9 个百分点，达到 44.8%。
OpenAI 仍是企业付费 AI 服务的绝对老大，但**增长开始踩刹车：**企业采用率只涨了 「0.3 个百分点」，低于今年 8 月创下的高点。
「而 Anthropic 成为那个月里增长最快的玩家」 ：企业用户比例上涨 「2.1 个百分点」 ，达到 「14.3%」，创其历史第二高月增幅，仅次于今年 3 月那次暴涨 3.6 个百分点。
「11 月 5 日， 「OpenAI 宣布，全球已有超过 **「100 万家企业客户」**正在直接使用其 AI 服务，成为」史上增长最快的商业平台」。
OpenAI 的企业用户中不乏一些知名企业，如安进（Amgen）、澳大利亚联邦银行、Booking.com、思科（Cisco）、Lowe's、摩根士丹利、T-Mobile、Target 和赛默飞
几乎与此同时，OpenAI 放出一个更大的数字：「未来几年，计划投入高达 1.4 万亿美元建设算力和基础设施。」
这句话的潜台词很清晰：要撑起这笔钱，「企业客户的增长，已经是 OpenAI 商业模式的关键支点。」
OpenAI 首席经济学家 Ronnie Chatterji 对企业 AI 感到激动：
过去几年，AI 最直观的影响几乎都集中在消费端。
但真正让我感到兴奋的，是如今企业内部正在发生的变化。
在这样的背景下，OpenAI 发布了《企业 AI 现状报告》，公布其在企业 AI 上真正的实力。
「」
「企业 AI：风口已来」
报告先以史为鉴，从蒸汽机到半导体，历史一再证明：
真正释放经济价值的时刻，不在技术刚被发明的那几年，而是在企业把这些底层能力规模化应用之后 。
企业 AI 正在走向这一步。
这一次，企业级 AI 看起来已进入一个关键拐点：「从试水期，走进深水区。」
这份报告主要回答了三个问题：
- 企业到底在用 AI 做什么？
- 这些应用，真的在创造价值吗？
- 头部领跑者，到底比普通企业多做了什么？
OpenAI 首席财务官 Sarah Friar 用几组核心数据，给出了清晰图谱。
⏱️**效率飞跃：**员工利用 AI 工作每天平均节省 「40--60 分钟」 ；重度用户每周节省时间超过 「10 小时」。
🔁**流程重塑：**结构化 AI 工作流今年增长了 「19 倍」。这标志着企业已明显从「实验试水」转向了「可重复、嵌入式」的标准流程。
🧠**深度智能：**过去 12 个月，每家企业的推理 Token（Reasoning Token）使用量增长了约 「320 倍」。这意味着更深层的智能已被整合进产品与决策中，而不仅仅是多发了几条「提示词」（prompt）。
🚀**「能力破圈：75%」** 的员工表示能够完成以前无法胜任的任务。AI 正在拓展人类的能力边界，而不仅仅是提升速度。
💻**全员开发：**非技术岗位员工的代码类应用增长了 「36%」。「想法」与「执行」之间的鸿沟正在迅速消失。
尤其值得关注的是，非技术岗位的编程相关互动增加了 36%，普通员工正借助 AI 突破技能瓶颈。
然而，数据也预警了「贫富差距」的扩大：前 5% 的深度用户在使用频率和深度上远超中位数用户。
这表明，组织和个人的 AI 准备度将成为未来竞争的关键分水岭。
「报告细节」
报告的结论基于两类核心数据源：
- **实际使用数据：**来自 OpenAI 企业客户的去标识化（de-identified）和聚合（aggregated）的使用数据。
- **调查数据：**针对近 100 家企业的 9,000 名员工进行的关于 AI 采用模式的调查。
分析过程中没有任何 OpenAI 员工查阅具体的企业、业务或 API 客户数据，仅使用自动化分类系统处理消息内容。
换句话说，这不是「拍脑袋体感」，而是**「真实使用行为 + 大样本调研」**叠加出来的结果。
企业使用加速与深度集成
OpenAI 目前拥有超过 **「700 万」**个 ChatGPT 工作席位，企业版席位同比增长约 「9 倍」。
自 2024 年 11 月以来，企业周消息量增长约 「8 倍」 。定制化工具使用率飙升，CustomGPTs 和 Projects 的周用户数增长了 「19 倍」 ，目前约 「20%」 的企业消息是通过这些定制工具处理的，显示工作流正被数据化和标准化。
API 与开发者工作流
API 消费量巨大：超过 「9,000」 个组织处理了超过 **「100 亿」**个 Token，近 「200」 个组织处理量超过 「1 万亿」。
推理 Token 消耗量在过去 12 个月中增长了 「320 倍」，表明更智能的模型正在被集成。
Codex（代码模型）的周活跃用户增长了 「2 倍」，显示代码生成数据的增加。
员工价值与生产力数据
调查数据显示，「75%」 的员工报告提高了速度或质量。
数据科学（Data Science）岗位的员工平均每天节省 「60-80 分钟」，高于平均水平。
值得注意的是，非技术岗位（非工程、IT、研究）的**「编程相关消息量」**增长了 「36%」，表明更多普通员工开始处理技术数据。
使用强度与时间节省的相关性
数据表明使用深度与产出成正比：节省超过 **「10 小时 / 周」**的员工，其消耗的 Intelligence Credits（衡量模型使用量的指标）是未节省时间员工的 「8 倍」。
高频用户倾向于使用多种模型和工具。
各行业增长数据
所有行业的采用率都在增长，中位数行业的客户增长超过 「6 倍」。
科技、医疗保健和制造业增长最快。
虽然金融和专业服务业的绝对规模最大，但新兴行业的追赶速度惊人。
增长最快的行业排名
具体增长数据为：科技行业增长 「11 倍」 ，医疗保健增长 「8 倍」 ，制造业增长 「7 倍」。
这反映了这些行业正在大量产生和处理 AI 交互数据。
API 用例分布
非科技公司的 API 使用量增长了 「5 倍」。
在金融和专业服务领域，「数据分析、摘要与提取」均位列前五大 API 用例。
科技公司主要将 API 用于面向客户的应用（如应用内助手和搜索）。
「全球增长数据」
国际增长加速，澳大利亚、巴西、荷兰和法国的商业客户增长率均超过 「143%」。
非美国地区的 API 客户增长在过去 6 个月超过 「70%」。
「使用鸿沟（个人层面）」
数据揭示了惊人的使用差距：前 5% 的头部员工（Frontier workers）发送的消息总量是中位数员工的 「6 倍」。
特别是在**「数据分析」**功能上，头部员工的使用量是中位数员工的 「16 倍」。
任务层面的差距
不同任务的差距各异：在**「编程」任务上，头部与中位数的差距最大，达 「17 倍」；在 「分析与计算」**任务上，差距为 「10 倍」。
数据还显示，涉及约 7 种不同任务类型的用户，其节省的时间是仅涉及 4 种任务用户的 5 倍。
工具普及率与企业差距
尽管工具已普及，仍有 「19%」 的月活跃用户从未尝试过「数据分析」功能。
在企业层面，头部企业（Frontier firms）每席位的消息量是中位数企业的 **2 倍，**且发送给 Custom GPTs（代表标准化工作流）的消息量是中位数企业的 「7 倍」。
「」
「商业影响概览」
引用 BCG 的研究数据：AI 领先企业的收入增长是平均水平的 「1.7 倍」 ，股东总回报是 「3.6 倍」。
以下为具体案例。
Intercom 案例数据
使用 Realtime API 后，Intercom 的语音延迟降低了 「48%」 ，AI 能够端到端解决 「53%」 的电话咨询，人工处理后的通话时长缩短了 「40%」。
Lowe's 案例数据
Lowe's 的 AI 工具每月回答近 **「100 万」**个问题。
在线客户与 AI 互动后的转化率翻了 「2 倍」。
Indeed 案例数据
AI 辅助的邀请使求职申请增加了 「20%」 ，下游成功率（面试和录用）提高了 「13%」。
使用 AI 职业教练的求职者找到相关工作的速度快了 「7 倍」。
BBVA 案例数据
BBVA 的法律 AI 聊天机器人每年自动处理超过 「9,000」 个查询，帮助完成了超过 「11,000」 个法律验证，贡献了法律服务部门年度储蓄 KPI 的 「26%」。
OscarHealth 案例数据
Oscar 的 AI 能够即时回答 「58%」 的福利问题，并能在无需人工干预的情况下处理 「39%」 的福利相关消息，这得益于 AI 与医疗记录和理赔**「数据」**的深度集成。
Moderna 案例数据
Moderna 利用 AI 处理庞大的证据包（有时长达 「300 页」的数据），将目标产品概况（TPP）的起草和分析流程从数周压缩至「数小时」。
「」
「最佳实践与数据准备」
数据准备是关键瓶颈：目前仍有约 「1/4」 的企业尚未开启连接器（Connectors）以赋予 AI 访问内部数据的权限。
成功的企业通常会建立 API 并将制度性知识编码化。
总结指出，深度使用至关重要。
使用数据分析、API 和推理模型等高级工具的员工报告了更高的生产力收益。
AI 正将编程和分析任务扩展到传统专家角色之外。
参考资料：