OpenAI ChatGPT 用户增长达到 12 亿，但企业之争仍未分胜负
OpenAI 表示，ChatGPT 的每周活跃用户已超过 12 亿，OpenAI ChatGPT 用户增长再次显著加速。在 2026 年 DevDay 上，该公司还称，ChatGPT Work 和 Codex 目前每周服务超过 3500 万人。这些数字使 OpenAI 的覆盖范围独树一帜。但它们并未终结企业 AI 领域的竞争。
这一披露距离 OpenAI 宣布 ChatGPT 周活用户突破 10 亿还不到三个月。此前一年间，Anthropic 已在企业客户和软件开发者群体中成为强有力的竞争对手。因此，OpenAI 正在讲述两个相互关联的故事：消费者端的分发仍在扩张，其工作类产品也开始将这种覆盖转化为持续的专业使用。
第二个故事比头条数字更重要。庞大的聊天机器人受众让 OpenAI 得以进入企业，但企业采用取决于安全性、可靠性、治理能力和可衡量的结果。3500 万这一数字表明，从对话走向委派工作的转变正在推进。但它并未揭示这些用户对产品的依赖程度有多深。
OpenAI 在 DevDay 实际公布了什么
重要变化不只是 ChatGPT 增加了用户。OpenAI 现在宣称，其专业智能体已达到大众市场规模。
OpenAI 在 9 月 29 日于旧金山举行的 2026 年 DevDay 期间披露了这些数字。该公司的 DevDay program 将活动定位于技术构建者、新 API，以及能够完成普通聊天机器人对话之外工作的产品。
最受瞩目的数字是 ChatGPT 每周活跃用户超过 12 亿。相比 OpenAI 在夏季讨论的 10 亿里程碑，这至少增加了 2 亿用户。这也延续了该公司在 2025 年 DevDay 公布的增长，当时其列出的周活用户超过 8 亿。
OpenAI 另称，每周有超过 3500 万人使用 ChatGPT Work 和 Codex。ChatGPT Work 是一种智能体，可跨应用、文件、浏览器和桌面环境完成较长任务。Codex 最初是一款编程智能体，但已扩展至研究、数据分析、文档制作和工作流自动化。
围绕 3500 万这一数字的措辞值得谨慎看待。它似乎描述的是 ChatGPT Work 和 Codex 合计的每周受众，而非两个各有 3500 万用户的独立群体。OpenAI 尚未公开足够细节，以计算这些产品之间的用户重叠情况。
同时使用两项服务的人，可能在合并指标中只被计入一次，也可能被分别计入各产品总量。该公司也未公布地域细分、留存曲线，或个人账户与组织账户之间的比例。这些缺失的细节限制了与采用不同指标报告使用情况的竞争对手进行比较。
不过，这一新总量仍显示出 OpenAI 相对早期基线的快速推进。6 月，该公司表示，仅 Codex 的每周活跃用户就超过 500 万。其 Codex adoption data 描述称，在桌面应用于 2 月发布后，用户数增长了六倍。
ChatGPT Work 于 7 月推出时，OpenAI 再次提到 Codex 用户超过 500 万。该公司将 Work 定位为更广泛的智能体，可制作演示文稿、分析预算、研究客户，并在工作场所软件之间执行操作。Codex 提供了部分技术基础。
因此，最新的 3500 万数字覆盖的类别比此前 Codex 的里程碑更广。它反映了 OpenAI 试图将智能体执行能力转变为通用工作界面的努力。智能体执行是指软件借助工具、文件和应用程序追求多步骤目标，而不是仅返回一次回应。
OpenAI 还表示，其产品如今触达 250 万家企业。这一公司数量涵盖使用不同 OpenAI 产品的组织，并不能说明其中有多少企业已广泛部署 Work 或 Codex。即便如此，它仍为专业用户数字提供了有意义的组织背景。
这一公告形成了本文的核心张力。OpenAI 拥有无与伦比的消费者分发能力和快速增长的智能体受众。然而，企业市场看重的是使用深度、可预测的性能和客户支出，而非原始账户总量。
为什么 OpenAI ChatGPT 用户增长带来了分发优势
OpenAI 可以向已经了解 ChatGPT 的受众介绍工作智能体，从而降低企业软件采用中最难跨越的障碍之一。
大多数工作场所应用首先必须说服员工创建账户、学习界面，并改变既有习惯。ChatGPT 凭借广泛的认知度和庞大的现有用户基础进入这一流程。员工往往在雇主正式批准前，就已经在个人场景中接触过它。
这种自下而上的熟悉感可以加快组织试用。一名已使用 ChatGPT 起草内容或进行研究的员工，在测试委派工作流之前需要接受的教育更少。管理者可以从已有行为起步，而无需启动一个陌生的软件类别。
OpenAI 近期的产品设计支持这一战略。ChatGPT Work 在更广泛的 ChatGPT 环境内运行，同时将其延伸至文件、应用和较长任务。Codex 同样将对话式指令与具体执行连接起来，包括编辑代码、运行测试、分析信息和生成交付成果。
这一演进将分发转变为产品漏斗。用户先从一个问题开始，继而创建文档，最终委派一项多步骤流程。OpenAI 可以展示每项新能力，而不要求用户采用一个完全独立的界面。
该公司自己的研究表明，这种转变已经在部分用户中发生。在其 agent usage study 中，OpenAI 报告称，非开发者对 Codex 的采用增长快于开发者采用。它还发现，用户越来越多地将更长的任务交给智能体。
这些发现仍由公司自行生成，不应被视为生产力的独立证明。该研究通过模型估算人工工作时间，而部分分析使用了允许数据使用的抽样用户。尽管如此，它仍说明了 OpenAI 如何定义这一机会。
该公司衡量成功的方式不再仅是回答了多少问题或发送了多少消息。它希望用户委派完整的成果，例如准备一份报告或调查一个数据集。这一变化既提高了潜在价值，也增加了失败的后果。
分发优势帮助 OpenAI 以不同寻常的速度尝试这一转变。新功能可通过现有产品向数亿人展示。即使转化率很低，也能形成庞大的专业用户群体。
每周 3500 万用户的说法为这一机制提供了证据。它只相当于 ChatGPT 总受众的一小部分，但仍可能代表一个使用面向智能体产品的庞大人群。这一数字尤其值得关注，因为 ChatGPT Work 仅在 7 月推出。
OpenAI 还可以在企业采购过程中利用消费者的熟悉感。员工可能会因为已经了解其品牌和界面而申请访问权限。与员工从未使用过的产品相比，技术负责人可能会看到更少的培训阻力。
然而，熟悉感并不等同于组织准备就绪。企业需要访问控制、可审计性、身份管理、数据政策和可预测的支持。它们还需要智能体在每个已连接系统中遵守权限。
OpenAI 一直在添加这些控制措施，同时为 ChatGPT Work 和 Codex 展示使用仪表板。其 enterprise signals 表示，6 月企业客户中，智能体活动占 ChatGPT 和 Codex 合计输出 token 的 64%。这一指标表明工作负载更深入，尽管它并不衡量已完成的商业价值。
这一差异对买方很重要。输出 token 可以显示活动，但无法证明报告准确，或某个工作流节省了资金。组织最终需要与周期时间、错误率、已完成项目或客户结果相关联的证据。
这正是 OpenAI 的分发优势遇到第一项限制之处。该公司可以迅速将智能体呈现在用户面前，但仍必须说服雇主，这些智能体值得被授予访问敏感系统和关键任务的权限。
对于知识工作者而言，这一转变也提高了组织可信上下文的重要性。当智能体能够检索最新文档、决策和项目历史时，其表现会更好。经过维护的 AI knowledge base 可以帮助用户区分持久的上下文与零散的对话输出。
分发让 OpenAI 有机会定义人们如何委派工作。信任、上下文和已完成的成果将决定其中有多少机会能够转化为持久采用。
Anthropic 仍是检验 OpenAI 企业采用的关键对手
主要竞争并非 OpenAI 与每一家 AI 实验室之间的较量，而是 OpenAI 的分发驱动战略与 Anthropic 的企业优先定位之间的对决。
Anthropic 围绕 Claude、Claude Code 以及涉及复杂知识工作的企业部署建立了声誉。其产品在重视长上下文任务、编程性能和更聚焦工作场所场景的开发者与组织中获得了关注。
2026 年初，这一定位给 OpenAI 带来了显而易见的压力。4 月，美联社报道称，面对 Anthropic 日益激烈的竞争，OpenAI 正在增加对专业工作的关注。当时 OpenAI 的 ChatGPT 周活用户已超过 9 亿，但其中大多数人并未为服务付费。
这种反差暴露了一项战略弱点。OpenAI 可以主导消费者关注度，却未必主导价值最高的企业工作负载。庞大的免费受众带来覆盖范围，但也带来可观的服务成本和不确定的转化。
Anthropic 则从相反方向切入市场。它高度聚焦开发者、API 和组织客户。这使 Claude Code 成为 Codex 特别重要的标杆，尽管这些产品仍在不断扩展至软件开发之外的领域。
第三方支出数据反映了一场接近且不稳定的竞争。基于 Ramp 客户交易的 8 月分析发现，在被衡量的企业客户中，Anthropic 占 41%，OpenAI 占 39%。这份 business adoption data 还表明，OpenAI 已缩小 Anthropic 先前的领先优势。
该数据集覆盖的是 Ramp 可见的企业，而非整个企业市场。它衡量付费关系，而不是用户满意度或工作负载深度。不过，它提供了一个独立信号：OpenAI 的企业推进正在转化为采购。
3500 万人的公告则增加了另一类证据。它衡量的是据 OpenAI 所称每周使用 Work 和 Codex 的人数，而非进行付费的公司。综合来看，这些数字表明 OpenAI 正在组织获取和终端用户激活两个维度展开竞争。
这些是相关但不同的成就。一家公司可以购买员工很少使用的许可证。员工也可能高频使用某款个人产品，却没有企业协议。持久的企业采用需要采购、活跃使用、留存和扩大部署。
OpenAI 的消费者覆盖能力有助于激活用户。Anthropic 对企业市场的专注可能有助于集中部署和开发者忠诚度。但这两种优势都不能保证最终结果。
这些产品也正在趋同。Codex 正在超越编程，而 Claude 的职场能力也延伸到了软件创作之外。ChatGPT Work 为 OpenAI 提供了一层通用智能体能力，而 Anthropic 则持续打造面向专业任务的工具。
这种趋同让性能比较变得更困难。基准测试分数无法涵盖每一种工作流，而采购方通常会结合多个模型提供商。一家组织可能使用 OpenAI 提供通用辅助、Anthropic 负责编程，以及另一家提供商处理专业工作负载。
多模型采用削弱了由一家公司掌控所有企业任务的设想，也加大了切换压力。如果界面和集成趋于标准化，采购方就能将工作负载转向可靠性或经济性更好的提供商。
OpenAI 的应对方式是连接其消费者产品、工作智能体、编程智能体和开发者平台。该公司希望用户在任务愈发复杂时，仍留在一个共同环境中。这能提升连续性，但也引发了对集中化和依赖性的担忧。
Anthropic 在 AI 进入实际运营环节时，凭借可信的替代方案对这一策略施压。如果 Claude 仍然对高难度专业任务具有吸引力，OpenAI 就不能只依赖 ChatGPT 的熟悉度。它必须证明，分发优势能够带来更好的部署结果。
这正是 OpenAI ChatGPT 用户增长重要、却不足以决定胜负的原因。12 亿这一数字使 OpenAI 很难在消费者层面被取代。3500 万这一数字则显示出一座通往工作场景的增长桥梁。Anthropic 仍是检验这座桥能否承载有价值企业工作负载的关键。
3500 万这一数字改变了叙事，但并未一锤定音
OpenAI 的逆转在于，企业业务疲软已不再显得不可避免，不过披露的数据仍留下了关键问题未解。
2026 年初，最简单的竞争叙事是将市场划分为两种优势：OpenAI 拥有广泛的消费者关注度，而 Anthropic 日益获取严肃的企业和编程需求。最新数据令这种划分变得复杂。
在任何合理的比较标准下，3500 万每周 Work 和 Codex 用户都构成了显著的专业用户群。这表明 OpenAI 已超越小型开发者社区的零星试验，也意味着通用知识工作者正进入智能体工作流。
OpenAI 在产品材料中描述了多种此类工作流，包括跨应用收集信息、构建电子表格、制作演示文稿、研究客户，以及开发内部工具。该公司称，Work 可以持续处理一个项目数小时，并将其拆分成更小的任务。
一个早期案例涉及分析一家公司的客户管理系统和电子邮件中的客户触点。该智能体识别出跟进环节的缺口，并生成了一份高管仪表板。OpenAI 在推出 ChatGPT Work时展示了这一案例。
这个案例展示了预期的机制，但并不能证明典型用户能够获得同样的结果。早期试点通常会获得更多支持，并且涉及经过审慎筛选的任务。企业采购方需要看到其在普通团队、不完善的数据和不断变化的工作流中的表现。
Codex 提供了更清晰的采用时间线。OpenAI 表示，其每周用户数在 4 月初超过 300 万，到 6 月达到 500 万。根据 DevDay 的披露，更广义的 Work 和 Codex 类别到 9 月下旬已超过 3500 万用户。
这种比较并不完全等价，因为后一个数字包含另一款产品。不过，它仍显示 OpenAI 同时扩大了受众范围和智能体工作定义。该公司不再将 Codex 定位为仅面向软件工程师的专业工具。
这种扩展带来了新的机会。营销人员可以让智能体将研究材料整理成营销活动简报。财务团队可以调查预算差异。产品经理可以将客户反馈、会议记录和使用数据汇总为每周更新。
它也带来了更多失效模式。编程智能体通常在代码库、测试和评审系统中工作，其输出可见。通用工作智能体则可能跨电子邮件、文档、日历、浏览器和业务应用执行操作。
这些环境包含模糊指令和敏感信息。错误未必会表现为测试失败，而可能以错误报告、未经授权的信息披露，或基于过时上下文执行的操作形式出现。
因此，工作智能体的价值不止取决于模型能力。它还需要明确的权限、可靠的检索、可逆的操作、人工审核，以及对已发生事项的记录。组织必须决定哪些任务可由智能体自主完成，哪些需要审批。
3500 万这一数字并未显示有多少用户跨越了这一门槛。有些人可能只是偶尔使用 Work 进行研究，另一些人则会委派重复性运营工作。两者都计为每周用户，但创造的经济价值截然不同。
使用频率同样需要结合背景理解。一名用户在一周内活跃一次，就符合常见的周活跃定义。这一指标并不揭示会话次数、完成的任务、节省的时间，或跨数月的持续使用情况。
OpenAI 尚未披露这 3500 万用户在 Work 和 Codex 之间的分布，也未提供组织集中度数据。少数大型部署与众多公司的广泛采用，可能带来不同的竞争含义。
即使是 250 万企业这一数字也需要解读。它表明组织覆盖面广泛，但一家企业可能使用 API、ChatGPT、Codex、Work 或多项服务。仅凭客户数量无法显示部署深度。
这些缺口都不会使这一里程碑失效。它们界定了该里程碑能够支持的结论。它是 OpenAI 专业产品快速扩张的可信证据，而不是其主导企业 AI 的证明。
因此，这种逆转是克制但有意义的。OpenAI 的消费者基础曾看似与其企业地位脱节。如今，Work 和 Codex 提供了可见的转化路径，而独立支出数据表明该公司正在缩小与 Anthropic 的差距。
下一个问题是，这条路径能否形成持久的工作习惯。当团队围绕企业软件构建流程、数据连接和治理机制时，它才会形成可防御性。每周活跃是这一过程的开端，而非终点。
用户数字没有显示什么
OpenAI 的披露衡量的是覆盖范围，而采购方需要看到有关留存、可靠性、安全性和已完成成果的证据。
第一个不确定性在于衡量方式。OpenAI 表示 ChatGPT 每周用户超过 12 亿，Work 和 Codex 每周用户超过 3500 万。它尚未公布任一数字的详细统计方法。
上市公司通常会在正式文件中定义活跃用户，并维持一致的报告周期。OpenAI 是一家私营公司，因此其运营指标的披露标准化程度较低。读者应将这些数字视为公司自行报告的里程碑。
第二个不确定性是重叠。Work 存在于 ChatGPT 环境内，而 Codex 能力可支持 Work 任务。用户可能在同一项目中与两者互动，这使产品层面的比较变得困难。
第三个不确定性是使用强度。每周活跃几乎无法说明智能体是否完成了高价值任务。一次试验性请求和一个重复性运营工作流，都可能产生一名活跃用户。
第四个不确定性是留存。快速推出可能带来大量试用，但当用户遇到限制、错误或不明确的价值时，这些试用可能会消退。OpenAI 尚未分享 Work 或 Codex 的队列留存数据。
第五个不确定性涉及经济性。智能体任务可能需要长时间模型运行、重复工具调用和大量算力。只有当 OpenAI 能够可持续地提供服务时，快速增长的用户群才具备商业吸引力。
OpenAI 也在扩大低成本访问和广告支持的可用性。这些策略可以提升覆盖范围，但也使活跃用户与收入之间的关系变得复杂。即使拥有十亿用户的平台，如果专业使用的交付成本仍然高昂，依然可能面临压力。
对企业而言，安全性提出了更直接的问题。能够读取文档并操作应用的智能体，比传统聊天机器人获得更广泛的访问权限。每一次连接都会增加一道涉及凭证、数据暴露和意外操作的边界。
管理员需要与这些风险相匹配的策略控制。他们必须知道智能体访问了哪些来源、遵循了哪些指令、尝试了哪些操作。他们还需要能够暂停、撤销和调查相关活动的机制。
准确性同样重要。长时间运行的智能体可能会在多个步骤中放大早期误解。一份看似完善的最终文档，可能掩盖了薄弱的证据、不完整的检索或错误的假设。
当智能体能力提升时，人工审核并不会消失。它会转移到任务定义、权限、检查点和评估环节。跳过这些控制的团队，可能产出更多工作，却无法做出更好的决策。
还存在集中化风险。如果一个组织将其文件、代码、通信和业务系统连接到同一家提供商，切换就会变得更困难。采购方必须在便利性与对单一模型家族和界面的依赖之间取得平衡。
OpenAI 的一体化方式使这种权衡尤为明显。共同环境可以减少 ChatGPT、Work、Codex 和 API 之间的摩擦。同样的集成也可能将敏感上下文集中于一家供应商。
竞争提供了一定保护。Anthropic、Google、Microsoft 和其他提供商仍在持续开发智能体和企业控制能力。它们的存在为采购方提供了替代选择，也阻止任何一家公司将分发视为充分条件。
然而，在团队围绕专有功能设计工作流之前，切换最为容易。企业应在采用仍处于发展阶段时评估可移植性，也应将源文件、决策记录和自动化逻辑保存在任何单一对话历史之外。
对于个人知识工作者而言，实际风险更为日常。智能体可以产出大量内容，同时让来源核验变得更困难。更快的创作速度增加了严格审核和可追溯上下文的必要性。
审慎的结论并非这些数字毫无意义，而是受众规模只回答了采用的第一个问题。OpenAI 已证明人们正在到来，但尚未证明他们会以何种一致性留下或取得成功。
三个信号将显示 OpenAI 能否将规模转化为工作场景
下一阶段将由活跃的企业使用、竞争反应，以及智能体能可靠完成有价值任务的证据决定。
第一个信号是对 ChatGPT Work 和 Codex 采用情况进行更清晰的拆分。OpenAI 应披露单独的用户总数、重叠情况、留存率和组织部署情况。这些数据将揭示，3500 万这一里程碑反映的是广泛试验，还是持久习惯。
发布期过后的持续增长，将进一步印证 OpenAI 的说法。稳定的用户群体以及现有企业内部使用量的提升，比又一个合并后的头条数字更重要。若增长急剧放缓，则说明最初的好奇心超过了其持续价值。
第二个信号是 Anthropic 在编程与企业工作流领域的回应。OpenAI 已缩小竞争叙事的范围，但 Anthropic 仍保有强大的开发者信誉和组织层面的市场动能。新的 Claude 功能、客户成果或更完善的部署控制能力，都可能延续这一优势。
独立采购数据将尤其有参考价值。若 OpenAI 在广泛的企业样本中领先，其以分发为主导的战略将显得更具优势。若 Anthropic 尽管面对 OpenAI 的庞大受众仍保持领先，则消费者触达能力的可迁移性可能不如预期。
第三个信号是与业务成果相关的证据。OpenAI 及其客户需要披露已完成的工作流、周期时间缩短、错误率下降以及持续使用情况。Token 输出量和活跃用户总数无法替代这些指标。
独立评估将使这些说法更具可信度。采购方应关注比较智能体辅助工作与既有流程、覆盖普通团队的研究。结果应包括失败案例、审查时间和实施成本，而不应只呈现成功演示。
这些信号也将阐明 OpenAI ChatGPT 用户增长对日常用户意味着什么。如果 Work 和 Codex 能在常见任务中保持可靠，委派将成为知识工作中的标准层级。如果监督成本始终居高不下，智能体或许仍有价值，但会停留在专业工具的定位上。
开发者应关注 Codex 在扩展至通用工作领域的同时，是否仍能保持严肃工程环境的定位。企业采购方应审视治理、可移植性，以及试点群体之外的采用情况。知识工作者则应根据完成的成果，而非生成内容的数量作出判断。
12 亿这一里程碑确立了 OpenAI 非凡的覆盖范围。3,500 万的 Work 和 Codex 数字表明，其受众中已有相当一部分正在尝试与 AI 建立一种更具实质意义的关系。尚未得到回答的问题是，这些用户是在构建可靠的工作流，还是仅仅在体验最新的界面。
这个问题无法通过又一场发布活动得到解决。答案将体现在留存率、竞争产品切换情况，以及新鲜感消退后所完成工作的质量上。关注团队持续使用什么、他们信任智能体访问什么，以及哪家提供商能在其操作系统中赢得永久位置。
