Wharton 教授 Ethan Mollick 最近在 X 上发了一条推文，语气里带着困惑和遗憾：“我和很多公司聊过，它们仍然在积极投入构建 GPTs。”他补了一句：“OpenAI 在推出 GPTs 后就放弃了这个产品，这始终是一件奇怪的事。GPTs 是 Skills 的前身，如果转化为代理的技能库，本可以成为连接个人 AI 与组织级 AI 的桥梁。”
这条推文不是一条简单的吐槽。它揭开了一个被行业忽略的巨大反差：一个被母公司事实上放弃的产品，正在被企业用户悄悄推向前所未有的采用高峰。GPTs——OpenAI 在 2023 年 11 月的首次 DevDay 上隆重推出的自定义 ChatGPT 功能——既没死透，也没被遗忘。
2026 年 4 月 22 日，OpenAI 正式推出 Workspace Agents，并在发布公告中低调地埋了一句话：Custom GPTs 将被逐步弃用。OpenAI 称之为“GPTs 的进化”，但社区看到的是一次明确的终结。然而就在这之前不久，OpenAI 发布的《2025 年企业 AI 状况报告》却画出了另一条曲线：Custom GPTs 和 Projects 的周活跃用户自年初以来增长了 19 倍，约 20% 的企业 ChatGPT 消息量通过它们处理。
两条叙事线在同一时间线上并行，方向却完全相反。一条线是产品被放弃，另一条线是采用在暴涨。
当母公司不再关心自己的孩子
要知道这个反差有多大，先看 OpenAI 的叙事线。
2023 年 11 月 6 日，Sam Altman 在 OpenAI 首届 DevDay 上发布了 GPTs——用户可以通过自然语言指令创建自定义版本的 ChatGPT，无需任何编程知识。同时还宣布了 GPT Store，一个对标 Apple App Store 的 AI 应用市场。发布会上的声势浩大，业内普遍认为这是 OpenAI 构建平台生态的战略核心。
但之后的演进急转直下。GPT Store 原定 2023 年底上线，因 Altman 被董事会罢免的短暂风波推迟到 2024 年 1 月 10 日。上线后，OpenAI 承诺的创作者变现计划迟迟未能落地——VentureBeat 在 2024 年 1 月的报道中直言“GPT Store 上线了，但营收共享部分还没跟上”，而这个“还没跟上”最终变成了永远的滞后。GPT Store 迅速演变为一个僵尸市场：大量 GPTs 无人问津，开发者怨声载道。在 Reddit 和 OpenAI 官方开发者论坛上，“GPTs 还有未来吗？”反复成为最热门的讨论帖标题。
与此同时，OpenAI 的产品重心持续转移。2024 年 5 月推出 GPT-4o，2024 年 9 月发布 o1 推理模型，此后半年内又接连推出了 Deep Research、Operator 智能体、GPT-5 等一系列重磅新品。GPTs 的功能更新则基本停滞——自 2024 年 5 月发布以来，一直运行在 GPT-4o 上，从未获得任何模型升级。在 OpenAI 官方开发者论坛上，用户反复追问“Custom GPTs 什么时候能升级模型”，得到的始终是沉默。
不是 OpenAI 不懂做产品。恰恰相反——它太懂做新产品了，以至于没有耐心维护旧产品。GPTs 从未被正式“杀死”，但它也没有得到过任何一次实质性的功能升级。这在产品管理上有一个专门的称呼：“慢死”——不给用户宣布终止，也不给投入改进，让产品在功能萎缩和技术落后中自然消亡。
企业却用它到飞起
在 OpenAI 的战略雷达之外，另一条曲线在无声地爬升。
OpenAI 2025 企业报告中披露的数据令人侧目。Custom GPTs 和 Projects 的周活跃用户自年初以来增长了 19 倍。近几个月，约 20% 的企业 ChatGPT 消息量是通过 Custom GPTs 或 Projects 处理的。这意味着在企业环境中，GPTs 已经不仅仅是边缘尝试，而是核心工作流的组成部分。
最极端的案例来自 BBVA 银行。这家西班牙大型银行日常使用的 GPTs 数量超过 4000 个。这 4000 个 GPTs 不是 4000 次技术创新的产物——它是组织知识资产化的结果。法务团队有一个“合同审查 GPT”，HR 团队有一个“简历筛选 GPT”，合规部门有一个“政策查询 GPT”。每个团队将自己的专业知识编码为可复用的 AI 助手，嵌入到日常运营的每一个环节。BBVA 已经形成了一种组织文化：大规模构建和共享 GPTs。
这不是孤立现象。OpenAI 数据显示，已有超过 100 万家企业客户使用其工具，超 700 万个 ChatGPT 工作场所席位，企业版席位同比增长约 9 倍。在爆发的企业采用浪潮中，Custom GPTs 是增速最快的细分场景之一。
为什么企业比 OpenAI 更在乎 GPTs？答案在产品本质里。
GPTs 在技术层面并不复杂。它是一个“指令 + 知识库 + 工具”的封装层：用户用自然语言写一段 system prompt，上传若干文档作为知识来源，打开 Browse、Code Interpreter 等内置工具，或者配置 API Actions 连接外部系统。然后这个“自定义 AI”就可以被固定下来、命名、分享，在团队内部反复使用。
这个封装层的革命性不在于底层模型有多强，而在于它解决了一个真实的企业问题：让非技术人员也能把自己的领域知识打包成一个可重复使用的 AI 工具。在一家普通企业里，最有价值的 AI 场景往往不是通用问答——而是特定岗位上的重复性任务。HR 部门的招聘需求筛选、法务团队的合同条款审查、市场团队的品牌文案生成——这些任务有固定的流程、特定的知识边界、明确的输出格式。每次从头写 prompt 既低效又不可控。GPTs 恰好填补了这个缺口。它能让一个不懂代码的 HR 经理，花 15 分钟创建一个“简历筛选 GPT”，让团队的招聘效率翻倍。
OpenAI 看到的 GPTs 是一个平台生态故事——开发者构建、GPT Store 分发、OpenAI 抽成，标准的 App Store 商业模型。企业看到的 GPTs 是一个效率工具故事——内部团队构建、嵌入业务流、提升组织效率，典型的 SaaS 内部采用模型。两个故事的 ROI 逻辑完全不同。App Store 模型需要海量开发者、高频消费者、稳定平台分成，而这在 GPT Store 上从未实现。企业内部的采用曲线则恰恰相反：一旦团队发现可以批量复制“最佳实践”，GPTs 的扩散就像病毒。
GPTs 本可以成为什么
Mollick 在推文中提出了一个更具前瞻性的视角：GPTs 是 Skills 的前身，如果它们被转化为代理的技能库，本可以成为连接个人 AI 与组织级 AI 部署的桥梁。
回头看 Anthropic 的产品路线，你会惊讶于 Mollick 判断的准确性。当 Anthropic 推出 Claude Skills 时，其产品逻辑与 GPTs 的原始设想惊人地相似——允许用户定义结构化的、可复用的行为模块，封装工具和知识，在企业环境中受控部署。正如 Sider.ai 在对比分析中指出的：“每一个 AI 能力上的转变，都会引出一个比‘有什么新东西’更重要的问题——它在追问‘权力在哪里汇聚’。”GPTs 和 Skills 的本质都是对 AI 能力的封装和复用，但 Anthropic 选择了企业合规优先的路径，而 OpenAI 则一直徘徊在消费者平台和开发者生态之间。
GPTs 本可以成为的企业 AI 基础设施——这个“本可以”才是它最遗憾的地方。如果 OpenAI 在 2024 年做对几件事情：将 GPTs 升级为模型无关的运行时（不止跑在 GPT-4o 上），加入版本管理和权限团队协作，支持多智能体编排，API 化以便嵌入第三方系统——那么今天的 Workspace Agents 可能不会是一次“替代”，而是一次平滑的“继承”。但 OpenAI 选择等待，等待了一年半后，用 Workspace Agents 重新造了一个更庞大但逻辑相同的轮子。
这给企业留下了棘手的局面。那些投入了大量资源构建内部 GPTs 的企业，现在面临两条路：要么迁移到 Workspace Agents，承受技术适配和组织学习的双重成本；要么留在 GPTs 上，接受它作为“被弃用产品”的有限生命周期。对于一个企业级平台来说，这不是一次优雅的升级，而是一次成本转嫁。
企业真正需要的是什么
GPTs 的 19 倍增长暴露了一个被行业喧嚣掩盖的事实：在 Agent 概念被大肆炒作的 2025 到 2026 年，大量企业最需要的不是什么自主决策、多步推理、跨系统编排——它们需要的只是一个“可靠、可复用、非技术人员能操作的 AI 工具”。
GPTs 恰好提供了这三样东西。它的 19 倍增长不是因为技术领先，而是因为它满足了企业 AI 部署中最真实的三个需求。
第一，确定性。GPTs 的知识库和指令是固定的，每次调用输出的一致性远高于通用聊天。对于 HR 筛选、合同审查、合规检查这类需要“标准化输出”的任务，确定性比智能性重要得多。一个“知道公司政策”的 GPT，比一个“能做任何事但每次说法不一样”的通用大模型，更适合企业生产环境。
第二，可复用性。企业 AI 的价值在于规模化，而不是单次惊艳。一个好的 prompt 如果只在一个人手里高效，对企业整体没有任何意义。GPTs 让“最佳实践”可以被复制、分享、在团队中标准化。BBVA 的 4000 个 GPTs 不是技术创新的产物，而是组织知识资产化的结果。
第三，低门槛。不需要写代码，不需要理解机器学习，不需要 API 密钥。一个熟悉业务流程的员工，花 15 分钟就能创建一个团队可用的工具。这种“自下而上的 AI 民主化”对于大多数缺乏 AI 技术团队的传统企业来说，可能是唯一可行的 AI 落地路径。
GPTs 的故事是一个关于“被忽视的需求”的故事。一个母公司半路抛弃的产品，被用户用 19 倍的增长和 4000 个内部实例投票留了下来。它给行业留下了两个问题：OpenAI 这一次有没有真正听懂企业的沉默投票？Workspace Agents 会成为 GPTs 的真正继承人——还是下一个被跳过迭代周期的产品？
AI 的世界里，最好的产品不一定赢到最后。最被需要的产品才会活下来。那些还在“积极投入构建 GPTs”的公司，或许不是慢了半拍。它们只是在用自己的节奏，走一条更符合自己需求的路。
快报