“我们建了一个作战室。”Thibault Sottiaux 在 X 上写道，语气平淡得像在说一次普通的系统维护。但开发者们知道这意味着什么——2026年6月那个周末，OpenAI 的代码代理 Codex 出现了用量异常，用户在 2 到 3 天内烧光了整周的配额。Sottiaux 拉起一支团队彻夜排查，然后做了他最擅长的事：一键重置所有限额。
在开发者社区，Sottiaux 就是那个“重置 token 限额的人”。每当 Codex 冲上一个增长里程碑，他就会发帖宣布重置限额，评论区一片欢呼。现在，OpenAI 要把同款“多巴胺”从工程师扩散到每一个办公桌前的人。7月9日，这家公司发布了 ChatGPT Work，一个面向白领的 AI 代理平台。
这次产品发布背后的人事安排意味深长。Sottiaux 刚刚被任命为 OpenAI 核心产品主管，统管 API、代理基础设施、企业服务以及整个 ChatGPT 产品线——包括 ChatGPT Work、ChatGPT 经典版和 Codex。他直接向 Greg Brockman 汇报。用他自己的话说：“到头来，每个人都向 Greg 汇报。”
从服务器宕机后重置限额的那种即时满足，能否在 Excel 表格和幻灯片之间复制？OpenAI 正在押一个巨大的“是”。
从“让开发者上瘾”到“让白领信服”
ChatGPT Work 的推出看上去像是一个自然的产品延伸。在其营销文案中，OpenAI 描绘了一个“智能超越回答问题，帮助每个人把最大的想法变成现实”的世界。但技术上，ChatGPT Work 实际上是 Codex 的变体——把原本为软件工程师打造的自主代理能力，重新包装成一个让非技术人员敢用的安全壳。
“我们希望把编码代理的力量带给每个人。”Sottiaux 在采访中说，“这是一次把为技术人员打造的东西，以一种安全、令人愉悦的方式包装起来，让尽可能多的人能使用它。”
这种“扩散”策略背后是一组冰冷的数据。OpenAI 一份内部研究发现，今年6月，98% 的 OpenAI 员工在使用 Codex，但组织订阅用户中只有 17% 在使用它，个人订阅用户的使用率甚至不到 1%。从 98% 到 1%，这97个百分点的鸿沟，既是 OpenAI 最大的尴尬，也是最大的机会。
ChatGPT Work 直接回答了一个季度前 Anthropic 发布的 Claude Cowork。两家公司的策略惊人一致：把 AI 从“问答工具”升级为“执行工具”。ChatGPT Work 给出的不是一段聊天文本，而是一份完整的电子表格、幻灯片、文档或交互式网页应用。它不是对话的副产品，而是“成品”的产出。
Sottiaux 给 ChatGPT Work 定了一个让竞争对手不太舒服的定价：它直接包含在 Plus 计划里，每月 20 美元。“你从中获得的价值是令人难以置信的。”他说。当然，20 美元每月包含的 Agent 使用额度是 40 条消息，超出部分需额外付费。对大部分白领的日常工作来说，这个门槛已经足够低。
但问题在于：20 美元能覆盖成本吗？
产品哲学、成本游戏与竞争暗流
一座零界面的教堂
Sottiaux 的团队信一条朴素的产品哲学：模型越强，界面越少。
“我们正试图构建极其强大的模型，然后找到最简洁、最令人愉悦的方式把它们带入你的生活。你需要让模型自己表达出来，让它利用所有它能提供的效用。”
这是从 Codex 继承来的 DNA。在 Sottiaux 的框架里，最佳的交互状态是“几乎感觉不到界面的存在”。用户在终端里输入需求，代理完成工作——这样的体验让 Codex 成了一种“成瘾性工具”，开发者们涌进社区请求他重置限额，不是因为 Codex 好用，而是因为它让工作本身变了味道。
ChatGPT Work 把同一套哲学带到了白领工作场景。用户不需要学会“提示词工程”，不需要理解 RAG 或 Fine-Tuning，只需要输入一个目标——“整理 Q3 的财务数据，做一份对比报告”——然后让代理自己去连接邮件、日历、Notion 和 Slack，调取上下文，拆解步骤，在一段时间后交回成品。
Sottiaux 称之为“发现式设计”：当你以代理为先导构建产品时，会发现大量可以进行经济上有价值工作的地方——这些机会从狭窄的产品定义出发时往往是看不见的。他说：“你会发现，它可以写一个旅行计划，也可以做一次数据分析，还可以梳理采购清单。”
这种“先构建代理、再发现场景”的逆向思维，与硅谷主流的“先定义场景、再设计产品”路径截然相反。它要求工程师对模型能力有近乎信仰的信心。
20美元的陷阱
20 美元每月看似便宜。但它是一个精心设计的价格锚点。
在成本这一侧，AI 代理是极其昂贵的。TechCrunch 的记者做了一个实验：在一个 20 美元每月的 Plus 订阅上随意使用了 4 天 ChatGPT Work，消耗了超过 8000 万个 Token。按模型自己的分析，这些 Token 的实际算力成本是 65 美元——已经是月费的 3 倍多。而这仅仅是 4 天随意使用，远未达到重度用户的水平。
换句话说，OpenAI 正在用重度补贴换取用户习惯的养成。每个活跃的白领用户，消耗的算力成本都远超其订阅费。这种“先补贴后收割”的模式在互联网行业屡见不鲜——Uber 补贴车费养出行习惯，Netflix 低价获取用户再涨价。但 AI 的特殊之处在于，它的成本曲线不仅取决于用户量，还取决于模型本身的效率进化。
Sottiaux 对这一矛盾的回应足够直白。“我们每天都在推动效率的边界。”他提到，OpenAI 最近刚把 Luna 模型的价格砍了 80%。“如果你六个月后醒来，应该能用更少的支出来完成同样的事情。”
这句话的潜台词是：OpenAI 赌的是，模型效率提升的速度会始终快于用户消耗增长的速度。这是 AI 行业特有的一张底牌——传统软件的成本只会随着用户增长而线性上升，但 AI 模型的推理成本可以随着架构优化和硬件演进而指数下降。
价值流向谁？
分析师们看到了一个更大的问题：如果 AI 代理成为白领工作的标配，价值会流向谁？
“如果实验室不能迅速获得规模化 AI 所需的关键互补资产，价值将流向别处。”——a16z 合伙人 Christian Catalini
在开发者市场，OpenAI 的 Codex 几乎是一枝独秀。但在白领市场，垂直竞争者已经虎视眈眈。法律领域的 Harvey 和销售领域的 Clay 采用了“模型无关”策略——谁的模型效果好就用谁的。这意味着，如果 OpenAI 不能构建足够厚的“互补资产”——数据的锁定效应、工作流的集成深度、权限管理体系的完善度——白领用户随时可能被垂直 SaaS 截胡。
OpenAI 对此的回应是 Presence——7月22日发布的企业代理平台。与 ChatGPT Work 面向个人用户不同，Presence 允许公司为自己的员工定义“代理角色”，设定权限边界，并通过 Codex 驱动的自动反馈循环持续优化代理表现。据 VentureBeat 报道，Presence 已经在 OpenAI 自己的客服系统中运行，75% 的来电可以在无人参与的情况下解决。
从 Codex 到 ChatGPT Work，再到 Presence，OpenAI 的战术逐渐清晰：用 Plus 的低价养个人用户的习惯，用 Business 和 Enterprise 的天价收割企业预算。据 2026 年的行业采购报告，ChatGPT Enterprise 的定价大约在每用户每月 45 到 75 美元之间，150 席起签、年付，入门门槛约 10.8 万美元。
那道97%的鸿沟不会自动弥合
从 98% 的内部采用率到 1% 的个人订阅采用率，OpenAI 必须回答一个根本问题：白领是否真的像工程师一样渴望让 AI 代理接管他们的工作？
工程师渴望自动化，因为他们的职业本质就是“让机器做事”。但对会计师、律师、医生来说，让 AI 控制自己的电子邮件和 Slack 账号，授权的心理门槛远比工程师高得多。ChatGPT Work 桌面应用的首席工程师 Andrew Ambrosino 坦承了这个矛盾的残酷性：“如果我让它写一份文档，它有可能从一条私人私信中提取信息，而不知道它不该分享这些信息——是的，这有可能发生。”
他说：“为了工作，我愿意承受这个。我愿意偶尔承受个人风险。目前为止还没出过问题。”
但对普通白领来说，“目前为止”这三个字足够让人安心吗？
一个代码代理写错了函数，工程师 30 秒就能定位修复。一个白领代理发错了邮件、填错了数字、删错了文件——后果可能不可逆。AI 代理越强大，自主权越大；自主权越大，犯错时造成的破坏也越大。这就是 Sottiaux 说的“安全且令人愉悦”中“安全”部分的分量。
“这个世界似乎准备好了”
Sottiaux 对 TechCrunch 的采访标题贡献了一个乐观的注脚：这个世界似乎准备好了。
也许是。2026 年的白领世界已经习惯了 Zoom 会议、Slack 消息和 Google Docs 协作。再给 AI 代理开一个权限，听起来并没有比 2015 年把公司数据放进云端更疯狂。何况，OpenAI 的研究已经证明，在一个消除了培训成本、访问门槛和采购阻力的理想环境下——即 OpenAI 内部——Codex 的渗透率接近百分之百。
但外部世界不是内部。99% 的个人用户尚未使用代理，不是因为缺失了某个开关，而是因为信任本身需要时间。
Codex 证明了工程师可以信任 AI。现在 OpenAI 面对的问题是：能否让另外 99% 的人也学会说“是的”。
这场赌局的名字不是技术，不是产品，甚至不是商业模式。它叫信任——而且筹码是整个白领世界的工作方式。
快报