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：https://cdn.openai.com/pdf/7ef17d82-96bf-4dd1-9df2-228f7f377a29/the-state-of-enterprise-ai_2025-report.pdf

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：

1. 企业到底在用AI做什么？
2. 这些应用，真的在创造价值吗？
3. 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：

1. 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。
2. 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：

https://openai.com/index/the-state-of-enterprise-ai-2025-report/

https://techcrunch.com/2025/12/08/openai-boasts-enterprise-win-days-after-internal-code-red-on-google-threat/