引言：AI Agent 不再是未来，而是现在进行时
就在昨天（6月25日），OpenAI 发布了一份重磅数据报告，首次公开了内部员工和外部用户使用 Codex（OpenAI 的 AI Agent 工具）的详细数据。这份报告揭示了一个令人震惊的事实：AI Agent 正在以远超预期的速度接管人类工作。
根据 OpenAI 的数据，截至 2026 年 5 月，80.6% 的 Codex 用户至少发起过一次需要 30 分钟以上人类工作量的任务，70.2% 发起过需要 1 小时以上的任务，25.6% 发起过需要 8 小时以上的任务。这意味着，AI Agent 已经从回答简单问题的聊天机器人，进化成了能够独立完成复杂长周期任务的数字员工。
一、从 ChatGPT 到 Codex：AI 工作方式的范式转移
OpenAI 内部的数据更加震撼。2025 年 8 月之前，OpenAI 员工平均只有不到 10% 的 AI 使用量花在 Codex 上，ChatGPT 仍是默认工具。但到了今天，Codex 已经占据了 OpenAI 员工 99.8% 的 AI 输出 Token——包括法务、财务、招聘等非技术部门。
这个转变说明了什么？
- AI 的交互单位从单次对话变成了委托式长周期任务
- Agent 可以独立运行数分钟甚至数小时，自主调用工具、与环境交互、迭代求解
- 非技术人员的采用速度反而超过了开发者：个人用户增长 137 倍，企业用户增长 189 倍
一个特别有意思的数据：OpenAI 内部的研究部门 Codex 使用量增长了 56 倍，客服部门增长了 32 倍，工程部门增长了 27 倍。AI Agent 正在渗透进每一个知识工作领域。
二、AI Agent 到底在做什么？
很多人可能会问：这些 Agent 到底在干什么？OpenAI 的数据给出了答案：
- 跨部门技术工作：超过四分之一的业务职能人员（如财务、市场、运营）使用 Codex 进行编程或技术执行，包括自动化、数据转换、工具开发、调试和结构化分析
- 长周期独立任务：近四分之一的 Codex 请求对应需要人类工作超过 1 小时的任务
- 并行多任务：最重度用户每天让 Codex 运行超过 60 小时的 Agent 任务（分布在多个并行 Agent 上）
这意味着什么？意味着一个招聘专员可以用 Codex 写自动化脚本筛选简历，一个财务分析师可以用 Codex 做数据清洗和报表生成，一个市场人员可以用 Codex 搭建 A/B 测试框架。AI 正在消除技术门槛，让每个人都能做以前需要专业工程师才能完成的工作。
三、Jalapeño 芯片：为 Agent 时代定制的算力基础设施
就在同一天（6月24日），OpenAI 还联合 Broadcom 发布了首款专为 LLM 推理优化的 AI 芯片——Jalapeño。这不是一个通用 AI 加速器，而是从零为现代 LLM 推理架构设计的专用芯片。
关键亮点：
- 9 个月完成从设计到流片，OpenAI 自己的模型参与了芯片设计优化
- 每瓦性能显著优于当前最先进的推理芯片
- 专为交互式 LLM 产品优化，兼顾吞吐量和低延迟
- 计划 2026 年底开始部署，未来将在千兆瓦级数据中心规模部署
为什么这很重要？因为 推理是 AI 触达用户的最后一公里。每一次 ChatGPT 的秒回、每一个 Codex 任务的流畅执行，背后都是推理算力的支撑。Jalapeño 的目标很明确：让 AI 更快、更可靠、更便宜，让更多人能用得起。
四、对行业的影响：我们站在什么位置？
OpenAI 的数据和 Jalapeño 的发布，共同指向一个趋势：
- AI 正在从工具变成劳动力——不是辅助你工作，而是替你完成工作
- 技术民主化加速——非技术人员用 AI 做技术工作的比例正在指数级增长
- 算力自主化——OpenAI 从模型到产品到芯片的全栈布局，正在构建一个自给自足的 AI 基础设施生态
但这也带来了新的问题：
- 当 AI 可以完成 80% 的知识工作时，人类的角色是什么？
- 技能边界被模糊化后，职业定义会如何演变？
- 算力自主化是否会加剧 AI 行业的集中化？
五、写在最后
OpenAI 的这份报告不是预测，而是已经发生的事实。AI Agent 正在以每月翻倍的速度渗透进工作场景，从工程师到法务到招聘，没有人能够置身事外。
Jalapeño 芯片的发布则告诉我们，这只是一个开始。当算力成本持续下降、Agent 能力持续提升，我们可能会在未来 2-3 年内看到知识工作方式的彻底重构。
你怎么看？
- 你的工作中已经有 AI Agent 的身影了吗？
- 你认为哪些岗位最先会被 Agent 深度改变？
- OpenAI 的全栈布局（模型+产品+芯片）会给行业带来什么影响？
欢迎分享你的观察和思考！ |
喧嚣卡
千斤顶
