OpenAI产品谱系与生态位研究报告
执行摘要
OpenAI 已从一家以前沿研究为主的实验室，演化为一家“全栈 AI 基础设施与应用公司”：上层是面向大众的 ChatGPT、Sora、Deep Research、Operator、Codex 等终端产品；中层是面向开发者的 API 平台、Responses API、Agents SDK、Realtime API、工具调用与企业部署能力；底层则是持续迭代的 GPT、o 系列、音频、图像、视频、内容审核与安全评测体系。其核心战略不是只卖“模型”，而是同时占据模型、平台、分发、企业工作流、内容获取与安全治理多个位置。1
OpenAI 当前生态位的关键特征有三点。第一，它既是研究机构，也是 API 供应商、消费级应用开发者、企业软件商与事实上的标准推动者。第二，它通过 ChatGPT 获得超大规模终端分发，再把这种分发反哺开发者与企业生态；官方到 2025 年已公开提到 ChatGPT 超过 8 亿周活用户、OpenAI 直接服务超过 100 万家企业客户、超过 900 万付费企业用户使用 ChatGPT 工作，API 平台处理能力达到每分钟逾 150 亿 token，企业收入占比亦已超过 40%。第三，它正从“单次问答”转向“可执行任务的 agent 平台”，用 Responses API、Agents SDK、Computer Use、Web Search、File Search、Apps in ChatGPT、Workspace agents 等产品，把模型从回答器变成行动层。2
商业上，OpenAI 已形成多元收入结构：消费者订阅（Free/Go/Plus/Pro）、企业席位（Business/Enterprise/Edu）、API 按量计费、定制模型与咨询式部署、内容授权/数据合作、以及自 2026 年起测试的广告收入。治理上，它从 2019 年的 capped-profit 架构，过渡到 2025 年确定、2025 年 10 月正式完成的“非营利基金会控制下的 PBC”结构，以兼顾超大规模融资需求与使命治理。监管和信任层面，OpenAI 一边推进 Preparedness Framework、Model Spec、System Card、Moderation API、Red Teaming Network 等安全工具，一边面临 FTC 调查、版权诉讼、公司结构审查与欧盟平台监管等外部压力。3
如果用一句话概括：OpenAI 构建的不是单一产品矩阵，而是一个以 ChatGPT 为分发入口、以 API/agent 平台为开发中枢、以安全治理为护城河、并向硬件与行业垂直场景外延的 AI 操作层生态。 这使它既像“新时代的云 API 公司”，又像“AI 版应用商店 + 工作平台 + 新型操作系统”。4
产品谱系与时间轴
下图只抽取 OpenAI 产品化路径中的关键节点；日期均来自官方发布页或官方文档。5
OpenAI 产品演进时间线
研究基建
- Gym / Universe
- Roboschool / Baselines
- Microscope
- OpenAI API + GPT-3
多模态与 ChatGPT
- CLIP / DALL·E
- InstructGPT / Embeddings
- Whisper / ChatGPT
- GPT-4 / Plugins
平台化
- GPT Store / Team
- GPT-4o / Edu
- Realtime API
- Search / Canvas / Sora
Agent 与行业化
- Operator / Deep Research
- Responses / Agents SDK
- GPT-5 / Codex
- Workspace / Health / io
关键产品目录
下表以“重大发布”为口径，覆盖模型、API、开发者工具、消费应用、插件/应用、研究平台与硬件动作。若 OpenAI 未公开定价，则标注“未披露”或“包含于计划/API 通用计费”。技术谱系为高层概括，而非完整训练细节。表中“官方来源”均为 OpenAI 官方博客、文档或官方属性页面。
| 发布时间 | 产品/发布 | 核心能力 | 目标用户 | 变现/定价 | 技术谱系 | 官方来源 |
|---|---|---|---|---|---|---|
| 2016-04 | OpenAI Gym | 强化学习环境与基准，便于算法复现与比较 | RL 研究者、教育用户 | 免费/开源 | 早期 RL 研究基础设施 | 6 |
| 2016-12 | Universe | 把游戏、网站、应用统一成可训练环境，让 agent 通过像素、键鼠操作任务 | 通用智能/RL 研究者 | 免费/开源 | 建立在 Gym 思路之上，强调“任意程序都可成环境” | 7 |
| 2017-05 | Roboschool / Baselines | 机器人仿真环境；RL 算法实现基线 | RL/机器人研究者 | 免费/开源 | OpenAI Gym 生态延展 | 8 |
| 2018-05 / 2018-11 | Gym Retro / Spinning Up | 大规模游戏 RL 平台；深度 RL 教程与代码 | RL 研究者、学习者 | 免费/开源 | Gym 生态深化与教育化 | 9 |
| 2020-04 | OpenAI Microscope | 神经元可视化与可解释性研究平台 | 研究者 | 免费/研究平台 | 解释性研究工具 | 10 |
| 2020-06 | OpenAI API + GPT-3 | 通用 text-in/text-out API；少样本泛化 | 开发者、创业公司、企业 | API 按量计费；最初申请制，后取消 waitlist | GPT-3（175B 参数 few-shot 论文） | 11 |
| 2021-01 | CLIP / DALL·E | 多模态文本-图像对齐；文本生成图像 | 研究者、创意工具开发者 | 研究发布；商业化当时未披露 | GPT-2/3 式扩展到视觉；DALL·E、CLIP 互为关键前置 | 12 |
| 2021-07 | Triton | Python 风格 GPU 编程语言，提高 kernel 开发效率 | 研究/基础设施工程师 | 免费/开源 | 训练与推理基础设施 | 13 |
| 2021-08 | Codex 初代 | 自然语言转代码 | 开发者 | 包含在 API 平台能力中；后续独立演化 | 明确由 GPT-3 在 GitHub 代码上微调扩展而来 | 14 |
| 2022-01 | InstructGPT / Embeddings | 通过 RLHF 更好服从指令；向量语义检索与分类 | API 开发者、企业应用 | API 按量计费 | InstructGPT 建立在 GPT-3 上；Embeddings 明确为 GPT-3 后裔 | 15 |
| 2022-03 / 2022-11 | DALL·E 2 / DALL·E API | 更高质量文本生图、编辑、变体；后开放 API 公测 | 创意个人、设计团队、开发者 | DALL·E Beta；API 按量计费 | DALL·E 2 明确相对 DALL·E 1 升级；与 CLIP latent 技术相关 | 16 |
| 2022-08 | Moderation Endpoint | 免费审核文本内容，后续成为平台安全基建 | API 开发者、平台治理团队 | 免费 | GPT-based 分类器 | 17 |
| 2022-09 | Whisper | 多语言 ASR 与翻译 | 研究者、开发者 | 开源；后 API 商业化 | 大规模 68 万小时多语音频训练 | 18 |
| 2022-11 | ChatGPT | 对话式 AI 研究预览，后成为核心消费入口 | 普通消费者、知识工作者 | 首发免费 | GPT-3.5 系列 + RLHF；运行于 Azure 超算 | 19 |
| 2023-02 / 2024-12 | ChatGPT Plus / Pro | 更高额度、更快响应、新功能优先；Pro 面向重度用户与研究级智能 | 个人付费用户 | Plus $20/月；Pro $200/月 | ChatGPT 订阅层，而非独立模型 | 20 |
| 2023-03 | GPT-4 | 多模态输入（文本+图像）、更强推理与专业考试表现 | 开发者、企业、专业用户 | ChatGPT Plus / API | GPT 系列里程碑；后衍生 Turbo、4o、4.1、4.5 | 21 |
| 2023-03 / 2023-06 | Plugins / Function Calling | 让 ChatGPT 访问第三方服务；让开发者定义函数、让模型调用工具 | ChatGPT 用户、开发者 | 插件生态；API 功能按量计费 | 从“聊天”向“工具调用”过渡 | 22 |
| 2023-08 / 2023-09 | ChatGPT Enterprise / 语音与图像 | 企业级安全与隐私、长上下文、分析能力；ChatGPT 看图听说 | 大企业；移动端用户 | 企业定制价格 | Enterprise 基于 GPT-4；语音/视觉为后续 4o 与 Realtime 铺路 | 23 |
| 2023-11 | DevDay 组合发布 | GPT-4 Turbo、Assistants API、TTS、DALL·E 3 API、多模态平台能力、GPTs | 开发者、构建者、普通创作者 | API 按量；GPTs 面向 ChatGPT 用户 | 从单模型 API 走向“可调用工具的助理/应用” | 24 |
| 2024-01 / 2025-08更名 | GPT Store / ChatGPT Team→Business | GPT 分发商店；团队协作工作区 | 创作者、小团队、中小企业 | Team/Business 订阅；商店分发 | GPT Builder + Workspace | 25 |
| 2024-04 / 2024-05 | 无登录使用 ChatGPT / GPT-4o / ChatGPT Edu | 降低使用门槛；统一文本、视觉、音频的 omni 模型；高校版 ChatGPT | 大众、开发者、大学 | ChatGPT 免费层；Edu 面向机构销售 | GPT-4o 支持实时多模态，平均音频响应约 320ms，API 更便宜 | 26 |
| 2024-07 / 2024-08 / 2024-10 | GPT-4o mini / Structured Outputs / Realtime API | 低成本小模型；严格 JSON schema 输出；低时延语音多模态接口 | 开发者、企业应用 | API 按量计费 | 4o 家族；面向工具调用、成本优化与语音化应用 | 27 |
| 2024-07 / 2024-10 | SearchGPT Prototype / ChatGPT Search / Canvas | AI 搜索原型后并入 ChatGPT；带来源的联网回答；独立编辑式协作界面 | 普通用户、研究用户、写作/编码用户 | 包含于 ChatGPT 各层计划 | Search 成为 ChatGPT 内生工具；Canvas 强化工作流 | 28 |
| 2024-08 / 2024-09 / 2024-12 | GPT-4o Fine-tuning / Multimodal Moderation / Sora | 4o 微调；文本+图像审核；文本/图像/视频生视频 | 开发者、平台治理者、创作者 | API 按量；Sora 包含于 ChatGPT 付费层/单独入口（公开产品页） | 4o 家族；Sora 明确沿用 DALL·E 3 的 recaptioning 技术 | 29 |
| 2024-05 / 2025-03 | Model Spec / Preparedness 体系升级 | 公开模型行为规范；前沿风险评估与部署门槛 | 开发者、研究者、监管与公众 | 非直接收费；属治理基础设施 | 安全与产品统一治理层 | 30 |
| 2025-01 / 2025-02 | Operator / Deep Research / o3-mini / GPT-4.5 | 浏览器自动执行任务；多步互联网研究；轻量推理；更强非推理式对话模型 | Pro/Plus 用户、开发者 | 包含于 ChatGPT/API 计划 | Operator 的 CUA 建立在 GPT-4o 视觉 + RL；Deep Research 建立在 o 系列能力之上 | 31 |
| 2025-03 / 2025-04 | Responses API / Agents SDK / 新音频模型 / GPT-4.1 / o3 / o4-mini / 新图像 API | 统一 stateful 响应接口与内建工具；代理编排；新 STT/TTS；长上下文 4.1；推理模型全面支持工具；新图像生成 API | 开发者、企业产品团队 | API 按量；Batch/Flex/Priority 等差异化 | 平台从 Chat Completions 向 Responses/Agent 原语迁移 | 32 |
| 2025-05 / 2025-08 / 2025-10 | Codex 云端编码代理 / GPT-5 / gpt-oss / Apps in ChatGPT / ChatGPT agent / gpt-realtime / Pulse / io 硬件计划 | 云端并行软件工程 agent；统一型旗舰 GPT-5；开放权重模型；ChatGPT 内应用平台；会研究也会行动的 agent；生产级语音；主动推送式资讯；硬件团队并入 | 开发者、重度工作流用户、生态伙伴 | Codex 有独立工作/企业售卖；GPT-5 API；gpt-oss Apache 2.0；Apps 走平台分发；硬件未商业化 | Codex、Apps、Agent 把 OpenAI 从模型公司推向“工作操作层”；io 代表迈向硬件接口 | 33 |
| 2026-01 至 2026-04 | ChatGPT Go / Health / Education for Countries / Workspace agents / ChatGPT Images 2.0 / GPT-5.4 / GPT-5.5 / GPT-5.3-Codex / AgentKit | 低价层订阅；健康专属体验；国家级教育计划；团队共享 agent；更强图像生成；最新旗舰模型与编码模型；可视化/工程化 agent 开发套件 | 大众市场、医疗健康用户、政府/教育、团队、开发者 | Go $8/月（美国价，部分地区本地化），Health/国家教育/Workspace agent 多为机构或待定；GPT-5.5 API 公布 token 价格；其余多含于平台/企业售卖 | 明确转向“产品分层 + 行业垂直 + 组织级 agent” | 34 |
影响力最高的十个产品
下面这张表把“影响力”理解为对 OpenAI 生态扩张、收入生成或使用规模的综合拉动，而不是单纯模型性能。凡遇到 OpenAI 未公开披露的产品级收入或精确用户数，均标注“未披露”。
| 产品 | 影响力判断 | 公开使用/收入信号 | 主要变现方式 | 说明 |
|---|---|---|---|---|
| ChatGPT | 极高 | OpenAI 官方在 2025 年称 ChatGPT 已有超过 8 亿周活用户；2024 年 4 月时公开口径为超过 1 亿周活用户。35 | Free/Go/Plus/Pro、广告、工作版导流 | ChatGPT 是 OpenAI 的最大分发入口，也是几乎所有后续产品的流量源。36 |
| API Platform | 极高 | 2025 年 11 月 OpenAI 称直接服务超过 100 万企业客户；2026 年 4 月称 API 处理能力超 150 亿 token/分钟。37 | 按量计费、企业协议、定制模型 | 这是 OpenAI 从“模型能力”变现为“平台能力”的核心层。38 |
| ChatGPT Business / Enterprise / Edu | 极高 | 2026 年 2 月 OpenAI 称超过 900 万付费企业用户依赖 ChatGPT 工作；2026 年 4 月称企业收入占比超 40%。39 | 每席位订阅、企业合同 | 它把 ChatGPT 从消费品转成组织软件。40 |
| Codex | 很高 | 2026 年 4 月 OpenAI 称 Codex 超过 300 万周活开发者。41 | 企业版、Business Codex、平台增值 | OpenAI 在“AI coding”赛道的关键产品，决定其能否守住开发者心智。42 |
| GPT-4o 系列 | 很高 | 具体产品收入未披露；但 GPT-4o 被并入免费层，并成为多模态主力。43 | API、ChatGPT 各层计划 | 4o 是 OpenAI 从“文本 GPT”迈向“原生多模态/实时交互”的转折点。44 |
| GPT-5 系列 | 很高 | 产品级用户数未披露；但 GPT-5.5 价格与 1M 上下文等被正式公开。45 | API、ChatGPT 高端层 | GPT-5 之后，OpenAI 更强调“统一系统”而非碎片化模型 SKU。46 |
| Responses API + Agents SDK | 很高 | 官方称自 2025 年 3 月上线后，已有“数十万开发者”使用 Responses API，处理“数万亿 token”。47 | API 按量、平台黏性 | 这是 OpenAI agent 时代的核心开发接口。48 |
| Apps in ChatGPT / GPTs / GPT Store | 很高 | Apps SDK 面向开发者的官方卖点是可触达“8 亿+ ChatGPT 用户”。49 | 平台分发、未来广告/交易/生态抽成潜力 | 这让 OpenAI 不只是“卖模型”，而是“卖注意力和入口”。50 |
| Deep Research | 高 | 公开用户数未披露；但已扩展到 Plus/Team/Enterprise/Edu/Free，并有明确额度层级。51 | 作为订阅层高价值功能 | 它显著提高了 ChatGPT 对高价值知识工作的渗透率。52 |
| Sora | 高 | 用户数与收入未披露。53 | 订阅拉动、创意生态 | Sora 让 OpenAI 从文本/图像进入视频与“世界模拟”叙事。54 |
生态位与竞争格局
OpenAI生态图
下图概括的是 OpenAI 在价值链中的位置，而不是组织架构图。它同时覆盖研究、平台、应用、企业、内容、伙伴和未来硬件。各层关系来自 OpenAI 的产品页、企业页、合作公告与公司结构披露。55
OpenAI 生态结构流图
OpenAI在生态中的角色
从角色上看，OpenAI 至少同时扮演五种身份。它首先仍是研究机构：OpenAI 官方“About”页定义自己为 “AI research and deployment company”，且持续发布 CLIP、Whisper、GPT-4、o1、Sora、HealthBench、FrontierScience 等研究或系统卡。第二，它是 API 供应商：从 2020 年 OpenAI API 到今天的 Responses API、Realtime API、File Search、Web Search、Computer Use，平台已不再是单一文本补全，而是 agent 的后端。第三，它是消费应用开发者：ChatGPT 本身就是全球最大 AI 终端之一。第四，它是企业软件与工作流平台：Business、Enterprise、Edu、Workspace agents、Company Knowledge 等，把 OpenAI 拉进了知识工作操作层。第五，它还是规则与标准影响者：通过 Preparedness Framework、Model Spec、公开 System Card 与安全评估，OpenAI 把自己的部署方法论做成了行业参考系。56
这种生态位的特别之处在于，OpenAI 并未停留在“把最好模型卖给别人”。它一方面保留基础模型研发，另一方面主动下沉到应用层，用 ChatGPT 把用户入口抓在自己手里；同时又向上伸展到平台层，让第三方开发者和企业在其基础设施之上构建产品。换言之，OpenAI 同时占了 模型层、工具层、平台层、应用层、企业层、分发层 六个位置。正因如此，它更像 AWS + iOS App Store + Notion/Slack + Google Search + GitHub Copilot 的某种混合体，而不是传统单点 SaaS。57
价值链与网络效应
OpenAI 的第一条网络效应，来自 消费者分发反哺企业与开发者。官方一再强调，ChatGPT 的超大用户规模使企业导入的培训成本更低、试点更快、ROI 更容易兑现；Apps SDK 又直接把这种分发暴露给开发者，让开发者可以面向“8 亿+ ChatGPT 用户”构建应用。也就是说，ChatGPT 既是收入引擎，也是生态引擎。58
第二条网络效应，来自 平台工具化。Responses API 统一了状态管理、web/file/computer 等内建工具；Agents SDK 负责编排、评估与护栏；企业版则提供数据接入与管理控制。开发者越往 Responses/Agents 迁移，OpenAI 越像“agent 云平台”。这会提升切换成本，并把“模型性能差异”转化为“平台粘性差异”。59
第三条网络效应，来自 内容和数据合作。OpenAI 与 News Corp、Reddit、Stack Overflow、TIME、Hearst、Condé Nast、Axios、Axel Springer 等达成内容或 API 合作；这些合作一方面改善 ChatGPT/Search 的内容新鲜度与可信来源供给，另一方面缓解训练与展示环节的版权与授权摩擦。它因此不只是“抓取网络”，而是试图把优质内容方纳入生态治理。60
相对主要对手的竞争位置
与 Google 相比，OpenAI 的强项是产品定义速度、面向大众的单一 AI 入口，以及围绕 ChatGPT 形成的高强度品牌与使用习惯；Google 的强项则是把 Gemini 深度嵌入 Workspace，并在 2026 年推出 Gemini Enterprise Agent Platform，把模型、构建、治理、企业 DevOps 与云基础设施整合得更强。前者强在“通用 AI 前台 + agent 原生体验”，后者强在“企业套件 + 云平台 + TPU/搜索资产”。61
与 Anthropic 相比，OpenAI 仍拥有更强的消费端分发，但 Anthropic 在企业和编码工作流上的压力明显增大。Anthropic 官方把 Claude Code 和 MCP 生态放在很核心的位置，而 Ramp 的 2026 年 4 月企业支出样本显示，Anthropic 一度以 34.4% 超过 OpenAI 的 32.3%，说明 OpenAI 在“工作流深度”上并非稳操胜券。OpenAI 的应对就是把 Codex、Workspace agents、Business Codex、Responses API/Agents SDK 做得更像“完整工作系统”。62
与 Meta 相比，OpenAI 的路线是封闭前沿模型 + 平台与应用变现；Meta 则以 Llama 4 等开放权重模型、低成本部署与“可微调、可蒸馏、可到处部署”为核心卖点。Meta 的开放策略会持续压缩 OpenAI 的“纯模型溢价”，迫使 OpenAI 把竞争焦点从模型分数，转到工具链、工作流、分发、企业治理与真正可执行的 agent 上。换言之，OpenAI 的护城河更像“操作系统”，Meta 的护城河更像“开放模型供给”。63
与 Microsoft 的关系则更复杂：Microsoft 一方面是 OpenAI 的关键伙伴，Azure OpenAI 与 Foundry 仍然是 OpenAI 进入大型企业的巨大放大器；另一方面，Microsoft 365 Copilot、Copilot Agents 与 Azure 自身的 agent 平台又让它在企业前台具有更强控制力。因此，OpenAI 与 Microsoft 既是深度共生，也在企业入口、收入分配和平台主导权上存在天然张力。64
总的来看，OpenAI 的相对优势是：用户规模、品牌心智、产品速度、agent 原生化、从 consumer 到 enterprise 的闭环。 相对劣势是：算力与资本消耗大、企业深度场景竞争激烈、开放模型对其 API 价格形成压制、以及对伙伴云基础设施和外部监管仍有依赖。 这些优劣势都不是“下一代模型更强一点”就能彻底改变的，而会越来越多地由平台与组织能力决定。65
商业、治理与监管
OpenAI 的收入结构已经明显多元化。消费者端有 Free、Go、Plus、Pro；其中 Go 官方价格为 8 美元/月（美国显示价格，部分市场本地化），Plus 为 20 美元/月，Pro 为 200 美元/月。企业端有 Business、Enterprise、Edu，以及面向开发团队的 Business Codex；开发者端则是 API 按调用与 token 计费，并叠加 Batch、Flex、Priority 等效率/时延分层。2026 年 1 月，OpenAI 还宣布将在美国对 ChatGPT Free 与 Go 层测试广告，但强调广告将与答案分离、不会影响回答，也不会出现在健康和政治等敏感话题旁边。66
企业与渠道合作是 OpenAI 商业模式的第二支柱。Microsoft 是最重要的结构性伙伴：2019 年 OpenAI 为了融资与扩算力创建 OpenAI LP；2023 年双方又宣布扩大合作，Azure 继续作为 OpenAI 的独家云提供方；到 2025 年，双方签署了新协议，为长期合作、责任 AI 与商业安排续约。Apple 则在 2024 年宣布把 ChatGPT 集成到 iOS、iPadOS 和 macOS 体验中。除此之外，OpenAI 还与 Cloudflare、Scale、Accenture/PwC/Infosys 等部署伙伴、Stack Overflow、Reddit 与大量新闻出版商建立合作，形成“模型—内容—分发—企业落地”的联合网络。67
治理方面，OpenAI 的路径也越来越清晰。2019 年，OpenAI 通过 capped-profit 的 OpenAI LP 解决“使命优先但需要巨额资本”的矛盾；2025 年 5 月董事会明确决定仍由非营利组织保留控制权，同时将营利实体改组为 PBC；到 2025 年 10 月，OpenAI 官方页面显示新的结构已完成：非营利组织更名为 OpenAI Foundation，营利实体更名为 OpenAI Group PBC，Foundation 继续通过特殊投票和治理权控制 Group，并持有约 26% 股权；微软约持 27%，其余由员工、前员工和投资者持有。OpenAI 将此定位为“让资本结构更常规，同时维持使命治理”的办法。68
但这种治理安排并不意味着争议已经消失。外部层面，OpenAI 一直面临监管和法律摩擦：2023 年 FTC 对 OpenAI 启动与消费者保护及数据风险相关的调查；2024 年 FTC 还对微软、OpenAI 等生成式 AI 投资合作关系展开反垄断问询；版权与训练数据争议持续存在，《纽约时报》诉讼引发 OpenAI 官方公开回应；到 2026 年，欧盟与 OpenAI 就其模型和网络产品的合规、新网络风险工具开放等仍在持续接触。OpenAI 的实际策略是同时推进三件事：加强自我约束、争取官方合作接口、以及通过授权合作降低部分版权冲突。69
安全与伦理层面，OpenAI 已经把“安全体系产品化”。最直接的是 Moderation Endpoint 与后来的多模态 moderation model；更高一层的是 Preparedness Framework、System Card、Model Spec、Red Teaming Network、使用 GPT-4 参与内容政策与内容审核，以及面向公共事务的 2024 全球选举策略。这套体系的特点是：它不是只在研究论文里谈安全，而是把安全作为部署流程、文档、API、模型卡、治理委员会乃至外部合作机制的一部分。2026 年 4 月，OpenAI 还宣布 ChatGPT Enterprise 与 API Platform 达到 FedRAMP Moderate，说明其政府与合规市场也在系统推进。70
需要注意的是，收入数字并未完全由 OpenAI 官方按产品线分拆公布。公开可见的大多是公司层级的速度指标与媒体报道：例如 Reuters 报道 2025 年中 OpenAI 年化收入已达 100 亿美元、2025 年末年化收入超过 200 亿美元、到 2026 年 2 月末超过 250 亿美元；但这些数字不是经审计的产品别收入，也通常不细分到 ChatGPT、API、Enterprise、Codex 等单项。因此，对“哪一个产品最赚钱”的判断，仍应以“公开推断”而非“官方财报结论”来表述。71
技术架构与集成模式
从技术架构看，OpenAI 近几年的演进可以概括为三层。第一层是 通用基础模型层，包括 GPT-3、GPT-4、GPT-4o、GPT-4.1、GPT-4.5、GPT-5、GPT-5.4、GPT-5.5 等；这条线主要靠预训练规模、后训练和多模态融合推进。GPT-4o 的意义尤其大，因为它把文本、图像、音频、视频输入和文本/图像输出统一到“omni”叙事里，并把语音交互延迟压低到接近人类对话水平。第二层是 推理/专用模型层，包括 o1、o3-mini、o3、o4-mini、GPT-5.3-Codex、computer-use-preview、omni-moderation 等，它们不是追求覆盖一切，而是针对“更强思考”“更强编码/工具调用”“更强 UI 操作”“更强安全分类”做 specialization。第三层是 模态侧模型层，如 Whisper、gpt-4o-transcribe、gpt-4o-mini-tts、图像生成模型与 Sora。72
这些模型线的“技术谱系”也越来越清楚。InstructGPT 标志着 RLHF 在产品化中的中心地位；o1 系列明确把“训练时/测试时计算”与大规模强化学习作为新的扩展轴；Operator 背后的 CUA 则把 GPT-4o 的视觉理解与 RL 结合，用于 GUI 操作；Sora 明确写明采用了 DALL·E 3 的 recaptioning 技术；新音频模型则建立在 GPT-4o / GPT-4o-mini 架构之上，并通过蒸馏与 RL-heavy 训练提升识别与可控语音生成。也就是说，OpenAI 的技术并非一条直线，而是一个“通用底座 + 对齐/强化学习 + 模态适配 + 场景专用化”的树状架构。73
在接口层面，OpenAI 正把平台从旧的 Completions / Chat Completions 迁移到 Responses API。官方文档把 Responses 定义为“最先进的响应接口”，支持状态化交互、文本和图像输入、JSON 输出、函数调用，以及 Web Search、File Search、Computer Use 等内建工具；OpenAI 还明确建议新项目优先使用 Responses，并将其视为 Chat Completions 的进化版本。对开发者来说，这意味着 OpenAI 不只是提供“模型推理接口”，而是在提供一套 agent 运行时。74
工具调用是这套运行时的核心。OpenAI 官方工具文档目前已把 web search、file search、computer use、tool search、remote MCP servers 等列为一等能力：模型可以先联网检索最新信息，再回答并给出处；可以对自有文件进行关键词+语义混合检索；可以通过 UI 理解和操作软件；还可以通过 function calling 或 MCP 连接第三方系统。值得注意的是，MCP 不是 OpenAI 发明的标准，它来自 Anthropic 阵营的开放协议叙事；但 OpenAI 选择在工具文档与 Apps 体系中兼容类似连接模式，说明它已经把“互操作性”视为扩大平台生态的必要条件。75
从典型集成模式看，OpenAI 基本提供了四种主流路线。其一是 轻量生成式应用：直接用 Responses API 或 Chat Completions，辅以 Structured Outputs 和函数调用，适合表单自动化、客服草稿、JSON 工作流。其二是 RAG/知识系统：用 File Search、Retrieval、Embeddings 和向量仓库，把企业私有文档接进去。其三是 agent 型系统：用 Responses API + web/file/computer use + Agents SDK，实现多步任务、工具选择、评估与观察；这正是 Deep Research、Operator、Codex 一类产品的底层范式。其四是 实时语音/多模态接口：使用 Realtime API 或新 STT/TTS 模型与 Agents SDK 集成，做电话坐席、实时语音助手、车载/移动交互。76
在时延与扩展性上，OpenAI 的做法也越来越“基础设施化”。GPT-4o 发布时就把“接近人类对话速度”作为卖点；Realtime API 则把语音交互抽象为平台接口；2026 年 Responses API 的 WebSocket 模式和 Codex 相关优化进一步压缩了往返开销、首 token 时间和 per-token 成本。与此同时，OpenAI 对外公开的平台吞吐量已达每分钟超过 150 亿 token，这意味着它的瓶颈正在从“能不能做”转向“如何在规模、时延、成本和安全之间保持平衡”。77
最后，OpenAI 的一个新信号是 从纯闭源前沿模型，向“闭源旗舰 + 开放权重补集”演化。2025 年发布的 gpt-oss-120b 和 gpt-oss-20b 采用 Apache 2.0 许可，强调低成本、工具使用能力与 agent 兼容性。这并不表示 OpenAI 放弃闭源优势，而更像是在开放模型压力增强后，用开放权重覆盖边缘部署、本地推理和生态实验场景；旗舰层仍继续由 GPT-5.x、o 系列、Codex 等维持高端溢价。78
风险、缺口与战略机会
OpenAI 最主要的风险并不是“有竞争对手”，而是 它正在同时经营三件昂贵而复杂的事情：前沿研究、全球应用分发、企业平台基础设施。 这会带来极高的资本开支、研发组织难度和治理复杂性。OpenAI 自身在结构说明里反复强调，未来需要“数千亿美元乃至数万亿美元”的资本；媒体报道的年化收入虽然增长很快，但也伴随着巨额算力投入和融资需求。对它来说，持续融资能力和计算供给，本身就是产品竞争力的一部分。79
第二个风险是 企业护城河尚未完全锁定。OpenAI 在消费端领先，但企业端同时面临 Anthropic 的编码/协议化优势、Google 的 Workspace/Cloud 套装优势，以及 Microsoft 的既有企业分发。尤其是当 agent 产品进入“真实工作流执行”阶段后，客户未必只看模型 benchmark，更看权限治理、审计、合规、系统接入、可控性与总体拥有成本。OpenAI 若不能把 Codex、Workspace agents、Business/Enterprise 工作区真正做成企业生产系统，就可能在利润最高的 B2B 市场上被削弱。80
第三个风险是 内容、版权与信任。OpenAI 已通过 publisher 授权、新闻合作与 opt-out 机制缓和版权摩擦，但纠纷仍未结束。另一方面，随着模型更像 agent、能主动执行任务，风险从“回答错了”升级为“执行错了、越权了、被注入了、说服过头了”。OpenAI 因此才会持续强化 Model Spec、Preparedness Framework、system cards、red teaming 和 computer-use 安全栈；但这说明风险不会因产品成熟而消失，反而会因产品可执行性增强而放大。81
第四个风险是 开放模型与价格压缩。Meta Llama、以及更广泛的开放模型浪潮，会持续压缩“只卖推理 token”的毛利空间。OpenAI 已经在用 GPT-4o mini、o4-mini、gpt-oss、Batch/Flex、Business Codex 等方式应对：低价模型做流量，旗舰模型做溢价，平台和工作流做黏性。这条路理论上合理，但前提是 OpenAI 能把“模型供应商”升级成“默认 AI 工作平台”。否则开放模型一旦在某些垂直场景足够好，OpenAI 的中端 API 价值就会被替代。82
但机会也同样清晰。首先，OpenAI 已拥有极难复制的 用户规模 + 品牌 + 开发者平台 + 企业进入路径 的组合，这意味着它最有机会成为“agent 时代的默认前台”。其次，Health、Education for Countries、FrontierScience、Workspace agents 这类产品表明它正向高价值垂直行业深入；如果这些场景跑通，OpenAI 的定位会从“通用 AI 工具”提升为“行业智力基础设施”。再次，Apps in ChatGPT、GPT Store、remote tools/MCP、Codex 插件目录等动作说明它在摸索“平台抽成”和“生态分发”路径。一旦交易、广告、订阅、企业席位、API 调用、内容授权与硬件叠加到同一生态里，OpenAI 的商业形态会越来越接近一个 AI 平台公司，而不只是模型公司。83
从战略机会看，我认为 OpenAI 未来最重要的三件事是：一，把 ChatGPT 从“最好用的 AI 聊天界面”升级成“个人与组织的默认 AI 工作台”；二，把 Responses API / Agents SDK / Codex / Apps 进一步统一成一个清晰的 agent 平台叙事；三，把安全、合规、数据接入和行业化能力做成比模型本身更难替代的系统能力。如果这三件事成功，OpenAI 的生态位会稳定在“AI 操作层”；如果失败，它就更可能退回成一家高端模型供应商，在价格和成本之间长期承压。以上判断属于基于现有产品与商业动作的推论。84
开放问题与局限
这份报告尽量优先使用 OpenAI 官方来源，但仍存在几个不可避免的局限。其一，OpenAI 未公开披露按产品线拆分的收入、利润和使用量，因此诸如“ChatGPT 比 API 更赚钱”之类表述只能做方向性推断，不能当作财务结论。其二，部分当前价格页对精确数字抓取不完整，因此我对现价只引用了官方明确披露或在官方搜摘中可见的价格；未能稳定抓取到的项目一律写作“未披露/定制/按量”。其三，本报告的“产品目录”按“重大发布”口径整理，不等于每个小版本、每次模型替换或每项帮助中心功能更新的穷尽清单。其四，2026 年非常新的公告（例如广告、监管、融资与行业部署）有时同时来自官方与媒体，若官方未给出同等细节，我已尽量用“据 Reuters 报道”这类表述降低误导风险。85