8月12日，OpenAI 发布了一份企业 AI 使用报告，三组数字很快传遍全网：头部企业的 AI 使用深度是中位企业的 8.3 倍；64% 的企业输出 token 来自 agent 型工具 Codex；采用 6 个月后，普通员工每周比高管多给 AI 发 13 条消息。
很多标题的潜台词是：差距已经拉开，你落后了。
但有个问题值得细看。知乎上有人就这份报告发问：差距真有这么大吗？知乎小红书上也有解读帖把它概括成一句"揭开了企业用AI的真正差距"。小红书而知乎上被讨论最多的那篇回答，结论相当克制：这三组数字能证明"企业用 AI 的方式在变"，证明不了"生产率已经提高"。
这个区分对普通使用者相当重要，因为它决定了你看完这份报告之后，学的是"多用"，还是"换个用法"。
先看清楚这三组数字是什么
先把官方报告的数字摆出来。
8.3 倍：OpenAI 按"每个活跃用户的 token 输出量"给企业客户排序，前 10% 记为 frontier，处在 45%-55% 分位的记为 typical。今年 1 月，两者差距是 2.6 倍，到 6 月扩大到 8.3 倍。
64%：6 月，企业客户的 Codex 输出 token 占 Codex 加 ChatGPT 合计输出的 64%。也就是说，企业场景里 AI 产出的大头，已经不再是"你问我答"的聊天，而是 agent 型工具完成的活。
13 条：企业采用 6 个月后，早期职业员工每周比高管多给 AI 发 13 条消息。
8.3 倍、64%、13 条，足以支持一个判断：企业 AI 的任务形态正在改变。但它们还不足以证明另一件事：企业生产率已经提高。知乎先抓住这个大前提，再看细节。
关键：三组数字的分母并不一样
这份报告最值得抠的地方，不是数字，是数字怎么读。
8.3 倍的本质是"输出量"差距，不是"效果"差距。Agent 任务天然吃 token：一个任务跑下来，agent 要读资料、改文件、调工具、失败重试、最后整理结果，整条链路全算输出。而 ChatGPT 式的一问一答，一次可能只返回几段文字。
所以同样是 token，两边的含金量未必相同。输出量大，能说明这些企业把更长的任务交给了 AI，但不直接等于任务完成得好，更不等于这些任务"值得"做。
64% 是"构成"的截面，不是"效果"的前后对比。它能说明企业 AI 的主战场正从聊天转向执行，但执行得怎么样、返工多少、人工复核花了多少成本，报告没有回答。
13 条也有它的边界：统计的只是企业工作区里的活跃用户。按报告里的估计口径，经理和总监约占周活跃用户的 24%，早期职业员工和实习生合计只占约 7%。知乎“高管占比高"和"人均发消息频率低"可以同时成立，推不出"高管不用 AI”。
至于传播最广的那个案例——维珍大西洋航空的工程团队用 Codex 把一次遗留代码重构从两周压缩到 30 分钟——那是客户案例。案例用来说明 agent 任务长什么样，不能代表所有企业的平均效果。
这份报告真正能证明什么
把不能证明的部分剥掉，这份报告可信的结论其实就两句。
第一，任务形态在变。企业 AI 正在从"帮人梳理问题的聊天"转向"交付成果的执行"，64% 对这个判断的支撑相当扎实。
第二，深度差距的性质变了。五个月里从 2.6 倍拉到 8.3 倍，差距早已越过"有没有账号"这一层。报告里，Plugins、skills 这类高阶能力在头部企业和中位企业之间的采用率差距明显——真正被拉开的，是"模型能读到什么资料、能调用什么工具、流程能不能复现"。
还有一个报告里不太起眼、但值得咂摸的细节：采用 AI 的企业，本来就更大、更有钱。2024 年中位数口径下，采用企业营收约 22.751 亿美元，非采用企业只有约 2.096 亿美元；员工数分别是 2934 人和 424 人。知乎回归分析显示组织投入与采用相关，但剔除科技和高研发行业后，这个关系就不再显著。
翻译一下：大公司、有钱的公司更倾向于把 AI 用得更深，但不是"花了钱就自然有效果"。
这事和你有什么关系
如果你是已经在用 ChatGPT、或者正考虑订阅的个人用户，这份报告其实给了三道自测题。
一，你是在问一次性的问题，还是把重复任务固化成了可复现的流程？8.3 倍差距里，相当一部分来自"一问一答"和"整流程托管"的差别。
二，你有没有给 AI 上下文和工具？差距的本质不是使用频率，而是 AI 能不能读到你的资料、接上你的工具、产出你可以复核的结果。
三，你周围谁用得最好？报告里最实在的建议，是找到组织里已经形成稳定 AI 工作流的人，把他用的输入材料、工具步骤、检查标准记下来，变成别人能用的模板。传播方法比传播消息数更有价值——对个人同样适用：与其和别人比每天用多少次，不如先把自己一个高频任务固化成稳定工作流。
这里插一句：那种"用起来小心翼翼"的感觉，不是你一个人的。早在 5 月上一份报告发布时，就有人在微博上说，“我也好想让企业老板给我配个无限token用额，现在用起来都是小心翼翼”。微博额度和成本焦虑本身就在限制使用深度，而这恰恰是报告里"深度差距"没有告诉你的那一面。
最后一句：token 用量可以当温度计。它能提示任务是不是变深了、agent 是不是进入了更多流程，但它不是绩效证明。
几个值得继续观察的信号：这项研究的数据截至 2026 年 3 月，64% 也只是 6 月的截面。三季度差距是否继续扩大、OpenAI 会不会拿出质量、返工这类结果侧证据，将决定这个故事能不能从"使用差距"走到"效果差距"。
