文 | 强调Next
古今中外，所谓“全员信”无不是给外人看的。
上周末，OpenAI首席营收官Denise Dresser发给全体员工的一份战略备忘录被外媒《The Verge》曝光。四页纸，五项优先事项，以及一段措辞相当辛辣的竞争对手分析。
这不只是一份内部动员令，它更像是一次经过精心设计的对外信号释放。有策略地攻击竞争对手，有意地传递市场叙事，顺带给内部团队打一针鸡血。
01 “能力已经不够了”
备忘录开头的定调耐人寻味。Dresser写道，企业AI正在进入“更成熟的阶段”，而客户要的已经不再只是模型有多聪明，而是适配度。具体来说就是，AI能不能真正接入他们的工作流、知识体系和日常运营。
过去两年，OpenAI靠着GPT系列的能力优势横扫市场。但拼基础模型能力的时代正在结束。当所有主要玩家的模型能力差距在快速收窄，“我们的模型最强”这张牌的边际效用正在递减。
企业客户的采购逻辑开始向To B软件的经典路径回归。他们更关心的是“这个AI能不能在我的组织里真正跑起来、跑得稳、跑得久”。
这是市场成熟的标志，也是OpenAI必须完成的一次战略重心转移。
02 五个优先事项
备忘录列出了五项Q2重点：赢下模型层、赢下智能体平台、借助亚马逊扩大市场、销售完整技术栈、掌握部署权。
乍看是五条线，但它们指向的其实是同一个目标：从“最好用的AI”变成“最难替换的AI”。
这是一个典型的平台化转型逻辑。单点产品靠性能竞争，平台靠生态和切换成本竞争。备忘录中有一句话说得相当直白：随着客户把更多工作流接入这套系统，“OpenAI会变得更难被替代，也会更加处于工作的核心位置”。
OpenAI想要做的是企业AI的操作系统。就像当年微软把Windows做成了所有企业IT基础设施的底层一样。Dresser在文中反复强调的词是“平台”。她说，客户要的是平台，不是点状解决方案。ChatGPT for Work是知识工作的入口，Codex是开发者端，API是集成引擎，Frontier是智能体编排层，Amazon runtime是生产级有状态运行时。五个产品，五个入口，理论上客户从任何一个门进来，最终都会被引导进入完整生态体系。
问题是，“平台型公司”这个故事讲起来很好听，但历史上能真正走通的没几个。平台需要的是网络效应、切换成本和生态锁定，这些东西不是靠一份备忘录就能建起来的。
备忘录里提到“多年期、多产品、九位数规模的交易正在增加”。九位数，至少一亿美元。这类交易的增加，意味着企业客户对OpenAI的押注已经不是“试试看”的层面了，而是真实的战略绑定。
03 那段攻击Anthropic的文字
备忘录里有一段话，直接点名Anthropic，措辞相当强硬。说他们的叙事建立在“恐惧、限制，以及少数精英应当控制AI”这一观念之上；说他们在算力上的战略失误已经开始体现在产品里——客户感受到了限流、低可用性和不稳定的体验；最重磅的一条说Anthropic对外宣称的$300亿年化营收被高估了$80亿，因为他们把与Amazon和Google的收入分成按“总额”而非“净额”计入。
这种直接点名竞争对手的做法，在中国公司文化里确实少见。国内大厂高管对外表达，通常会用“行业里有些玩家”或者“某些产品”这类迂回措辞，直接点名并给出具体数字批评，在国内语境下会被认为过于冒进，容易引发舆论反噬。
但在硅谷，这是正常操作，其背后有几重逻辑。
其一，投资人叙事的需要。一家估值已经高达几百亿美元的公司，如果不能清晰说明为什么自己比竞争对手更值得下注，是会被追问的。直接指出竞争对手的具体弱点，是向外界传递“我们有底气”的有效方式。
其二，内部动员的需要。备忘录的受众是全体员工。“他们的算力不够用，客户已经感受到了限流”，这种具体的比较，比讲大道理有效得多，能让销售团队在下一次客户见面时有的放矢。
其三，这份备忘录大概率是预期会泄露的。Dresser不可能不知道，几百人规模的公司里，一份四页的战略文件迟早会出现在媒体上。“对外喊话”本身可能就是目的之一：让市场知道，我们认为Anthropic的$300亿数字是虚的，我们有依据，欢迎验证。
那个财务指控值得单独说一下。关于Anthropic年化营收被高估$80亿的论点，核心是会计口径之争：收入分成到底该用总额法还是净额法？这个问题没有绝对的对错，但如果Anthropic确实在对外宣传中使用总额数字，确实存在误导成分。这类争议在公司上市前往往会被放大，以后Anthropic如果推进IPO，投资人的尽职调查会在这块认真扒一遍。
04 中国市场启示
这份备忘录对中国AI行业的价值，在于它清晰地描绘出了企业AI竞争的下一个战场长什么样。
第一个维度：竞争阶段的差距。
国内大模型的竞争，目前主要还停留在“跑榜单、比参数、拼价格战”这个阶段。这份文件揭示的是下一阶段的竞争维度，从能力竞争走向部署竞争、平台竞争和生态竞争。谁能帮企业客户最快完成可复制的规模化部署，谁的产品能最深地嵌入客户的实际工作流，谁才能真正赢得企业市场。
Dresser在备忘录里特别提到了DeployCo，一个专门负责帮企业落地AI的部署引擎。这件事在国内几乎是空白。很多国内AI公司卖的是一个模型API或者一套平台，但“帮客户把它真正用起来，并且可复制”这件事，还没有哪家做得系统化。大量企业AI项目停在POC（概念验证）阶段迟迟无法规模化，本质上是这个部署能力缺口造成的。
国内目前最接近这个逻辑的，可能是阿里的钉钉+通义组合（通过钉钉直接嵌入企业工作流），以及华为在政企侧的整体IT方案能力。但整体而言，国内AI产品的“企业部署能力”和“平台生态建设”还有相当大的提升空间。
第二个维度：数据主权与信任的特殊性。
备忘录里反复强调的一个词是“信任”。企业需要的是可信、可依托、可持续构建的系统。国内大量企业，尤其是金融、政务、医疗等领域，对数据主权的敏感程度远高于欧美市场，把数据传给第三方云服务本身就是一条政策红线。
OpenAI与Amazon合作建立的模式，“在客户自己的AWS环境里运行，处于既有治理框架之内“，正是在回应这种顾虑。这给国内AI厂商提供了一个思路：如果能在“真正的私有化部署、可审计的数据链路、合规的行业解决方案”这个方向上做出差异化，反而可能比“我的模型比你聪明”更有商业价值。因为在高度监管的行业里，合规落地能力本身就是壁垒。
05 最后：一个值得警惕的信号
备忘录里有句话说，“前方的机会极其巨大，而我们现在最大的约束并非需求，而是产能。”
这句话在中国情况几乎是反过来的。国内不少AI公司面临的困境是“有算力、有模型、有技术，但找不到愿意真正付费的企业客户”。从“客户愿意试用”到“客户愿意多年期大额付费”，这中间横亘的距离，是国内企业AI市场真正需要跨越的沟壑。
当OpenAI说“最大约束是产能”的时候，国内同行或许要问自己的问题是：我们的最大约束究竟是什么？是技术？是产品？是销售能力？还是整个市场对AI商业化投入的信心和意愿？
