OpenAI这次没有发布新模型，也没有宣布哪些岗位会被AI替代。它开了一个Economic Research Exchange，邀请外部研究者申请合作，研究AI到底怎样影响工作、企业、机构和宏观经济。
这件事看起来慢，不刺激，却很关键。AI经济影响过去讲得太热，证据太散；现在平台公司开始把研究入口搭起来，问题也随之变硬：谁能拿到数据，谁能定义问题，谁能解释结果。
这次到底开放了什么
OpenAI宣布的是一个面向外部研究者的项目制合作平台，不是结论发布会。
它没有说AI已经让生产率提高多少，也没有公布岗位替代清单。它开放的是申请入口，欢迎研究者围绕严谨实证、因果推断、测量、劳动经济学、生产率等方向提交项目。
| 问题 | 目前能确认的信息 |
|---|---|
| 谁能申请 | 外部研究者，重点看实证能力和研究匹配度 |
| 研究什么 | AI对就业、生产率、企业、机构、教育、创业、公共财政、区域经济、发展和不平等等影响 |
| 怎么合作 | 与OpenAI Economic Research进行结构化、项目制合作 |
| 用什么资源 | 可能使用OpenAI工具和数据集，同时强调隐私保护、数据治理和负责任使用 |
| 怎么评审 | 看方法严谨性、可行性、里程碑、匹配度，以及能否提供可信外部证据 |
| 时间节点 | 2026年7月5日截止申请，2026年7月31日预计通知入选 |
OpenAI还把它放在更大的经济影响测量体系里，提到OpenAI Signals。这个信号很直白：AI经济影响不能只靠故事、恐慌、融资PPT和CEO访谈来判断。
受影响的人也不只是一批研究者。劳动者想知道岗位边界会怎么变；企业想知道AI投入是不是值得继续加码；政策制定者要判断哪里该管、哪里该放；公众要知道这场技术扩张的收益和代价怎么分配。
为什么这件事比普通研究项目重要
AI进公司以后，改变的不是一个按钮，而是一整套工作流。
它会影响任务分配、管理半径、绩效标准、岗位培训，甚至影响谁在组织里更有话语权。这些东西很难靠模型排行榜看出来，也很难靠一次问卷讲清楚。
研究者当然可以看招聘数据、企业调查和小规模实验。但要理解AI工具在真实工作里怎么用，谁用得多，哪些任务被替代，哪些人被放大能力，平台侧数据天然更接近现场。
这就是OpenAI项目的价值。它有机会让外部研究者接触更接近真实使用的数据，产出可复核、可质疑、可积累的研究。
对企业决策者来说，影响更直接。很多公司现在卡在“买不买、扩不扩、等不等”。如果后续研究能把生产率提升和岗位重组拆开讲，采购节奏就不会只跟着供应商演示跑。HR和业务团队也会更谨慎：不是简单砍人，而是重新看哪些岗位需要迁移技能，哪些流程值得先改。
对研究者和政策观察者来说，动作也很明确。申请者要盯项目边界、数据可得性、发表条件和隐私规则；政策端要盯研究是否能覆盖劳动者、企业和机构差异，而不是只留下漂亮案例。
真正要盯的是数据边界和发表自由
我赞成OpenAI做这件事。没有平台数据，很多AI经济研究只能在外面猜。
但问题也在这里。OpenAI既是被研究对象，也是工具提供者，还是部分数据入口。它支持外部研究，能扩大证据基础；它有商业利益，也会天然影响研究边界。
后续最该看的，不是公告措辞，而是四个硬指标。
| 观察点 | 为什么重要 |
|---|---|
| 研究问题怎么筛 | 决定能不能问不舒服的问题 |
| 数据开放到什么程度 | 决定研究能否接近真实工作流 |
| 负面发现能否发表 | 决定项目是研究合作还是公关资产 |
| 成果能否被复核 | 决定证据能不能离开平台叙事独立存在 |
“天下熙熙，皆为利来。”这句话放在这里，不是讽刺OpenAI，而是提醒我们：产业公司参与证据生产，永远绕不开激励结构。
AI公司想证明AI创造价值，这很正常。社会想知道价值如何分配、代价由谁承担，也同样正常。
所以，不能简单说这类项目一定不独立。那是偷懒。也不能替它背书说完全独立。那是轻率。
更准确的判断是：OpenAI把AI经济影响拉到更可验证的轨道上，同时也把平台的数据权力推到了灯下。
过去铁路、电力、互联网扩张时，最早讲收益的人往往是建设者和投资者。等社会开始结算代价，统计、监管和劳动制度才慢慢跟上。AI不完全一样，它扩散更快，入口更集中，数据也更封闭。
这次项目的分水岭，不在宣布那天，而在第一批研究怎么做、怎么审、怎么发表。模型公司不缺叙事，缺的是能经得起逆风的证据。
AI改变经济，不该只由卖AI的人来讲完。