OpenAI 今天甩出两份报告，最扎眼的一句话是：用得最猛的头部企业，人均产出的token是普通企业的8.3倍，而半年前，一月份，这个差距只有2.6倍。三倍的跃升，足够让任何一个还在纠结要不要上马agentic AI的CIO心里一紧。
但这把尺子，从头到尾都攥在OpenAI自己手里。
先看数字：企业AI确实在变
几个事实值得先摆清楚：
- 截至6月，Codex生成的token占Codex和ChatGPT企业客户合计输出的64%，说明越来越多企业开始把整段任务直接甩给agent，而不是一问一答式的辅助。
- 头部企业（月度使用量前10%）人均输出token是中位水平企业的8.3倍，1月时只有2.6倍。
- 头部企业每周使用Plugins的比例是21%、skills是19%，普通企业分别只有9%和3%——OpenAI自己内部，这个数字是95%。
- 自2月以来，Codex的周活跃企业用户在法律领域涨了108倍、销售和招聘各41倍、营销26倍，工程领域只涨了5倍。
- 采纳了AI的美国上市公司，资产规模、员工数量、研发投入都比没采纳的公司更高。
这五条事实拼起来，讲的是同一个故事：企业AI正从“问答”走向“执行”，而做得深的公司和做得浅的公司之间，缝隙越来越大。
问题是，衡量“深”的这根尺子，是token产出量。
token量，不等于活干得好
Token是模型输出的字符碎片，不是业务价值。一个agent写一份冗长的法律尽调报告，token量会很高；一个客服agent三句话解决问题、审批人一分钟点头通过，token量反而很低。
文本密集型的职能天然在这个指标上占便宜，运营、客服这类短交互、高决策密度的工作反而会被低估。法律领域Codex用户暴增108倍，听起来惊人，但暴增的到底是产出的合同草稿数量，还是产出的token长度，报告没有拆开讲。
样本本身也有问题。这些数据来自已经购买OpenAI企业产品的公司——本身就是数字化程度更高、领导层更愿意试错的一批人。用他们的用量差距去说明“整个企业界的AI能力鸿沟”，逻辑上跳了一步。
- 风险.token量高估文本密集型职能的“采用深度”，低估短交互高价值工作，报告样本本身也偏向已经领先的公司。
差距的另一种解释：不是能力，是权限
8.3倍的差距，还有一个更朴素的解释：不是模型能力差了三倍，是企业内部允许agent接触的数据和工具差了三倍。
受严格监管、处理敏感数据的部门——比如医疗、金融的核心业务线——很可能是被公司自己的合规规则挡在门外，而不是AI用不明白。反过来，一个被批准做低风险草稿工作的团队，token量蹿得很高，也未必代表业务真的被重塑了。
治理开放度和能力差距，混在同一个数字里，报告没有把它们分开。这恰恰是最该分开看的地方：如果frontier gap扩大主要来自权限而非能力，那么“抓紧上agentic AI”这句建议，落到具体企业头上，第一步该做的其实是重新梳理数据授权，而不是急着换模型。
Codex不该跟“全家桶”比
OpenAI讲的是自己的故事，但企业agentic AI这场仗，场上不止一个玩家。微软靠Office、Teams、GitHub的现成分发渠道铺Copilot；谷歌在Workspace和Cloud客户里推Gemini；Anthropic靠编程和长文本推理的口碑打Claude Code。
Codex是一个编程代理，它更合适的对照对象是GitHub Copilot和Claude Code，而不是微软或谷歌整套的“agentic全家桶”。“Codex贡献了64%的token”这句话，讲的是Codex在自己产品线里的比重，不是OpenAI在整个企业agent赛道上的领先幅度。这个区别，报告标题里没写，但读者心里要有。
法律领域涨108倍，很大程度是因为它去年的基数几乎是零——从10个用户涨到1080个，也是108倍。工程领域只涨5倍，恰恰是因为它已经是agentic AI最早、最成熟的战场，基数本来就大。倍数好看，但不能直接当作“法律行业AI渗透已经反超工程”的证据。
早期员工爬得快，还是被留在原地
报告里另一个反直觉的发现：早期职业员工用AI比高管更多，六个月后每周发的消息比高管多13条。OpenAI把这解读成一种比较优势——年轻人更敢用，效率更高。
这个解读只对了一半。至少还有另一种可能：初级岗位的工作内容本身更贴合大模型能干的活（写初稿、整理信息、跑第一版分析），而高管的AI使用往往被团队和系统内嵌，遥测根本看不到。
- 结论.更值得追问的是，AI替年轻人代做的那部分基础工作，恰恰是过去他们靠“做中学”攒经验、攒判断力的部分。效率提上去了，成长路径会不会被顺手削薄，报告没有回答，业内也没有共识。
尺子握在谁手里，数字讲的就是谁的故事
企业该做的，不是照着OpenAI这套frontier/typical的框架去对标自己，而是先搞清楚：自己公司token量低，是能力不够，还是权限没开；用得多的部门，产出的是真正的业务决策，还是好看的草稿。等第三方机构拿出一套跨厂商、看业务结果而不是看token的评估方法之前，这类报告更适合当参考，不适合当KPI。