Open AI 試圖重新打造AI操作系統(tǒng)

文：王智遠 | ID:Z201440

這次DevDay，有點不一樣。

因為不只展示了新模型，還打算把整個軟件世界的秩序，重新洗了一遍。

我看了完整的視頻，表面在做四件事：Apps SDK、AgentKit、Codex，還有一堆模型更新。

但你要真聽懂 Sam Altman 的講話，就會發(fā)現(xiàn)，他在講一件事：未來所有的軟件、所有的操作，都要通過一個入口完成——ChatGPT。

所以，今年DevDay，從戰(zhàn)略高度上說，更像一次從傳統(tǒng)軟件到 AI 操作系統(tǒng)的權(quán)力交接。

01

演講內(nèi)容層面看，主要分為5個模塊。Sam上臺說：

• 「We’re building the operating system for intelligence.」

——我們正在為智能，打造操作系統(tǒng)。這句話給發(fā)布會做了定調(diào)。核心在描述：AI 該如何與世界對接。

Sam 講得很克制，邏輯非常清晰。他反復(fù)提到兩件事：

一，ChatGPT 已經(jīng)成了人類與 AI 協(xié)作的主要界面」；二，AI 正在從工具變成社會接口。

他說，從搜索、寫作、編程，到溝通、創(chuàng)作、決策，未來這些行為都不需要再打開不同的 App，在 ChatGPT就能完成。

他還提到一個概念，叫「social interface」。

AI除工具本身外，現(xiàn)在成了社會結(jié)構(gòu)的一部分，它要能理解人、協(xié)作、共情，甚至參與工作；這是我第一次在官方場合聽到 OpenAI 這么明確地承認：人機邊界，正在消失。

消失不能靠嘴說，得看怎么做。發(fā)布會第一個重點Apps SDK。

這是什么呢？

現(xiàn)場直接做了一個演示。他們先在 ChatGPT 里聊一個創(chuàng)業(yè)項目，用幾句話描述風(fēng)格、產(chǎn)品、目標受眾，然后直接喚起 Canva，自動生成一堆海報。

幾秒鐘后，又在同一個對話里，說想把業(yè)務(wù)擴到匹茲堡，ChatGPT 就順勢調(diào)用 Zillow，直接在聊天窗口里彈出交互地圖，能看房、能篩選、能預(yù)約帶看，全程不跳出 ChatGPT。

Sam 的團隊刻意在演示里強調(diào)一點：上下文是貫通的。

你前面說的創(chuàng)業(yè)想法、預(yù)算、城市名，后面的 App 都能「聽懂」，還能互相傳遞信息。

過去，這些場景是分散在不同 App 里的，現(xiàn)在被統(tǒng)一進了一個入口：ChatGPT 成了「主操作界面」，它既能喚起應(yīng)用，也能托管界面。

比如 Canva 在對話里展示的是行內(nèi)窗口，一鍵又能切到全屏模式；Zillow 的交互狀態(tài)也能原地刷新，不用重新加載。

底層支撐這件事的，是 OpenAI 推出的 MCP 協(xié)議。

允許開發(fā)者直接把自己的邏輯、數(shù)據(jù)、前端界面「接入」 ChatGPT。這意味著，未來開發(fā)者寫 App，不是給 iOS、Android 寫，而是給 ChatGPT 寫。

換句話說，我們要理解它的野心是：

OpenAI 想讓 App「住進」聊天窗口，這一幕標志著 App Store 邏輯被改寫，應(yīng)用直接跑在對話里。

Apps SDK 解決「應(yīng)用怎么接進來」，那AI怎么被造出來呢？第二部分，他們講了AgentKit，你可以把它想想成agent的工業(yè)化上產(chǎn)線。

以前，做一個智能體（Agent）要靠寫代碼、反復(fù)調(diào) Prompt（提示詞），但現(xiàn)在，OpenAI 直接造了一條生產(chǎn)線——讓任何人都能「拼裝」出一個可工作的 Agent。

他們怎么做的呢？

Christina 上臺做了個演示，整個過程有8分鐘。她沒有寫一行代碼，全程在一個可視化畫布上操作。

她先打開一個叫 Agent Builder（智能體構(gòu)建器） 的界面，這是 AgentKit 的核心。

它有點像 Figma 或者 Node-RED，你可以拖拽節(jié)點（Node），每個節(jié)點代表一個邏輯環(huán)節(jié)，比如「判斷問題類型」「調(diào)用數(shù)據(jù)庫」「輸出回答」。

節(jié)點之間關(guān)系可以是「If / Else（條件分支）」「Parallel（并行執(zhí)行）」「User Approval（用戶許可）」等等。

等等，這段話是不是看不懂？你可以這么理解：

過去做 AI 像寫小說，你得一句一句設(shè)計提示詞，讓模型懂你想干嘛；現(xiàn)在更像搭積木，每個模塊都是標準件，只要把邏輯拼好，它就能自己動。

現(xiàn)場，她做了兩個智能體節(jié)點：

一個是Sessions Agent（會話日程智能體），用來回答活動安排的問題；另一個是Info Agent（信息智能體），專門處理一般咨詢。

這倆 Agent 之間有個中控邏輯節(jié)點（Controller Node），能判斷用戶提問是要問時間還是要問內(nèi)容，再自動把問題分派給不同 Agent 去處理。

接著，她打開了一個叫ChatKit（聊天組件工具包）的模塊，這個功能允許開發(fā)者把 AI 聊天窗口直接嵌入自家網(wǎng)站，并自定義品牌樣式。

簡單說，你可以在自己的網(wǎng)站、App 里放一個「GPT 聊天框」，風(fēng)格、語氣都能自己定義。

02

然后是第三個模塊：Connector（連接器）。這部分是真正強大的地方，它能把 AgentKit 連接到企業(yè)內(nèi)部系統(tǒng)、數(shù)據(jù)庫、甚至 API。

底層用 MCP（Model Context Protocol，模型上下文協(xié)議），讓模型可以「安全地」訪問外部數(shù)據(jù)，不越權(quán)、不泄露。

Christina 現(xiàn)場做了個小實驗：

她讓 AgentKit 直接連上 DevDay 官網(wǎng)，讓它自動識別網(wǎng)頁內(nèi)容、提取活動時間，最后在現(xiàn)場對話框里回答「今天下午誰上臺演講」。

整套邏輯，就是幾分鐘拖拽出來的；這套流程走完，觀眾看傻了，因為在「造員工」。

更關(guān)鍵的是，這條生產(chǎn)線還有「質(zhì)檢系統(tǒng)」。OpenAI 提供了Evals（評測系統(tǒng)），可以自動幫你測試智能體的效果，記錄每一步調(diào)用結(jié)果；

還有RFT（Reinforcement Fine-Tuning，強化微調(diào)），能讓企業(yè)自己訓(xùn)練模型，讓它在最合適的時機，用最恰當(dāng)?shù)姆绞秸{(diào)用工具。

所以，從搭建、測試到上線，這個鏈路全閉環(huán)。

我看下來，AgentKit 的野心不小。

Apps SDK 解決「外部世界怎么接進來」，而 AgentKit 解決「內(nèi)部世界怎么動起來」；從更大的角度看，它是 OpenAI 向企業(yè)端滲透的關(guān)鍵一環(huán)。

因為一旦企業(yè)用上 AgentKit，會自然地在自己的工作流里養(yǎng)出一批「AI 員工」，比如：有人寫報告，有人跑數(shù)據(jù)，有人管客服。

到那時，OpenAI是「讓每個企業(yè)都有一群 AI」。

雖然智遠目前還不會開發(fā) AI，但我開始在想，以后能不能讓AI叫我做事？也許未來的「學(xué)習(xí)」，是工具帶著人前進。

好了，AI能造 Agent，還能自己搭系統(tǒng)了，這套系統(tǒng)的底子是什么？演講第四個模塊，OpenAI 介紹了Codex。

Codex 是什么呢？

這個模型的定位很清晰，專門為軟件工程任務(wù)訓(xùn)練，寫代碼、改代碼、審查代碼，甚至能自己判斷任務(wù)復(fù)雜度，自動調(diào)整思考深度。

簡單說，Codex 現(xiàn)在變成了能帶團隊的老工程師。

Sam 在現(xiàn)場提了個細節(jié)：

OpenAI 內(nèi)部現(xiàn)在幾乎所有新代碼都是 Codex 寫的，用它的工程師，提交量比以前高出 70%；連代碼審查（Code Review）都能讓 Codex 自動先跑一遍，效率直接翻倍。

但 Codex 的野心顯然不止于「更聰明的程序員助手」；這次他們強調(diào)讓 Codex 變成一個懂上下文、能協(xié)作、能「接手項目」的「AI 隊友」。

比如，它能直接嵌入 Slack（團隊溝通平臺），你在群里一句話——「幫我寫個接口」——Codex 立刻生成并返回完整代碼。

它還推出了Codex SDK（軟件開發(fā)工具包），企業(yè)可以把 Codex 能力嵌進自己的自動化流程里，從測試、部署到上線，全程無縫銜接。

后臺也配了監(jiān)控和分析面板，方便工程經(jīng)理追蹤團隊的 AI 使用情況。

但真正讓人炸場的，是后面的那場現(xiàn)場實驗。Raman 登臺時說：「我們想做點所有人都能看見、能感受到的東西。」

他抬頭指著舞臺上方的攝像機——一臺 Sony FR7，然后讓 Codex 幫他寫一個控制面板；幾秒鐘后，屏幕上出現(xiàn)了界面，左邊是實時畫面，右邊是控制按鈕。

他沒寫任何代碼，只是描述需求。

Codex 自己搭好了 Node.js（JavaScript 環(huán)境）邏輯，還主動識別出這臺攝像機用的是 Visca 協(xié)議（視頻控制標準），并自動生成完整通信接口。

接著，它又識別出現(xiàn)場的視覺風(fēng)格，用 Figma 的橙藍配色把整個界面“裝修”了一遍；然后 Raman 又加了一句：「讓 Codex 用 React（網(wǎng)頁前端框架）改成滾動的開發(fā)者名單。」

幾秒鐘后，屏幕上的名字開始動了起來，全場都沸騰了。

所以，你說它在寫代碼嗎？算。更抽象的說，所見即所得的想法告訴它，嗯，它好像可以搞定，感覺在「操作世界」。

03

軟件世界地基搭建完了，輪到大腦登場了。第五部分部分，OpenAI把重點放在了模型與API層。

全新的GPT-5 Pro先上場。

模型的定位是一種「基礎(chǔ)設(shè)施升級」。它更像把過去一年所有 GPT 模型積累的能力重新打磨了一遍。

Sam 說，這一代 GPT-5 Pro 更像整個系統(tǒng)的「通用大腦」，從 ChatGPT 到 Apps SDK、再到 AgentKit 的底層邏輯，全靠它來支撐。

也就是，以后無論你是生成圖片、調(diào)用插件、還是和 Agent 對話，背后跑的，都是這套「主腦」系統(tǒng)。

我看完認為，OpenAI 在把「模型」這件事往后放，模型本身的重要性在降低，生態(tài)的承載力在上升，他們用前端應(yīng)用、操作反哺模型能力的提升。

換句話說，應(yīng)用層收集的數(shù)據(jù)和場景，反過來喂給模型，模型越來越懂世界。

不知道我說的夠不夠清晰？

第二個重磅更新，是 Sora 2 API。被我猜對了，這次正式開放了視頻生成的接口，開發(fā)者可以直接把 Sora 接進產(chǎn)品里。

你可以控制視頻的時長、分辨率、比例、聲音，甚至直接 Remix 已有視頻。

OpenAI 在現(xiàn)場演示了一個例子：

Mattel（美泰玩具）用 Sora 2 讓設(shè)計師從草圖就能生成 3D 可視化玩具概念，連光影、質(zhì)感、動作都能一鍵生成。

我覺得，這次 Sora 2 的突破，是「產(chǎn)品的嗅覺」；它真正打通了「生成」和「現(xiàn)實」之間的那條縫隙，視頻里不只有虛擬角色，還能和真人一起出現(xiàn)、共演。

最后一個，是 GPT Real-Time Mini。

一個更小、更便宜的實時語音模型，用在 ChatGPT 的語音對話，也開放給第三方開發(fā)者。它的延遲低、音質(zhì)高，最關(guān)鍵是成本降了 70%。

OpenAI 說，這個模型能更自然地捕捉情緒，語氣、節(jié)奏、甚至嘆息都能還原得非常人性化。

你要問這三個更新的邏輯是什么？智遠認為，GPT-5 Pro 是“大腦”，Sora 2 是“眼睛”，Real-Time Mini 是“嘴巴和耳朵”。

這一套組合下來，OpenAI 正在搭建一個完整的感知-表達-執(zhí)行鏈路。到這里，整場 DevDay 才算真正落地成一件事：

ChatGPT 是一套操作系統(tǒng)，與人類、世界鏈接的系統(tǒng)。

04

所以，你有沒有發(fā)現(xiàn)，敘事都是邏輯自洽的，這一套模型、產(chǎn)品體系背后在展示一個「自洽閉環(huán)」：

• Apps SDK是入口，解決「應(yīng)用怎么接進來」；AgentKit是執(zhí)行，解決「智能怎么被造出來」；Codex是創(chuàng)造，解決「AI 如何動起來、寫出新世界」
• 模型與 API 層則是底層認知和感知的支撐，讓一切能理解、能表達、能學(xué)習(xí)。

四個模塊環(huán)環(huán)相扣，從「人到對話到Agent到模型到世界」形成完整鏈路。

以前軟件系統(tǒng)，靠「操作邏輯」組織起來；現(xiàn)在，OpenAI 想把整個軟件世界，重新組織成「智能邏輯」。

想想看：

Apps SDK 讓人類和世界通過一個入口互動；AgentKit 讓任務(wù)能在 AI 手中流轉(zhuǎn)；Codex 讓代碼和現(xiàn)實互通；而 GPT-5 Pro、Sora 2、Real-Time Mini，則成了它的思考力、視覺力和聽覺力。

這難道不是一種新的計算范式嗎？

對話成為操作系統(tǒng)，Agent 成為界面，模型成為世界的底層語言；ChatGPT 想把自己做成一個「軟件世界的新瀏覽器」。

智遠認為，表面上是場技術(shù)大會，實際上是一次「權(quán)力轉(zhuǎn)移」。

從「開發(fā)者控制應(yīng)用」，變成「模型驅(qū)動開發(fā)」；從「人教 AI 干事」，變成「AI 教人做事」；從「App 間切換」，變成「統(tǒng)一在 ChatGPT 里完成」。

這場遷移意味著，軟件范式被重新定義：

未來，我們用一套「AI 操作系統(tǒng)」在替我們調(diào)用世界；數(shù)據(jù)在流動中成長，模型在調(diào)用中學(xué)習(xí)，應(yīng)用在對話中繁衍，這，才是整個openAI DevDay 的底層敘事。

那么，從智遠視角來看，哪些地方值得深入挖掘一下呢？

我覺得是這樣。

第一，AgentKit。AI 工業(yè)化的開端；意義在于讓智能體的生產(chǎn)、調(diào)度、復(fù)用都有了標準接口。

過去一年，大家都在說「我要做個 Agent」。可問題是，做完之后誰來管？誰來監(jiān)控它在跑什么？出錯了怎么辦？AgentKit 的出現(xiàn)，要把這些問題系統(tǒng)化。

換句話說，未來的企業(yè)內(nèi)部，真的會出現(xiàn)一個新部門，叫 AgentOps（智能體運維），它負責(zé)配置、調(diào)度、監(jiān)控所有 AI 工人。

第二點，Apps SDK。

表面上，Apps SDK 是幫開發(fā)者「接入 ChatGPT」，但本質(zhì)上，它在改寫整個軟件世界的入口邏輯。

你想想看，用戶不再「打開 App」，用嘴說搞定一切，這意味著App 的「圖標邏輯」正在被「對話邏輯」替代。

這個變化的沖擊力，比 Sora 還大，因為它重新定義了「使用軟件」的動作。

對國內(nèi)廠商來說，這是一場關(guān)于「入口」的戰(zhàn)爭，誰能把自己的產(chǎn)品嵌入AI對話體系，誰就可能拿到下一代流量入口。

至于Codex，意義是AI 的「物理接口」。

Codex 能自動識別設(shè)備協(xié)議，生成控制邏輯，這意味著任何能被網(wǎng)絡(luò)訪問的東西，都能被語言驅(qū)動。

聽起來有點科幻，但你想想：當(dāng) AI 能通過自然語言直接控制設(shè)備、API、機器人、云端系統(tǒng)時，我們就離「語言編程世界」不遠了。

從此之后，開發(fā)者寫代碼的意義也變了，可能會誕生一整套新的生態(tài)：AI 物聯(lián)網(wǎng)、AI 視頻制作、AI 自動化運維……

幾乎每個行業(yè)，都可能因為 Codex 的「操作能力」被重新定義。

要說模型的話，我認為從企業(yè)角度看，這個信號非常明確：別再追「最強模型」，要追「最有反饋的系統(tǒng)」；因為只有能不斷學(xué)習(xí)、不斷嵌入場景的模型，才有長期競爭力。

這整套系統(tǒng)在改寫人、AI、企業(yè)的分工邏輯；人類從「操作者」變成「意圖提供者」，AI 從「工具」變成「執(zhí)行者」。

05

那這次 DevDay，對國內(nèi)廠商有什么啟發(fā)呢？我只想說四句話，一，要有一個好故事。

Oppo AI 在做的事，百度、騰訊、阿里都在做，哪家沒有編程系統(tǒng)？哪家沒有模型？哪家沒有在談 Agent？

問題是，OpenAI 把這一切串聯(lián)起來，講成了一個邏輯自洽的故事。

它讓所有的產(chǎn)品和功能，圍繞一個統(tǒng)一的「敘事重心」展開：AI一套能自我進化的系統(tǒng)。這一點，國內(nèi)廠商很少做到，產(chǎn)品有，戰(zhàn)略有，但故事碎了。

二，要意識到，OpenAI 的每一步都在強化「系統(tǒng)可調(diào)用性」。

無論是對話式 App 還是自動化 Agent，本質(zhì)都是在打造一個「統(tǒng)一操作環(huán)境」。

國內(nèi)很多廠商還停留在「造工具」的階段，但未來的用戶習(xí)慣是用語言對話；要想清楚，產(chǎn)品能不能被那句話喚起？能被喚起的，才叫生態(tài)的一部分。

第三點嗎？就是AgentKit。

目前看還早，不過，他提醒做企業(yè)服務(wù)的平臺，比如釘釘、飛書，AI會成為組織的一環(huán)，所以企業(yè)內(nèi)部遲早會有一個新部門，叫 AgentOps。

這是從「自動化流程」到「智能運營系統(tǒng)」的轉(zhuǎn)型；問題是怎么設(shè)計呢？我不知道。

針對sora，最大啟發(fā)是，怎么把生成視頻工具的動作，變成內(nèi)容生態(tài)的鏈接點。

最后，想提醒國內(nèi)廠商：別再盯著 DevDay 的那些產(chǎn)品更新，要思考——如果今天有 ChatGPT 的體量，會怎么重構(gòu)世界？

國內(nèi)機會，是本地化重構(gòu)，用中國產(chǎn)業(yè)密度、場景復(fù)雜度和 C 端生態(tài)優(yōu)勢，去探索屬于中國的「AI 操作系統(tǒng)路徑」。

參考：

[1].OpenAI. OpenAI DevDay 2025: Opening Keynote with Sam Altman [EB/OL]. YouTube, 2025-10-06.https://www.youtube.com/watch?v=hS1YqcewH0c