过去一年，如果你问硅谷哪个 AI 产品增长最猛，答案大概率会说 DeepSeek、Claude，或者某个开源模型。
但还有一个更安静的信号，藏在 OpenAI 内部。
Codex，这个最初定位为"AI 编码助手"的产品，今年 1 月以来周活跃用户增长了 5 倍以上，目前达到 500 万。真正值得追问的不是 500 万这个数字，而是增长曲线的形状——知识工作者（非开发者）采用 Codex 的速度，是开发者群体的 3 倍以上。
一个编码工具，非开发者比开发者用得还多。
这不是一次产品迭代的效果，也不是一个功能更新的结果。它揭示了一个正在发生的结构性变化：AI 产品的价值单位，正在完成一次根本性的迁移。
一、从"创造代码的能力"到"操作计算机的能力"
Codex 最早是命令行工具，后来做成独立桌面 App，定位非常明确：一个开发者工具——能看代码，但不让编辑代码。
转折发生在 2025 年底到 2026 年初的 OpenAI 内部试用。工程和研究团队的反馈是正面的、清晰的。但团队意外发现，市场、公关、财务、法务——几乎所有部门的人都在用这个 App，尽管界面里全是代码和命令行权限申请。
一个人的行为比他的头衔更有说服力。
当财务分析师主动在一个编码工具里操作 Excel 插件完成财务建模，当摄影师用 Codex 直接编辑 Premiere Pro 工程文件来剪辑宣传视频——用户用脚投票的结果是：Codex 真正卖出的是"操作计算机的能力"，而不是"写代码的能力"。
这不是语义游戏。写代码只是操作计算机的一种形式。Codex 之所以爆发，是因为它找到了比写代码更通用的价值：让所有知识工作者都能通过自然语言，操作任何软件。
摄影师做不了的事情，Codex 帮他做了——通过给自己写一个 Premiere Pro 扩展插件，然后通过这个插件和 Premiere"对话"。这个案例里，代码不是目的，操作 Premiere 才是。
Codex 桌面应用团队负责人 Andrew Ambrosino 把这种模式总结得很清楚：这个世界上已经存在大量在各自领域做到极致的专业工具，Codex 不需要重新造一个更好的视频编辑器。它只需要学会使用现成的工具——通过 connectors、computer use、或者扩展插件。
这是一个关键的认知跃迁：AI 产品的竞争，正在从"建新的"转向"用旧的"。
二、实现变便宜了，什么变贵了？
Andrew 在访谈中提到了一个观察，值得单独拿出来。
几年前，产品开发的逻辑是：实现很贵。所以在动手写代码之前，你要做大量的事前去风险工作——写文档、做研究、做原型，目的是让设计更便宜。因为实现成本高昂，你必须在前期把一切梳理清楚。
今天这个假设完全反转了。在 OpenAI，每个人都拿着大量 token，每个人都有很好的想法，每个人都在做东西。结果是，一个需要做的功能，可能有 90 个不同的团队在同时探索 90 种不同的实现方式。
实现不再是稀缺资源。策展才是。
Andrew 直言不讳：真正变贵的是"品味"。更具体地说，是策展的过程——当你面对 90 种不同的尝试，你需要判断：哪些值得保留？这些东西如何折叠进其他功能？这个切换按钮应该有几个段位？这个交互的节奏是对的吗？
他把品味拆成了几个层次：有美学层面，但那只是一部分；有系统思维的层面（这个东西如何融入整个系统）；有方向感的层面（这是什么主题的一部分）；有呈现方式的层面。
但最核心的品味问题是这样的：如果我们能建造任何东西，那么我们想要什么？
这是一个只有人类才能回答的问题。也是在这个"实现免费"的时代，人类大脑仍然最有价值的地方。
这个观察的价值不止于 Codex。它指向一个更普遍的规律：每当智能成本趋近于零，判断力的价值就趋近于无穷。
三、"大本营"而非"超级应用"
外界把 Codex 和 ChatGPT 合并的方向称为"超级应用"（super app），Andrew 说他挺后悔有人说出这个词。
他更认同的比喻是"home base"（大本营）。
区别在哪里？
超级应用的逻辑是"所有事情都在我这里完成"。关上大门，自建一切。这是微信、Grab、Gojek 的逻辑。
大本营的逻辑是"你从我开始，但你不需要在我这里结束"。有些事情可以在内部完成，另一些则负责去调用、打开别的应用来完成——比如连接 Excel，或者和用户桌面上的 Microsoft Excel 插件对话。
Andrew 举了一个具体的例子：对于要在 OpenAI 做几十亿美元规模融资、需要做复杂财务建模的人来说，Codex 内置的电子表格编辑器远远不够。所以解决方式不是继续堆功能，而是让 App 直接和用户桌面上的 Excel 对话，等事情做完，用户把 Excel 关掉。
这套逻辑隐含了一个非常重要的产品哲学：AI 产品的边界不是由功能定义的，而是由"用户从它开始一天的工作"这个事实定义的。
你在这里开始工作，结束工作，把工作自动化。需要用到什么工具，它就去调用什么工具。工具的界面是透明的，你甚至不需要切换窗口——但背后运行的是 Photoshop、Premiere、Excel、VS Code 这些几十年积累的成熟工具。
这是一个与"取代一切"完全相反的产品策略。它承认现有专业工具的价值，承认深度场景需要深度软件来完成。AI 要做的不是在浅层上做平替，而是在更底层做连接。
四、当 AI 产品不再问"你会什么"，而问"你要什么"
把视角从 Codex 拉远一点。
同步发生的事情不止这一件。
MiniMax 发布 M3 时，最醒目的 Benchmark 不再是 MMLU、GSM8K，而是 SWE Bench、BrowserComp、Terminal Bench、OSWorld。这些东西测试的不是模型"知道什么"，而是模型"能完成什么"。
Claude Code 强调的是开发工作流，不只是一个问答界面。OpenAI 的 Operator、Computer Use 关注的是任务执行，不只是一个对话。Google 在 Workspace 里不断强化 Gemini 的主动协同能力。
整个行业都在做同一件事：把 AI 的价值单位，从"回答"变成"任务"。
Token 是输入和输出。一次对话是单个回合。但一项任务涉及多个回合、多个工具、多个系统和上下文切换。
为什么这种变化值得关注？因为在商业世界里，客户为回答付费的意愿极低（搜索是免费的），但客户为任务付费的意愿极高（我用 Excel 做财务模型，年费几千美元）。
Token 从来不是真正的商业模式单元。Task 才是。
第一代 API 公司卖的是 Token，收入来自调用次数。第二代 AI 产品公司卖的是 Workflow，收入来自任务完成度和深度场景绑定。MiniMax M3 展会的核心内容，不是更强的推理能力，而是能进入办公流程、研发流程、企业系统的完整工作流能力。
当你卖的从"回答"变成"任务"，你的竞争对手也从其他模型公司，变成了所有定义企业工作方式的软件平台——浏览器、IDE、Office、ERP、CRM。
这是完全不同的战场。
五、所以，我们能从 Codex 的增长中学到什么？
说三条可以带走的判断：
如果你在规划 AI 产品——
别再问"我的模型能做什么"，开始问"我的产品能帮用户完成什么完整任务"。Codex 之所以爆发，不是因为它写代码更快，而是因为它帮摄影师剪完了视频。从"能力思维"切换到"任务思维"，产品的天花板会瞬间放大一个数量级。
如果你在用 AI 做知识工作——
用 Codex / Claude Code / Cursor 的目的，不是替代那些你在用的专业工具。而是让 AI 成为你所有工具的"遥控器"。策略是：保持把专业软件用在专业场景，用 AI 做跨工具的协调和自动化。两件事不矛盾，互不取代，互相增强。
如果你是管理者——
"实现变便宜了，品味变贵了"这个趋势，不只适用于 Codex 团队。它适用于你团队中的每一个角色。当 AI 能产出 90 种不同方案时，你的团队最需要的能力不是"产出更多方案"，而是"判断哪个方案是对的"。培养品味、训练判断力、鼓励策展——这些"不能写 prompt 完成"的能力，才是未来最稀缺的人才信号。
本文核心素材来自 OpenAI Codex 桌面应用团队负责人 Andrew Ambrosino 与 Lenny Rachitsky 的访谈，以及机器之心的中文编译。