Taiyo Inoue 是加州州立大学的数学教授每周他要花四五个小时在课程管理系统里手动更新作业、日历和公告。现在他让 Codex 生成脚本批量处理省出来的时间拿去重新设计了课堂——让学生面对面合作解题的机会多了不少。Luke Xing 左耳有严重且不稳定的听力损失。市面上的助听软件要么太贵要么不支持他的具体情况。他跟 Codex 描述了自己的需求AI 帮他造了一个桌面应用能测不同频段的听力能根据耳机和外放分别调输出。不是医疗器械是商业软件没覆盖到的个人需求他自己解决了。重要的是这两个人之前都不会代码。6 月 2 日OpenAI 发布了一份名为《知识工作的下一个时代》的报告。Codex 周活跃用户突破 500 万比 2 月桌面版上线时增长超过 6 倍。开发者依旧是最大的用户群但知识工作者已经占了约 20%增速是开发者的 3 倍以上。个人用户占比超过 5%增速是开发者的 4 倍主要用在爱好、创意项目、自学、个人财务和娱乐上。增长最快的三个任务类型数据分析周环比增长110%研究37%知识产出物36%。不过这份报告里最有信息量的不是增长曲线而是一张任务分布图——知识工作者在用 Codex 做什么。01一张意料之外的分布图用 Codex 的知识工作者里72% 在做文档47% 在做工程运维46% 在写代码。不是程序员兼职做了点文档。是做表格的人开始写代码了。这些人的正式头衔还是产品经理、分析师、设计师、研究员。只不过现在他们有将近一半的日常工作涉及写代码或者管系统。产品经理自己建仪表盘不排工程队列了研究员自己写数据清洗脚本不提需求给 IT 了设计师直接出可交互原型不经开发之手高管自己造内部工具每周自动出周报。放在两年前这里每一件事都需要找开发帮忙。再来看增长最快的三类任务数据分析周环比增长 110%研究 37%知识产出物 36%。PDF 和电子表格相关用户增长超过 50%。在数据分析里数据标注占了大头也是增速最快的子类。研究类里企业调研、竞品分析、市场规模摸底增长最多。另外还有超过 40% 增长的场景散在各个方向写邮件、设计产品、看合同法规、招聘面试。不是写代码这件事增长最快。是拿代码当工具去干别的事在增长最快。02一个问了40年的问题先说个背景数字。美国超过 40% 的劳动力——大约 7200 万人——从事的都是知识工作分析、写文档、做决策、管系统、搞沟通。Peter Drucker 在 1959 年创造了这个词用来描述「主要输入和输出是符号而不是庄稼或制成品」的职业。软件、工程、科研、管理、教育、医疗、法律、金融、设计、营销、新闻、咨询、公共行政全算。报告花了不少篇幅回答一个老问题电脑发明了 40 多年为什么这 7200 万人还是觉得自己在打杂经济学家索洛Robert Solow在 1987 年观察到计算机时代到处都能看到计算机唯独在生产力统计数据里看不到。后来布林约尔松给这个现象起了个名字——生产力悖论并提出了一个解释信息技术要产生大规模生产力收益组织必须围绕技术重新设计流程、技能和管理结构而不是简单把新技术塞进旧流程里。报告用电力做了个类比。工厂从蒸汽机换成电动机之后一开始只是把电机装在蒸汽机原来的位置。生产力没怎么变。直到工厂重新设计了整条生产线把分布式电机放到每台机器旁边效率才真正飞起来。这个过程花了几十年。知识工作还在等同样的「车间重新设计」。报告把知识工作的日常成本拆成了三种摩擦找信息。麦肯锡的数据显示知识工作者平均 28% 的工作时间花在处理邮件上将近 20% 花在找内部信息或者找能帮忙的同事上。信息藏在收件箱、文件夹、聊天记录、工单系统、仪表盘、会议记录和自己的脑子里——哪儿都有就是不在一个地方。跨工具协调。信息要在团队、工具、格式之间搬来搬去。Email 让通信变快了但通信量翻倍了。文档工具让起草变便宜了但草稿和审批轮次也翻倍了。每个 SaaS 解决了一个问题顺便给了你一堆碎片化工具。审批验证。做完东西要过审。工程团队要跑测试、做 Code Review、部署监控。律所要走合伙人审批和客户确认。科研要做实验复现。这一层成本和前两层不同它不会被自动化消灭但可以被压缩。知识工作还卡在「把电机装在蒸汽机原来的位置」这一步。想想大公司的组织架构是怎么来的——秘书池、跨部门协作组、层层审批链、一摞一摞的文书流转。这些结构的根本原因是什么是生产和搬运文件的成本太高。你需要专人起草、专人审核、专人分发、专人归档。报告的核心判断是Codex 不是来替代知识工作者的它是把 AI 放到离问题最近的地方让每个人自己就能解决以前需要跨部门协调的事。就像当年工厂把电机从中央动力房搬到每台机器旁边一样。当生产文件的成本趋近于零围绕这个成本建起来的组织层级也会被压扁。03四个人的故事报告里放了四个案例。每一个都是「非程序员自己造工具」的故事比数据更直观。GroundVue是一家帮政府做公共信息检索的公司三位创始人之前分别在政府数据和公共政策领域工作。美国大概有 9 万个政府机构关键信息散落在视频、网站和各类地方平台里。GroundVue 用 Codex 去追踪这些难以获取的公共信息源建立持续采集系统。以前要几天到几周的工作现在几分钟。一个小团队干了以前需要一大批技术人员和研究员才能干的活。Proaction做车队管理帮企业管车辆和设备。数据散落在远程监控系统、维修平台、电子表格和员工脑子里。联合创始人用 Codex 把客户对话直接转化为定制方案、流程原型和可交互的演示。五个人的公司不靠通用销售方案靠的是签合同前就把方案跑通。Taiyo Inoue是加州州立大学的数学教授。他用 Codex 做的事看起来很小自动更新课程管理系统里的作业、日历和公告。这些活以前每周要花好几个小时手动维护现在让 AI 帮他生成脚本批量处理。他估算每周省下 4 到 5 个小时。省出来的时间他重新设计了课堂教学让学生有了更多面对面合作解题的机会。Luke Xing左耳有严重且不稳定的听力损失。他跟 Codex 描述了自己的处境AI 帮他造了一个桌面应用能测试不同频段的听力能根据设备调整音频输出。不是医疗器械是一个商业软件没覆盖到的个人需求他自己解决了。四个案例没有一个人的职业是程序员。04一个人变成一个编制4 月中旬不到三分之一的 Codex 用户会在一天内同时跑多个任务。到 6 月这个比例超过了 50%。三个月时间从顺序执行变成了并行执行。一个人同时开着几个任务一个在查数据集一个在写分析脚本一个在生成报告。500 万周活说明有多少人在用。50% 并行说明他们怎么用。后者更重要。05编程正在变成像 Excel 一样的通用技能「人人都会写代码」喊了十年每次都像口号。但现在46% 的知识工作者每周都在用 Codex 写代码增速是开发者的 3 倍以上。个人用户占 5%增速 4 倍于开发者用在爱好、创意项目、自学、个人财务和娱乐上。开发者用 Codex 做文档知识工作者用 Codex 写代码。两边正在向对方的领域渗透。1990 年代财务人员学 Excel 不是为了成为程序员是因为它能直接解决问题。2026 年分析师用 Codex 写脚本也不是为了转行是因为这比提需求排队等 IT 快。区别在于门槛表格软件要学函数语法Codex 只需要用自然语言描述需求。再回到那张任务分布图。72% 做文档47% 做运维46% 写代码——这三个数字勾勒出的不是「非开发者偶尔碰碰代码」而是「代码已经成了知识工作的常规工具」。报告最后还给了四条政策建议公共机构应该用 Agent 改造工作流并量化效果AI 素养应该当基础设施来建进学校、进社区大学、进图书馆AI 落地应该让一线员工主导因为离问题最近的人最知道哪里该改政府采购应该按「要解决的问题」而不是「要买的软件」来招标。这四条指向同一个判断最大的回报不在大公司总部而在诊所、实验室、地方政府办公室和小工厂里。一个左耳听力受损的人自己造了一个商业软件公司没做的听力辅助工具。一个数学教授每周省下 5 个小时行政时间用来教学生。一个五人的车队管理公司签单前就能给客户跑出定制方案。这些事两年前都不会发生。本文部分图片来源于网络版权归原作者所有如有疑问请联系删除。