OpenAI與Anthropic已進入雙雄時代，谷歌跌出第一梯隊

近半 Token 流向編程，OpenAI 和 Anthropic 正在重塑 AI 競爭格局。

我認為，AI 行業已經進入 OpenAI 與 Anthropic 雙雄競逐的階段，而谷歌在這輪競爭中明顯掉隊。

這不是情緒判斷，而是產品、分發和算力利用方式同時發生了變化。OpenAI 靠新模型和 Codex 重新奪回叙事中心，Anthropic 則憑藉更強的編程口碑和企業心智持續吃下高價值工作負載；與此同時，谷歌雖然手裡握著最強的基礎設施之一，卻沒有把算力優勢轉化成同等強度的產品優勢，反而被戰略遲緩和內部綁定拖住了節奏。

第一個論點：AI 競爭已經從模型戰變成產品戰

市場現在不再只看誰的模型參數更大，而是看誰能把模型變成真正可用的工作流。OpenAI 的 Codex 就是最直接的例子，它不是單純的聊天功能，而是把模型嵌入編程場景，直接切進開發者最願意付費的任務鏈條。

Anthropic 的優勢也不在「更會說話」，而在更適合高頻專業場景。編程任務會消耗大量 Token，而編程恰恰是最容易體現模型能力邊界、也最容易形成訂閱價值的領域。近半 Token 流向編程，說明最值錢的需求已經集中到生產力工具，而不是通用問答；誰能穩定服務這些場景，誰就能拿到更高留存和更強付費意願。

第二個論點：谷歌掉隊，不是沒技術，而是沒把技術變成節奏

谷歌的問題不在於沒有模型，而在於它沒有把模型變成足夠快、足夠清晰、足夠能賣的產品線。大型平台公司常見的毛病在這裡暴露得最明顯：算力和研究資源很強，但產品決策層層受限，最終導致發布節奏慢、定位搖擺、外界感知弱。

更關鍵的是，谷歌的資源結構天然容易形成「算力綁定」。當最強的資產被基礎設施和內部生態消耗掉，真正面向市場的突破就會變慢。OpenAI 和 Anthropic 的打法更激進，它們直接圍繞用戶付費場景做模型優化，先搶開發者和企業預算，再倒逼基礎設施升級；谷歌則更像是在維護一個龐大的技術帝國，而不是在打一場殘酷的產品戰爭。

第二個論點：能力增量正在從預訓練轉向 RL 後訓練

模型能力的提升正在從「更大數據、更大預訓練」轉向「強化學習驅動的後訓練優化」。這意味著真正決定上限的，不只是通用語料，而是模型在具體任務環境裡的試錯、回饋和迭代能力。

這也是為什麼 RL 環境數據會成為新市場。半導體賣的是算力，雲廠商賣的是吞吐，而下一階段的關鍵資產是能讓模型持續變強的交互環境。SemiAnalysis 提到百億美元級別的 RL 環境數據市場，邏輯並不誇張：一旦企業開始為穩定的任務完成率、工具調用準確率和複雜流程執行買單，數據和環境本身就會成為新的基礎設施。

第二個論點：編程吃下近半 Token，錢正在流向最難的任務

編程之所以吃掉近半 Token，不只是因為開發者愛用 AI，而是因為編程天然適合把模型價值變成可計費的結果。代碼生成、除錯、重構、測試和文檔都屬於高密度交互，Token 消耗高，任務鏈長，失敗成本也高，因此最容易放大模型差異。

這對廠商的商業模式影響很直接。訂閱制會被高強度用戶快速放大成本，企業採購又會被預算和合規卡住，最後能活下來的，一定是那些既能壓住推理成本、又能在高價值場景裡穩定交付的玩家。OpenAI 和 Anthropic 都在往這個方向靠，谷歌如果繼續把資源分散在過多戰線，就會在最賺錢的環節上繼續失血。

反方可能怎麼說

反對者會說，谷歌並沒有真正出局。它擁有最強的分發入口、最深的雲基礎設施和最完整的研究體系，只要願意集中資源，反撲並不難。另一些人會認為，OpenAI 和 Anthropic 的領先只是階段性的，因為模型競爭最終會回到成本、規模和生態，谷歌在這些維度上並不弱。

這個反駁有道理，但它忽略了 AI 競爭最殘酷的一點：節奏本身就是壁壘。用戶、開發者和企業預算不會等待一家大公司完成內部重組。谷歌當然有反撲能力，但在當前窗口期裡，它已經失去了定義市場敘事和搶占關鍵工作流的速度。只要產品節奏繼續慢半拍，強資源不會自動變成強結果。

你能做什麼

如果你是工程師，別再把 AI 當作通用聊天工具來評估，直接盯住編程、自動化和任務執行這類高 Token、高頻、高付費意願場景；如果你是 PM 或創辦人，優先圍繞可量化的工作流設計產品，而不是圍繞「更聰明的模型」講故事。未來的贏家不是最會展示能力的公司，而是最會把能力變成穩定收入和可持續成本結構的公司。