每周500万用户，较年初增长400%——这是OpenAI Codex在2025年6月交出的成绩单。但真正值得关注的不是这个增长数字本身，而是OpenAI在Codex用户量爆发的同时，做出了一个看似”向下”的战略动作：收购一家提供安全预配置云环境的创业公司Ona。（来源: OpenAI官方博客, 2025-06-09）

一家拥有全球最强大语言模型的公司，为什么要去做”云环境”这种看起来属于AWS、Azure领地的脏活累活？收购金额未披露，但这笔交易的战略意义远超财务数字本身。

答案藏在OpenAI官方博客的一句话里：「最有价值的工作正在数小时或数天内展开，而非分钟级。」（来源: OpenAI官方博客, 2025-06-09）

这句话揭示了一个被大多数人忽略的结构性变化：当AI Agent的任务时长从”秒级对话”延伸到”天级执行”时，整个技术栈的瓶颈不再是模型能力，而是执行环境的持久性和安全性。OpenAI收购Ona，本质上是在抢占AI时代的”操作系统层”——一个比模型本身更具平台锁定效应的战略位置。

第一章：Codex的进化——从「回答问题」到「完成项目」

1.1 500万周活用户背后的任务形态变迁

OpenAI在2025年5月发布的Codex产品更新博客中披露，Codex每周拥有500万活跃用户，较2025年初增长400%。（来源: OpenAI官方博客, 2025-05-16）这个增速本身已经令人瞩目，但更关键的信息在于：这些用户正在将越来越复杂的任务交给Codex处理。

早期的Codex使用场景是典型的”请求-响应”模式：开发者提出一个编码问题，模型在几秒到几分钟内返回答案。这种交互模式与ChatGPT本质上没有区别——只是领域更垂直。但随着用户规模扩大和模型能力提升，一种新的使用范式正在浮现：开发者不再要求Codex”回答一个编码问题”，而是要求它”完成一个编码项目”。

从”回答问题”到”完成项目”，看似只是任务粒度的变化，实则涉及整个技术架构的根本重构。一个”项目级”任务意味着：

  • 时间维度延伸：Agent需要持续运行数小时甚至数天，而非秒级响应
  • 状态管理复杂化：Agent需要记住自己在项目中的进度、已做的决策、待处理的依赖
  • 环境交互多样化：Agent需要访问代码仓库、运行测试、部署服务、读写文件系统
  • 安全边界清晰化：Agent操作的是客户真实的代码和基础设施，不能出错

1.2 “分钟级”到”天级”的鸿沟

从技术架构角度看，”分钟级任务”和”天级任务”之间存在一道巨大的工程鸿沟：

分钟级任务的技术需求相对简单：一个无状态的API调用，加上足够的推理算力，就能完成。模型接收输入，生成输出，交互结束。即使需要多轮对话，整个会话的上下文也可以装进一个prompt窗口里。

天级任务则完全不同。一个运行72小时的Agent需要：

  • 持久化的文件系统来存储中间产物
  • 可靠的进程管理来处理中断和恢复
  • 隔离的网络环境来防止安全泄露
  • 版本化的状态快照来支持回滚
  • 与外部系统（Git、CI/CD、数据库）的持久连接

这些需求加在一起，描述的不是一个”更强的模型”，而是一个”完整的计算环境”。这就是Ona存在的意义。

1.3 Codex为何需要”自己的云”

一个自然的问题是：为什么不直接用AWS或Azure？为什么OpenAI需要自己掌控执行环境？

答案涉及三个层面：

第一，延迟和集成度。 当Agent需要在推理过程中频繁与环境交互（读取文件、运行代码、检查结果），模型和执行环境之间的延迟就变成了关键瓶颈。如果模型在OpenAI的推理集群上运行，而执行环境在客户自己的AWS账户里，每次交互都要跨越网络边界，延迟会显著拖慢任务完成速度。

第二，安全模型的差异。 传统云环境的安全模型是为人类操作者设计的——通过IAM角色、密钥管理、网络ACL来控制访问。但AI Agent的安全需求不同：它需要”最小权限”的动态分配，需要对每个操作进行审计，需要在Agent”失控”时能够即时熔断。这需要一套专门为AI Agent设计的安全架构。

第三，也是最重要的——平台锁定。 如果OpenAI让客户在自己的云环境里运行Agent，那OpenAI就只是一个”模型供应商”，随时可以被替换。但如果OpenAI提供了一个专门为Agent优化的执行环境，客户的工作流、数据、配置都沉淀在这个环境里，切换成本就会指数级上升。

第二章：Ona是什么——AI Agent的「不关机工作台」

2.1 Ona的核心产品定义

根据OpenAI于2025年6月9日发布的收购公告，Ona是一家提供「安全预配置云环境」的创业公司，AI Agent可在其中访问工具、系统和上下文来完成任务。（来源: OpenAI官方博客, 2025-06-09）

拆解这个定义中的每一个关键词：

  • 安全：环境是隔离的，Agent的操作不会泄露到外部，客户数据得到保护
  • 预配置：环境不是空白的虚拟机，而是已经安装好了Agent需要的工具链和依赖
  • 云环境：不是本地的，是可弹性伸缩、可远程访问的
  • 访问工具、系统和上下文：Agent不是在真空中运行，而是可以连接到客户的现有基础设施

最后一点尤为关键——”上下文”。这意味着Ona提供的不只是计算资源，还包括Agent理解和完成任务所需的背景信息的持久化存储。

2.2 “持久化工作空间”的技术含义

要理解Ona的价值，需要先理解当前AI Agent面临的一个核心技术限制：无状态性。

当前大多数AI Agent的运行模式本质上是无状态的：每次调用时，Agent从零开始理解任务，执行操作，返回结果，然后”忘记”一切。即使有上下文窗口的记忆，也是临时的、易失的。一旦会话结束或token窗口溢出，之前的所有工作状态就丢失了。

这在”分钟级任务”中不是问题——任务足够短，不需要持久记忆。但在”天级任务”中，这就变成了致命缺陷。想象一个Agent正在重构一个大型代码库：它需要记住哪些文件已经修改、哪些测试已经通过、哪些依赖需要更新、哪些决策已经做出。如果每次”醒来”都要重新理解整个项目状态，效率会极其低下。

Ona提供的”持久化工作空间”解决的正是这个问题。它为Agent提供了一个”不关机的工作台”——Agent可以在这里保存中间状态和工作进度，维护一个持续更新的项目理解，存储已完成的子任务结果，保留与外部系统的连接配置。

2.3 从Docker容器到Agent工作空间：抽象层级的跃升

传统的开发者工具已经有了”隔离执行环境”的概念——Docker容器、Kubernetes Pod、GitHub Codespaces。那Ona提供的东西和这些有什么本质区别？

区别在于抽象层级和设计对象。

Docker容器的设计对象是人类开发者：它提供了一个干净的、可重复的环境，让开发者可以专注于编码而不用担心”在我机器上能跑”的问题。它的交互界面是终端、文件系统、网络端口——都是为人类的操作习惯设计的。

Ona的设计对象是AI Agent：它需要考虑的是Agent的”认知特点”——Agent如何感知环境状态？如何高效地读写大量文件？如何在长时间运行中维护一致性？如何在出错时安全回滚？

具体而言，一个为Agent设计的工作空间可能需要：

  • 语义化的状态表示：不是原始的文件系统快照，而是Agent可以快速理解的结构化状态描述
  • 操作原子性保证：Agent的每个”动作”要么完全成功，要么完全回滚，避免半完成状态
  • 并行任务隔离：多个Agent子任务可以并行运行在隔离的分支环境中，最后合并结果
  • 审计和可解释性：每个Agent操作都被记录，客户可以随时审查Agent”做了什么”

2.4 Ona团队并入Codex的信号

OpenAI明确表示，Ona团队将加入Codex部门，为长时间运行的Agent任务提供客户自控的云基础设施。（来源: OpenAI官方博客, 2025-06-09）

“客户自控”这个表述值得注意。它暗示了一种特定的部署模式：执行环境在客户的控制范围内（可能是客户自己的VPC或专属租户），但由OpenAI的平台来编排和管理。这种模式在企业级市场极其重要——大企业通常不愿意让自己的代码和数据离开自己的安全边界。

将Ona团队并入Codex而非独立运营，也表明OpenAI将Agent执行环境视为Codex产品不可分割的一部分，而非一个可以单独售卖的基础设施服务。这意味着OpenAI的策略是垂直整合：模型+执行环境+工作流作为一个完整的产品交付给客户。

第三章：竞争格局——谁在控制Agent的工作环境？

3.1 Agent执行层：新的战场

AI Agent的技术栈可以粗略分为三层：

  • 模型层：提供推理能力（OpenAI GPT系列、Anthropic Claude、Google Gemini）
  • 编排层：管理Agent的任务分解、工具调用、记忆管理（LangChain、CrewAI、各家自研）
  • 执行层：Agent实际运行和操作的环境（这是Ona所在的位置）

过去2年，行业关注的焦点几乎全部在模型层。但执行层一直是被忽视的”最后一公里”。现在，几乎所有主要玩家都在同时向这个层面发力。

3.2 AWS的AgentCore

Amazon Web Services在2025年6月（AWS re:Inforce大会期间）正式推出了Amazon Bedrock AgentCore，定位为”企业级AI Agent的运行时基础设施”。（来源: AWS官方文档, 2025-06）AgentCore提供的核心能力包括：Agent身份与访问管理、运行时安全沙箱、内存与会话状态管理，以及与AWS生态（Lambda、S3、DynamoDB等）的原生集成。

AWS的优势是显而易见的：它已经拥有全球最大的云基础设施，据Synergy Research Group 2025年Q1数据，AWS占全球云基础设施市场约31%的份额。企业客户的数据和应用大多已经在AWS上运行，让Agent在同一个环境中运行减少了数据移动和安全合规的复杂度。

但AWS的劣势同样明显：它是模型无关的（model-agnostic）。这意味着它无法做到模型和执行环境的深度优化整合。Agent在AWS上运行时，模型推理和环境操作之间始终存在一个API边界，无法实现OpenAI那种模型与环境的紧密耦合。

3.3 Microsoft的Azure AI Foundry

Microsoft通过Azure AI Foundry提供了Agent的运行时环境，于2024年11月在Ignite大会上首次发布，2025年持续迭代。（来源: Microsoft Azure官方文档, 2025）作为OpenAI最大的投资方（累计投资超过130亿美元），Microsoft在这个领域的定位尤为微妙。

Microsoft的策略是将Agent运行时作为Azure平台服务的一部分，与Microsoft 365、Dynamics 365、GitHub Copilot等产品深度集成。这给了它在企业生产力场景中的独特优势——Agent可以直接操作企业已有的Microsoft工具栈。

但这也引出了一个有趣的张力：OpenAI收购Ona并自建执行环境，是否意味着OpenAI正在与Microsoft产生竞争？至少在”谁控制Agent的运行环境”这个问题上，两者的利益不完全一致。2025年初OpenAI与Microsoft修订合作协议、OpenAI获得更大独立运营空间的报道（来源: The Information, 2025-01），为这种张力提供了佐证。

3.4 OpenAI的差异化定位

与AWS和Microsoft相比，OpenAI通过收购Ona进入执行层的定位有何不同？

AWS的逻辑是：我提供基础设施，你在上面跑任何模型的Agent。这是典型的”卖铲子”策略。

Microsoft的逻辑是：我提供完整的企业生产力平台，Agent是平台能力的一部分。这是典型的”生态绑定”策略。

OpenAI的逻辑是：我提供最强的模型+最优化的执行环境，两者深度整合后的效果远超分离部署。这是典型的”垂直整合”策略——类似Apple将芯片、操作系统和应用生态垂直整合的路径。

OpenAI的赌注在于：模型和执行环境的深度整合能创造出1+1>2的效果。具体而言：

  • 模型可以感知执行环境的实时状态，做出更好的决策
  • 执行环境可以根据模型的推理模式进行优化，减少不必要的开销
  • 安全策略可以在模型推理层面就进行约束，而不是在执行后才检查
  • 错误恢复可以利用模型的理解能力自动完成，而不需要硬编码的重试逻辑

3.5 Anthropic与Cognition的竞争动态

Anthropic在2024年10月发布了Claude的”Computer Use”能力，允许Agent直接操作计算机界面——点击按钮、输入文本、浏览网页。（来源: Anthropic官方博客, 2024-10-29）这代表了一种不同的技术路线：不是为Agent构建专用环境，而是让Agent适应人类已有的计算环境。

另一个值得关注的玩家是Cognition Labs的Devin——号称”第一个AI软件工程师”。Devin在2024年3月发布时就内置了自己的开发环境，包括代码编辑器、浏览器和终端。（来源: Cognition Labs, 2024-03）Devin的定价模式也值得注意：它按月订阅收费（500美元/月），而非按token计费，这与本文后续讨论的商业模式转变方向一致。

这些竞争动态表明，”Agent需要自己的执行环境”已经成为行业共识，分歧只在于谁来提供、如何架构。

3.6 竞争格局的核心矛盾

这场竞争的核心矛盾在于：Agent执行环境是应该由模型提供商控制，还是由基础设施提供商控制？

支持”模型提供商控制”的论点：

  • 模型和环境的深度整合能带来更好的性能和体验
  • 模型提供商更理解Agent的行为模式，能设计更合适的环境抽象
  • 端到端的责任归属更清晰，出了问题找一家公司就行

支持”基础设施提供商控制”的论点：

  • 企业不想被单一模型供应商锁定
  • 基础设施层面的安全合规经验更丰富
  • 多模型混用是趋势，执行环境应该是中立的

我的判断是：短期内（12-24个月），垂直整合会胜出。原因很简单——当前Agent技术还处于早期阶段，模型和环境的深度整合对于解决可靠性问题至关重要。但长期看（3-5年），执行环境会逐渐标准化和中立化。就像今天的容器运行时（containerd）是中立的一样，未来的Agent运行时也会走向标准化。问题只是：谁来定义这个标准？OpenAI通过收购Ona，正在试图成为标准的制定者。

第四章：商业模式变革——从Token计费到「工时」计费

4.1 当前AI商业模式的局限

当前AI模型的主流商业模式是按token计费：OpenAI的GPT-4o输入价格为每百万token 2.5美元，输出为10美元（截至2025年6月）。这个模式简单透明，但有一个根本性问题——它衡量的是投入而非产出。

对客户来说，重要的不是”我用了多少token”，而是”Agent帮我完成了多少工作”。一个Agent可能用了100万个token但什么也没完成（陷入循环），也可能用了10万个token就解决了一个关键bug。按token计费无法区分这两种情况。

更重要的是，按token计费天然地激励模型提供商降低每次交互的token消耗，而不是激励它们让Agent完成更复杂的任务。这与OpenAI”最有价值的工作在数小时或数天内展开”的愿景是矛盾的。

4.2 持久化工作空间催生新的计费逻辑

Ona的持久化工作空间为一种新的商业模式提供了基础设施支撑：按工时或按任务计费。

行业中已有先例指向这个方向。Cognition Labs的Devin采用月订阅模式（500美元/月），GitHub Copilot Workspace按月订阅（包含在GitHub Copilot Enterprise的39美元/用户/月中），而Factory AI（另一家AI编码Agent公司，2024年获得Sequoia领投的5000万美元融资）则按任务完成量计费。（来源: TechCrunch, 2024-04）

想象这样一个场景：客户给Codex一个任务——”重构这个微服务的数据库层，从MySQL迁移到PostgreSQL，确保所有测试通过”。这个任务可能需要Agent工作8-12小时，涉及分析现有代码结构、设计迁移方案、逐步修改代码、运行测试并修复失败、生成迁移文档。

在这种模式下，计费方式可能变成：

  • 按Agent运行时长计费（类似云计算的按小时计费）
  • 按任务完成计费（类似外包的按项目计费）
  • 按环境资源消耗计费（计算+存储+网络）

这三种模式都需要一个前提：Agent有一个持久化的、可计量的运行环境。这正是Ona提供的。

4.3 从”模型即产品”到”Agent即服务”

按token计费时，OpenAI卖的是”模型能力”——一种原材料。客户购买token就像购买电力——按用量付费，用途自定。

但有了持久化工作空间后，OpenAI有机会卖的是”Agent服务”——一种解决方案。客户购买的不是原材料，而是”一个能干活的AI员工的工时”。

这个转变对OpenAI的财务模型有深远影响：

收入天花板大幅提升。 按token计费时，价格战是不可避免的——token是同质化产品，谁便宜用谁。但按任务/工时计费时，定价基准变成了”这个任务如果让人来做要花多少钱”。根据Glassdoor 2025年数据，美国高级软件工程师的平均年薪约为18万美元，折合每日成本约900美元（含福利和管理开销后约1200-1500美元）。如果Agent能在一天内完成同等质量的工作，即使收费500美元，客户也会觉得划算。

客户粘性显著增强。 当客户的项目状态、工作流配置、历史决策都沉淀在OpenAI的持久化工作空间中时，切换到另一家模型提供商的成本不再只是”换一个API endpoint”，而是”迁移整个工作环境”。

利润率结构改变。 Token计费模式下，成本主要是GPU推理算力，毛利率相对固定。但在Agent服务模式下，利润率的优化空间更大——特别是当多个客户可以共享某些基础环境配置时。

4.4 对竞争对手的影响

如果OpenAI成功实现从token计费到工时/任务计费的转变，对竞争格局的影响将是深远的：

对开源模型的影响： Meta的Llama 3.1（4050亿参数版本）在许多benchmark上已接近GPT-4水平，且模型权重免费。开源模型在token级别的竞争中有天然优势。但在”Agent服务”层面，开源模型缺乏完整的执行环境支撑，很难提供同等水平的端到端体验。这可能成为闭源模型公司的护城河。

对云厂商的影响： AWS、Google Cloud、Azure目前的AI收入主要来自GPU算力租赁和API调用。多家投行2025年上半年的行业研究报告（包括 Goldman Sachs、Morgan Stanley 等）估计，全球企业在AI基础设施（GPU集群、AI云服务等）上的年度支出已达数千亿美元量级；Goldman Sachs 2025年5月的报告估计全球AI基础设施支出将在2025年达到约2000亿美元。（来源: Goldman Sachs Global Investment Research, 2025-05，原报告需订阅权限）如果Agent服务模式成为主流，云厂商要么自己提供完整的Agent服务，要么接受自己变成纯粹的基础设施供应商。

第五章：大多数人没看到的——平台化转型的深层逻辑

5.1 为什么是现在？

OpenAI选择在Codex用户达到500万/周、增长400%的时间点收购Ona，时机选择不是偶然的。

当用户量处于爆发增长期时，正是定义平台架构的最佳窗口。原因如下：

  • 用户习惯尚未固化： 在增长期引入新的环境抽象，新用户直接在新架构上开始，老用户也更愿意尝试。
  • 数据飞轮启动： 持久化工作空间意味着OpenAI可以观察到Agent在真实环境中的行为模式——哪些操作成功率高、哪些场景容易失败、客户的典型工作流是什么。这些数据反馈到模型训练中，形成强化循环。
  • 竞争窗口有限： AWS AgentCore和Microsoft Foundry都在快速迭代。如果OpenAI不尽快建立自己的执行环境能力，就只能在别人的平台上运行自己的Agent——失去对用户体验和数据的控制权。

5.2 “模型即商品”的幽灵

OpenAI收购Ona的深层焦虑，可能来自一个行业共识正在形成的判断：模型能力正在快速商品化。

过去18个月，我们看到了模型能力的快速追赶：Meta Llama 3.1、Mistral Large 2、阿里巴巴Qwen 2.5等开源模型在许多任务上已经接近闭源模型的水平。据LMSYS Chatbot Arena 2025年6月的排名数据，排名前20的模型中有7个是开源或半开源的。多家公司同时达到了”足够好”的能力阈值，模型之间的差异化越来越依赖于特定场景的微调而非通用能力。

如果模型真的变成商品，那么单纯卖模型API的公司最终会陷入价格战——就像云计算领域的存储和计算已经变成了低利润的商品。OpenAI的应对策略是：在模型之上和之下同时构建护城河。

  • 之上：ChatGPT（月活用户超过4亿，据OpenAI 2025年5月披露）、Codex等终端用户产品，通过品牌和用户体验锁定消费者
  • 之下：持久化工作空间等执行环境基础设施，通过数据沉淀和工作流锁定企业客户

收购Ona是”之下”这条线的关键一步。

5.3 数据沉淀的战略价值

持久化工作空间最被低估的价值不是技术能力本身，而是数据沉淀。

当企业客户的Agent在OpenAI提供的工作空间中运行时，以下数据会自然沉淀：企业的代码库结构和技术栈偏好、项目管理的模式和决策逻辑、团队的工作流和审批流程、历史任务的执行记录和成功模式。

这些数据对于提升Agent在该客户环境中的表现极其宝贵。随着时间推移，Agent会越来越”了解”这个客户——知道他们的代码风格、知道他们的测试标准、知道他们的部署流程。这种”了解”构成了极强的切换成本：换一个模型供应商意味着从零开始”教”新的Agent所有这些上下文。

这与Salesforce的商业模式有异曲同工之处：Salesforce 2025财年收入达到349亿美元（来源: Salesforce FY2025财报），其护城河不在于CRM软件功能本身（功能是可复制的），而在于沉淀在其中的客户关系数据。一旦企业在Salesforce中积累了10年的客户数据，切换到竞品的成本就变得不可接受。

OpenAI正在为AI Agent构建同样的数据护城河。

5.4 从”Operating System”到”Operating System for AI”

如果我们把视野拉得更远一些，OpenAI通过Ona构建的东西，本质上是一个AI Agent的操作系统。

传统操作系统（Windows、Linux、macOS）为人类用户提供了进程管理、文件系统、安全模型、设备抽象、网络栈。AI Agent的”操作系统”需要提供：

  • 任务管理（运行Agent任务，支持长时间运行和中断恢复）
  • 状态持久化（存储Agent的工作状态和中间产物）
  • 安全沙箱（控制Agent的操作范围，防止越权）
  • 工具抽象（屏蔽不同工具和API的差异）
  • 上下文管理（维护Agent对任务和环境的理解）

历史告诉我们，操作系统层的控制者往往比应用层的玩家拥有更持久的竞争优势。Microsoft Windows的统治持续了30年，不是因为Windows比其他操作系统好多少，而是因为整个生态都围绕它构建，切换成本高到不可接受。

如果OpenAI成功将其Agent执行环境确立为事实标准，它就不再只是一个”模型公司”，而是成为AI时代的”平台公司”。

第六章：风险评估与反面论证

6.1 反面观点一：OpenAI在基础设施领域缺乏积累

一个合理的质疑是：OpenAI是一家AI研究公司，它有能力做好云基础设施吗？

AWS有近20年的云计算运营经验（2006年正式推出S3和EC2），Google Cloud有全球最强的网络基础设施，Microsoft Azure有企业级服务的深厚积累。OpenAI在这些方面的经验几乎为零。收购一家创业公司（Ona）能弥补这个差距吗？当Codex的500万周活用户都开始使用持久化工作空间时，运维压力会呈指数级增长。

我的判断是：这个风险是真实的，但不是致命的。原因有二：OpenAI不需要从零构建底层基础设施——它可以（也确实在）使用Azure的底层计算和存储服务，只是在上面构建Agent特化的抽象层；Agent执行环境的核心竞争力不在于基础设施的可靠性（这可以通过成熟的云服务保证），而在于Agent特化的设计——这恰恰是OpenAI最擅长的。

6.2 反面观点二：企业客户可能不愿意被锁定

企业IT领导者的一个核心关切是避免供应商锁定。据Flexera 2025年云状态报告（State of the Cloud Report 2025），89%的企业采用多云策略。（来源: Flexera, https://www.flexera.com/learn/cloud/state-of-the-cloud, 2025-04）让Agent运行在OpenAI自有的环境中，与这个理念是矛盾的。

特别是对于大型企业来说，将核心代码库和业务逻辑暴露给一个AI模型公司的环境，合规和安全审查可能极其漫长。

但反驳这个观点的是：OpenAI在官方声明中强调了”客户自控的云基础设施”（来源: OpenAI官方博客, 2025-06-09）。这暗示Ona的架构可能支持在客户自己的VPC中部署，OpenAI只提供管理和编排能力而不触碰客户数据。如果这个模式成立，锁定的担忧会大大缓解——虽然不会完全消除。

6.3 反面观点三：Agent可靠性还不够支撑”天级任务”

最根本的质疑可能是：当前的AI Agent真的能可靠地执行”数小时或数天”的复杂任务吗？

实事求是地说，答案是”还不能完全做到”。据SWE-bench Verified基准测试（swe-bench.com，截至2025年6月公开排行榜），最强的Agent系统在真实GitHub issue修复任务上的成功率约为50-60%，这意味着接近一半的任务仍然会失败。（来源: SWEbench Verified Leaderboard, https://www.swebench.com, 2025-06）当前的Agent在长时间运行中仍然面临上下文遗忘和偏移、错误积累和级联失败等问题。

但这正是为什么OpenAI要在现在而非等到Agent完全可靠时才构建执行环境。执行环境本身就是提升Agent可靠性的关键基础设施——通过更好的状态管理、更频繁的检查点、更安全的错误恢复机制，环境可以补偿模型的不足。这就像汽车的安全气囊和ABS系统——它们不能让驾驶员不犯错，但可以在犯错时减少伤害。

结语：So What——这对你意味着什么？

对开发者

如果你正在构建AI Agent产品，Ona的收购传递了一个明确信号：Agent的执行环境正在从”自己搭建”变成”平台提供”。短期内，这意味着更低的开发门槛和更快的迭代速度。但长期看，你需要警惕平台锁定——今天在OpenAI环境中构建的Agent，明天可能很难迁移到其他平台。

建议：在Agent的核心逻辑和执行环境之间保持清晰的抽象边界。不要让你的业务逻辑与特定平台的API深度耦合。

对企业IT决策者

Agent持久化工作空间的出现意味着AI采购决策的维度正在增加。过去你只需要评估”哪个模型更好”，现在你还需要评估”哪个执行环境更适合我的安全要求、更符合我的合规标准、更能沉淀我的组织知识”。

建议：开始思考Agent执行环境的选型标准，特别是数据主权、审计能力和可移植性。不要等到被锁定后才意识到切换成本。

对投资者

OpenAI收购Ona标志着AI行业竞争的维度正在从”模型能力”扩展到”平台完整度”。纯模型公司的长期价值可能被高估，而能够提供”模型+环境+工作流”完整解决方案的公司可能被低估。

关注方向：Agent执行环境、AI原生开发工具、Agent可观测性和安全审计工具——这些是Agent经济的”卖铲子”机会。

对行业

OpenAI从”模型公司”向”平台公司”的转型，如果成功，将重新定义AI行业的价值分配。模型层可能走向商品化和价格战，而平台层——控制Agent运行环境的一方——将获取不成比例的价值。

这与历史上的平台转型如出一辙：PC时代的价值从硬件转移到操作系统（Microsoft Windows），移动时代的价值从设备转移到平台（Apple iOS/Google Android），云时代的价值从服务器转移到云平台（AWS/Azure/GCP）。

AI时代的价值可能正在从模型转移到Agent平台。OpenAI收购Ona，是这个转移的第一个明确信号。

问题只剩一个：这个”AI时代的操作系统”最终会是OpenAI的、还是AWS的、还是一个我们今天还没看到的新玩家的？

答案将在接下来的12-18个月内逐渐清晰。

参考资料

  1. OpenAI to acquire Ona — OpenAI官方博客, 2025-06-09
  2. Introducing OpenAI Codex — OpenAI官方博客, 2025-05-16
  3. Amazon Bedrock AgentCore — Amazon Web Services, 2025-06
  4. Azure AI Foundry Agent Service — Microsoft Azure官网, 2025
  5. Introducing Computer Use — Anthropic官方博客, 2024-10-29
  6. Introducing Devin, the first AI software engineer — Cognition Labs, 2024-03-12
  7. GitHub Copilot Enterprise Pricing — GitHub官网, 2025
  8. SWE-bench Verified Leaderboard — SWE-bench官方排行榜, 2025-06
  9. Flexera 2025 State of the Cloud Report — Flexera, 2025-04
  10. Salesforce FY2025 Annual Report — Salesforce IR, 2025