过去两年，大家对 AI 公司的理解大致分成两派。有人觉得 OpenAI 在做下一代搜索入口，有人觉得 Anthropic 更像“高端知识工作副驾驶”，Google 则一边守广告，一边补 Gemini。表面看确实是分化的。
但如果你顺着它们 2025 到 2026 的产品线往下看，会看到一个更收敛的现实：所有 Labs 都在把 AI 从“信息获取工具”推向“高价值任务执行层”。
这不是措辞变化，而是产品、定价和收入结构一起变了。OpenAI 从 Operator 到 Deep Research 再到 ChatGPT agent，路径非常连续。Anthropic 则从 Claude 一个聊天框，拆成了 Claude Code、Cowork、Claude for Work 这种按任务类型和组织边界划分的系统。Google 也一样，一边继续做搜索和广告，一边把 Workspace agents、Gemini Code Assist 和 Gemini 3 的 agentic workflow推成新的企业执行层。
不是回答问题，而是把事做完
我越来越觉得，理解这一轮变化最好的分界线，不是“模型更强了”，也不是“多模态更完整了”，而是一个很朴素的问题：
AI 的价值单位，到底是“给你一个答案”，还是“替你完成一个结果”？
这两者差别非常大。
“给答案”更像流量生意。你问，我答，答完就结束。用户可以今天问你，明天问别人。切换成本低，护城河也低。搜索、广告、信息入口，基本都属于这一层。
“做结果”则完全不同。它意味着 AI 需要接进真实工作流，拿到上下文，调用工具，穿过多个步骤，最后生成一个企业愿意承认的结果物。可能是一份投资备忘录，一份 amortization schedule，一次 legal notice 的分流，一段能合并进主干的代码，一套更新过真实数据的表格，或者一份能直接拿去汇报的演示文稿。
OpenAI 在 ChatGPT agent 里已经把这个方向说得很明白了：它评估的不是泛泛任务，而是 economically valuable knowledge-work tasks。Anthropic 更直接，在融资公告里写自己领先的是 economically valuable knowledge work tasks in finance, legal, and other domains。Google 也不是在卖“更会聊天的 Gemini”，而是在卖能处理 end-to-end business processes 的 Workspace agents。
这就是为什么我说，它们真正抢的不是流量，而是工资池。因为一旦 AI 的价值单位从“答案”变成“结果”，它面对的就不再是广告预算，而是企业里那些本来发给分析师、程序员、法务、研究员、运营经理的工资预算。
为什么最先被盯上的，是 Coding、金融、法律和分析
很多人看到“高价值任务”这四个字，会误以为指的是最有创造力、最不可替代的工作。其实不是。Labs 现在最先盯上的，是另一类任务：单价高、知识密度高、工作流长，但又足够结构化、可验证、可拆解的任务。
Coding 是最典型的第一战场。它的好处太多了：结果可验证，ROI 容易算，企业愿意付费，产品也容易做成 seat + usage + governance。Anthropic 在 2026 年把 Claude Code 做成收入主力，不是偶然。Google 把 Gemini Code Assist 明确写成覆盖整个 SDLC，也不是偶然。OpenAI 把 coding task 直接放进 enterprise agent 里，更不是偶然。因为代码是今天最容易被 agent 化、也最容易被财务负责人接受的高价值任务。
金融、法律、数据分析则是第二战场。不是因为这些行业最容易被完全替代，而是因为它们内部有大量“高工资、重文档、重规则、可复核”的任务。OpenAI 拿 amortization schedule、competitive analysis 举例，Anthropic 反复强调 finance 和 legal，Google 拿 legal notices 和 business workflow 举例，本质上都在说明同一件事：这些任务最适合先被 AI 吃掉中间的大块流程。
这也是为什么我一直不太认同“脑力工作天然安全”这种说法。真正高暴露的，从来不是“低端工作”，而是那些高学历、高工资、但又被文档、表格、规则、模板和系统流程包裹得足够严实的工作。
Anthropic 那条线，最能说明问题
如果三家里只能挑一家来代表“高价值任务战略”，我会选 Anthropic。不是因为它最强，而是因为它现在的产品边界最像“工资池争夺战”的原型。
Anthropic 的意思其实已经很明确了：Code 管工程，Cowork 管知识工作，Claude for Work 管组织级治理与数据边界。换句话说，它不是卖一个模型，而是在卖一整套“组织如何把白领工作交给 agent”的系统。
更关键的是它的衡量方式。Anthropic 现在越来越喜欢用“economically valuable knowledge work tasks”这种词来描述模型能力。我觉得这比 benchmark 分数更有现实意义。因为一家公司如果开始用“经济价值任务”来定义能力，就说明它内部真正关心的，已经不是模型漂不漂亮，而是这东西能不能进收入表、成本表和组织流程。
它 2026 年的收入增速也在强化这个判断。根据 Reuters 的公开口径，Anthropic 的 annualized revenue 已经从 2025 年底的大约 90 亿美元，冲到 2026 年 4 月的 300 亿美元级别。这个数字当然仍然属于媒体口径，不是审计口径，但它至少说明一件事：市场正在为“高价值任务执行层”这件事付真钱，而且付得很快。
Google 和 OpenAI 还没有完全放弃旧世界
说到这里，也要避免另一个误判：不是说三家都已经彻底抛弃流量逻辑了。
Google 还是那个 Google。它不会突然不要广告，也不会突然把搜索变成纯企业软件公司。OpenAI 也一样，它在 consumer、commerce、甚至广告上的试探都还在继续。只是现在更清楚了：这些都不是它们最有壁垒的主战场。
真正有壁垒的，是谁能把 AI 深深嵌进企业工作流里，深到用户不再只是“来问一次”，而是“把这项工作交给你做”。一旦进入这个层级，收费逻辑就从 CPM、点击、时长，切到了 seat、premium capability、usage-based pricing、治理、审计、集成、上下文继承、系统控制权。这才是企业软件真正能吃住客户的地方。
所以我更愿意把 Google 和 OpenAI 理解成“双轨制”：旧世界还在养现金流，新世界在抢未来的工资池和控制权。只是到 2026，这条新轨已经不再是旁支，而是越来越像主航道。
真正危险的，不是某个职业消失，而是岗位被拆薄
很多讨论喜欢问：“AI 会不会替代程序员？会不会替代分析师？会不会替代律师？”我觉得这个问法已经有点过时了。
更现实的问题是：一个岗位里最值钱、最稳定的那一层任务，会先不会被拆薄？
Anthropic 的 Economic Index 给了一个很重要的信号：当前数据还不支持“整个职业整齐消失”，但很支持“岗位内部任务被拆开，然后一部分先被 agent 接管”。而且这些被接管的任务，并不主要集中在最低门槛工作上，反而更集中在高教育门槛、高知识密度任务上。
这意味着最先受冲击的，不一定是顶层专家，也不一定是底层执行者，而很可能是中间那一大层：会写、会查、会整理、会分析、会出文档、会做表、会做标准化初判的白领岗位。它们原本是中产工资池的主体部分，也是大公司组织结构最厚的一层。
这也是为什么我觉得图片里最后那句关于中产和社会稳定性的担忧，不是空话。因为这轮变化不是在吃掉最边缘的人，而是在改写很多社会里最核心的白领中间层。如果这层人的工作被压缩得足够快，组织结构、教育回报、职业晋升路径，都会一起变。
我现在更关心的，不是谁家模型第一
调研完之后，我反而对“哪家模型更强一点”没那么感兴趣了。我更关心的是三个问题：
第一，谁最先把高价值任务做成真正的工作系统，而不是 demo。
第二，谁最先拿走企业工作流里的控制权，而不是只做一个可替换的智能插件。
第三，谁最先把白领工资池里最厚、最可结构化的那一层，吃成自己的经常性收入。
如果从这个角度看，今天所谓的“AI 竞争”，已经很难再用“聊天产品份额”来解释了。它更像一场新的劳动力再分配战争。模型只是武器，Agent 是形态，真正的战场是工作流，真正的奖品是工资池。
所以，回到那张图。它最有价值的地方，不是“猜中了谁的战略”，而是把一个正在发生但还没被很多人完全说透的变化压缩成了一句话：所有 AI labs 最后都回到了同一个战场，叫高价值任务。
而我更愿意把这句话再推进一步：高价值任务只是表面，白领工资池才是底层。谁能把任务做成结果，谁就不只是拿走一部分软件预算，而是在重写整个知识工作的分配方式。
本文的局限性
第一，Anthropic 和 OpenAI 的部分收入数字仍然主要来自媒体口径或公司自述，不是审计口径，所以更适合支持趋势判断，不适合当成精确财务事实。
第二，Google 的双轨制比另外两家更复杂，它既没有离开广告世界，也没有停下 enterprise AI，所以这篇文章更强调它的新主战场，而不是完整复盘它的全部收入结构。
第三，关于白领岗位被压缩的社会后果，目前公开证据更支持“任务重写和岗位极化”，还不足以支持简单粗暴的“大规模整齐替代”结论。后续如果更多劳动市场数据出来，这个判断还需要继续更新。