OpenAI Presence：从模型售卖到智能体交付的中间实验

2026年7月22日OpenAI发布Presence的消息传出后，最常见的解读是这家靠大模型起家的公司终于跳出了性能竞赛的内卷，正式向万亿规模的企业软件市场进军。短短48小时内，“重构企业AI格局”“OpenAI转型完成”的判断随处可见，但如果拆解这款产品的运行机制、成本结构与当前的交付边界，会发现上述结论既高估了它的成熟度，也低估了它指向的行业变化的本质。

不是新模型，是智能体的全流程交付体系

不同于此前发布的GPT系列模型，Presence并非一款技术升级的新模型，而是一套覆盖智能体全生命周期的管理与交付体系[1][2]。企业用户接入Presence后，不再需要自行解决智能体与内部数据库、CRM、ERP等系统的对接问题，也不用单独搭建测试环境、风控规则与运维体系——Presence提供了从仿真测试、权限管控、人工复核到故障排查的全套工具：在部署前，企业可在模拟环境中验证智能体处理账单查询、保险理赔、IT服务请求等具体任务的表现，通过AI自动评分系统校验输出合规性；部署后，内置的Codex诊断工具可实时监测运行状态，定位故障并生成优化方案；同时平台集成了多模态语音与对话能力，可直接支撑客服、外呼等交互场景的自动化处理[3][4][7]。

为了降低企业对数据安全的顾虑，Presence采用最小权限原则设计权限体系：智能体仅能获取完成指定任务所需的数据与系统访问权限，企业可自主定义操作边界、高风险任务的审批流程以及人工接管的触发条件[3][7]。与纯API产品自助开通的模式不同，Presence目前仅向年营收超过10亿美元的企业开放，且客户必须联合OpenAI工程团队或官方认证合作伙伴完成部署，整个交付周期通常在3到6个月之间[6][9]。

目前可追溯的公开应用案例包括西班牙对外银行（BBVA）、软银以及OpenAI自身的英语客服系统，其中OpenAI内部部署的客服系统可独立处理75%的常规咨询，某跨国金融集团的定制化部署将保险理赔的平均处理时间从45分钟压缩至8分钟，某电信运营商的IT服务请求自动化率从32%提升至78%[6][10]。但需要明确的是，所有公开的性能数据均未披露三项核心统计口径：未说明任务样本是否为预先筛选的低复杂度标准化工单，未明确效率提升的对照组是纯人工操作、传统规则引擎还是其他厂商的智能体产品，也未标注统计窗口是否排除了部署初期高比例人工兜底的适配阶段，因此仅能证明其在特定定制场景下的可用性，无法支撑通用场景下的效率提升结论[4][6]。

双向驱动的产品演进，而非被动的战略转向

要理解Presence的定位，首先需要纠正一个常见的单一归因——它并非OpenAI为逃避模型价格战而采取的被动转向，而是外部市场压力与内部客户需求共同驱动的结果。

从外部环境来看，2024年第二季度以来，大模型市场的竞争逻辑已经发生变化：Anthropic、谷歌等厂商的模型性能与GPT系列的差距持续缩小，中国厂商推出的开源模型更是将千亿参数模型的推理成本压缩至每月数千美元，企业客户更换模型服务商的频率同比上升65%，价格敏感度同比提升38个百分点，纯模型调用的商业模式利润率持续下滑，单纯依靠模型性能优势已经难以维持客户留存[4][9]。

但更核心的驱动因素来自OpenAI自身的客户反馈：据OpenAI内部客户反馈统计，其企业API客户的投诉中，60%以上与模型本身的性能无关，而是指向智能体部署的工具链缺失——多数企业购买模型API后，需要自行投入大量人力完成系统对接、规则配置、测试运维等工作，不仅部署周期长、成本高，还经常出现智能体行为不符合业务规范、故障无法快速排查的问题[3][6]。在此之前，OpenAI已经为部分头部API客户提供了定制化的部署支持服务，Presence本质上是将这些分散的定制能力整合为标准化的可售产品，同时也恰好绕开了模型市场的同质化竞争。

从产品演进的脉络来看，Presence也并非突然推出的全新战略级产品：2026年5月OpenAI完成产品线重组，将ChatGPT、Codex与开发者API整合为统一的智能体产品团队，由联合创始人格雷格·布罗克曼接管产品战略；同年6月，OpenAI收购了智能体云执行服务商Ona，为智能体的长周期运行补充安全执行能力，Presence正是这一系列产品整合动作的直接产物[4][6]。此前OpenAI已经在网络安全、广告等多个领域推出垂直行业产品，Presence只是其多元化收入布局中最新的一环[12]。

改写的成本结构，与尚未成立的新商业逻辑

Presence最核心的变化，是改写了AI商业化的成本结构与绑定逻辑。此前OpenAI的核心收入来自模型API的按调用量付费，成本结构中占比最高的是算力成本，随着调用量的提升，边际成本会持续下降，属于典型的互联网式规模化生意。而Presence的付费结构呈现出完全不同的特征：从已披露的头部客户合同来看，总服务费中仅有15%用于模型调用，剩余85%均为系统对接、规则配置、调优运维的工程服务费用[4][6]。

这种成本结构的变化，带来了两个直接的商业影响：首先，它打破了纯模型业务“越卖越便宜”的价格战逻辑，转而向客户收取可长期续期的服务费用。传统的AI项目中，企业通常需要自行承担30%的模型采购成本、40%的系统集成成本与30%的运维成本，Presence本质上是将企业原本需要自行投入的集成与运维成本，整合为统一的服务费打包收取——企业不需要再单独搭建AI运维团队，相当于把固定成本转化为可变的服务成本，对于没有成熟AI团队的大型企业而言，这种模式反而降低了试错门槛[6]。

其次，Presence的客户绑定深度远高于纯API业务。纯API模式下，企业更换模型服务商通常只需要修改接口参数，迁移成本极低；而Presence的部署已经深度嵌入企业的业务流程，某金融科技公司的评估显示，将基于Presence搭建的智能体系统迁移至其他平台，需要重构30%以上的业务逻辑[4]。更重要的是，Presence的服务费包含了OpenAI模型的持续升级，智能体的能力会随着模型版本的更新同步优化，不需要企业自行完成适配，这种业务流程与模型升级的同频绑定，是纯API业务无法实现的。

但需要明确的是，目前市场上关于Presence“实现按效果付费”的判断尚未得到验证。按效果付费的前提是效果可被独立、客观地量化，而当前Presence的性能数据不仅存在口径缺失，也没有形成行业通用的效果核算标准，现有付费模式仍为项目费加年度服务费，并未真正实现按节省的人工成本或提升的业务效率分成，所谓“按效果付费”目前仍处于愿景阶段[6][9]。市场上流传的“Presence客户生命周期价值是API业务的5-7倍”也仅为单客户的内部预估，无官方统计数据支撑，不能作为普适性判断的依据[9]。

明确的边界与尚未兑现的承诺

尽管Presence指向了AI商业化的新方向，但当前它仍处于从定制化项目服务向标准化平台过渡的中间状态，存在三个明确的边界与风险。

第一个边界是规模化的天花板。目前Presence采用的“白手套”交付模式，意味着其扩张速度完全受限于工程团队与认证合作伙伴的产能，无法像纯API业务那样实现边际成本趋近于零的规模化增长。按照当前单客户3-6个月的交付周期计算，即便OpenAI将工程团队扩张十倍，每年也仅能服务数百个客户，覆盖的仍是年营收10亿美元以上的头部企业群体，距离成为通用型企业软件平台还有相当远的距离[6][9]。据公开披露信息梳理，目前已对外公布的Presence落地客户不足10家，占早期测试企业的比例较低，其余客户的行业、规模、应用效果均未披露，也无法证明其具备跨行业复制的能力[6]。

第二个边界是技术差异化的不足。Presence主打的智能体仿真测试、多层级权限管控、自动故障诊断等功能，均非行业首创：Salesforce的Einstein平台、微软的Copilot for 365均已推出同类能力，OpenAI目前尚未在智能体工程化层面形成独有的技术竞争壁垒，其核心优势仍来自自身的模型能力，而Presence的底层架构已设计为可兼容不同厂商的模型；当前头部模型厂商尚未推出成熟的全流程智能体交付平台，若其他头部厂商后续快速跟进同类交付体系，Presence的既有模型优势将被逐步稀释[6][7]。

第三个风险是对原有开发生态的潜在反噬。Presence打包的智能体全生命周期管理工具，确实会替代部分细分厂商的核心功能——尤其是那些仅基于OpenAI API开发轻量客服、IT运维等标准化场景应用，没有掌握核心业务数据的厂商，会直接面临来自OpenAI的竞争。但目前尚未观测到垂直应用厂商的OpenAI API调用量出现显著下滑，也没有公开的客户流失案例，反而不少掌握核心行业数据、服务高复杂度场景的厂商正在加速布局多模型适配，降低对单一模型服务商的依赖，所谓的“生态反噬”目前仍是隐性的长期风险，而非已经发生的行业趋势[3][6][9]。

此外，Presence主打的“安全可信”目前仍停留在规则承诺层面。其宣称的“最小权限沙箱”本质上是API网关层面的访问控制，并未披露部署后智能体异常行为监测、偏见修正、版权侵权防控的相关数据，也没有第三方安全审计结果，在金融、医疗等强监管行业的合规性仍有待验证[7][6]。

判断其价值的四个可量化指标

判断Presence到底是API业务的增值服务，还是真正开启AI商业化新阶段的独立产品，不需要依赖模糊的战略叙事，只需要跟踪四个可量化的核心指标。

第一个指标是自助接入通道的开放时间与标准化定价的发布。如果Presence要成为真正的标准化平台，必须摆脱对人工交付的依赖，允许企业自行完成接入、配置与测试。如果12个月内仍未开放自助接入通道，也没有公开的标准化定价体系，那么它将始终是面向头部客户的高端定制服务，无法实现规模化扩张。

第二个指标是工程服务费占比与单客户交付周期的变化。如果Presence的工具链真的实现了足够的自动化，那么工程服务费占总费用的比例应该会从当前的85%降至50%以下，单客户平均交付周期也应该压缩至1个月以内。这两个指标是区分项目制服务与标准化平台的核心标志，也是Presence能否实现盈利规模化的关键。

第三个指标是客户留存率与新客户占比。企业软件行业的合格留存率通常在70%以上，如果Presence首批付费客户的12个月续约率能达到这一水平，且其中30%以上是此前从未采购过OpenAI API的新客户，才能证明它真正切入了传统企业软件的存量市场，而非仅为原有客户提供增值服务。

第四个指标是垂直应用厂商的OpenAI API调用量变化。如果12个月内垂直应用厂商的OpenAI API调用量出现同比15%以上的下滑，则说明Presence对生态的反噬已经显现，OpenAI将面临“做平台得罪开发者、做应用失去生态”的两难选择。

Presence的真正价值，从来不是它让OpenAI变成了一家企业软件公司，而是它第一次把整个AI行业的注意力，从“模型能实现什么能力”拉向了“怎么把模型能力变成客户愿意持续付费的服务”。在过去的五年里，整个行业都在卷参数规模、卷基准测试跑分，却很少有人关注，90%以上购买了大模型API的企业，根本没有能力把模型变成真正能用的业务系统。Presence的出现，相当于给整个行业做了一个示范：AI商业化的下一个核心命题，从来不是谁能做出更聪明的模型，而是谁能把智能体部署的总成本降到足够低，让更多企业不用搭建专业的AI团队，就能用上符合自身业务需求的智能体。

现在就说Presence重构了企业AI市场还为时尚早，它更像一个投石问路的中间实验——它已经证明了企业愿意为智能体的全流程交付付费，但还没有证明这种模式可以被规模化复制。这个中间状态会持续多久，取决于OpenAI能不能把现在需要人工完成的定制工作，变成可复用的自动化工具。如果这个坎能过去，那么AI商业化的逻辑会被彻底改写；如果过不去，Presence也只是大模型发展过程中一个普通的产品升级，不会对现有行业格局产生本质影响。