AI巨头争夺“错题本”:数据飞轮成新竞争焦点

2026 年 7 月,AI 巨头之间的竞争进入新阶段。Anthropic 凭借数据飞轮策略在商业指标上反超 OpenAI, 其核心不再是单纯的模型能力, 而是通过产品捕获真实工作流中的反馈信号, 形成自我强化的循环。腾讯 WorkBuddy 也通过类似路径在国内市场领先, 数据飞轮正成为 AI 竞争的新关键。

📌 数据飞轮: 比模型更持久的优势

• 重点: 有反馈的错题, 才能带来复利。
• 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
• 重点: 后续仍需关注官方更新、落地范围以及实际反馈。

Anthropic 的 Claude Code 和 Claude Cowork 等产品, 通过让 AI 进入真实的代码编辑和办公流程, 捕获了用户每一次接受、拒绝或修改 AI 生成内容的反馈。这些反馈信号成为训练下一代模型的宝贵数据, 形成了“更好产品→更多用户→更多纠偏数据→更强模型”的飞轮效应。相比之下, 单纯依赖公开互联网数据的 Scaling Laws 正面临瓶颈, 高质量语料逐渐枯竭, 而真实工作流中的过程数据成为新的稀缺资源。

从已披露信息看, 这一变化更值得关注的, 不只是表面动作本身, 还包括其对后续行业节奏、用户预期和市场竞争的连锁影响。

🔍 核心战场: 代码与办公场景

代码场景提供高纯度的对错信号 (如编译是否通过), 办公场景则任务链更长、反馈点更密。Anthropic 通过 Claude Code 在编程领域占据优势, 其企业市场份额达 34.4%,ARR 从年初的 140 亿美元暴涨至 470 亿美元。OpenAI 则推出新版 ChatGPT 桌面端, 增设 Codex 和 Work 标签页, 直接对标 Anthropic 的产品线。腾讯 WorkBuddy 在国内办公场景中同样表现出色, 日活用户数领先同类产品。

💡 Harness 系统: 飞轮背后的炼金术

数据飞轮能否有效运转,关键在于 Harness 系统——一套驾驭模型的底层架构。它负责拆解任务、调用工具、检查结果, 并从中提炼可学习的反馈。前 OpenAI 安全副总裁翁荔指出,AI 的近期自我改进更可能发生在 Harness 层而非模型权重直接更新。Anthropic 在代码场景中打磨 Harness 多年, 形成了难以复制的优势。腾讯也在推出 WorkBuddy 前, 先打磨了编程助手 CodeBuddy, 积累了 Harness 经验。

📊 行业观察: 飞轮领先带来复利效应

数据飞轮一旦启动,后续竞争者难以追赶。马斯克以 600 亿美元收购代码编辑器 Cursor, 看中的正是其数据管道价值;Meta 则通过低价策略让更多 Agent 使用其模型, 以获取更多工作流数据。腾讯的实践表明, 即使模型并非最强, 通过产品先获取用户和任务, 也能反向推动模型进步。这种非线性的竞争路径, 为后发者提供了窗口期。

🚀 总结

AI 竞争已从模型能力的比拼,转向数据飞轮和 Harness 系统的较量。谁能在真实工作流中捕获更多高质量反馈, 谁就能在下一代模型迭代中占据先机。这一趋势不仅改变了技术路线, 也重塑了商业格局。