事件概述

2026 年 9 月 30 日，OpenAI 宣布与美国 SBDC（America’s SBDC）达成合作。美国 SBDC 是一个全国性小企业发展中心网络，原文称其每年服务 100 万名创业者。双方合作的目的是帮助更多小微企业在实际工作中使用 AI。

根据公告，这项合作处于初期阶段。通过 OpenAI Academy 的 Community Trainer Program，OpenAI 计划培训约 150 名 SBDC 顾问，并把实操型工作坊带到全美各地的 SBDC 网络中，目标是通过线下培训触达至少 1000 家小微企业，并通过一对一咨询和双方共同开发的资源触达更多企业。

与这次合作同步，OpenAI 还发布了一份新报告《Small Businesses, Bigger Capabilities》，用于分析企业主和小团队当前是如何使用 AI 的。原文未说明合作的财务条款、具体金额或项目截止时间。

关键技术点与落地安排

这次合作可以拆成三条并行推进的线：

1. 顾问培训与认证。 America’s SBDC 计划挑选一批小企业顾问，进入 OpenAI Academy 的培训与认证路径，重点是帮助小微企业真正把 AI 用起来。OpenAI 方面的表述是，把 SBDC 的社区经验和顾问信任关系，与 AI 工具结合起来，帮助顾问引导企业主「选一个有用的起点、负责任地使用 AI、并评估它是否真的帮到了生意」。此外，顾问和 staff 还会通过一条独立的主讲人路径和小企业工作坊模块，为带领小组课程做准备。

2. 线下实操工作坊。 双方计划在每个参与合作的 SBDC 网络中至少举办一场 Academy Workshop。这些工作坊沿用 OpenAI Academy 的三小时实操形式，让企业主在真实业务任务上搭建并测试 ChatGPT 的用法，并在结束时带走一份落地计划。工作坊结束后，SBDC 顾问会跟进，帮助企业主解决问题、判断哪些做法确实有效。

3. 按业务需求定制的资源。 双方将共同制作 AI 落地实操指南，以及一份聚焦特定行业的配套指南，在 OpenAI Academy 和 America’s SBDC 两个渠道分发。原文列出的可能主题包括营销、运营、制造、出口和政府采购，并说明这些指南的内容会来自工作坊和咨询环节中的实际反馈。

需要注意的是，原文用词是「potential topics（可能主题）」，也就是说行业指南的具体选题尚未最终确定。

报告里的关键数据

《Small Businesses, Bigger Capabilities》这份报告结合了使用数据和业主的实际经验。原文披露的核心数字如下：

  • 使用规模：在 2026 年 9 月 9 日至 15 日这一周内，全球约有 400 万名来自小企业的员工使用了 OpenAI 的工具。
  • 企业规模分布：这些用户中，近五分之一所在的企业员工人数少于 10 人。
  • Agentic 用量占比：2026 年 8 月，ChatGPT Work、Codex 等产品的 agentic 输出 token（即 AI 模型处理和生成的单位）占小企业全部输出 token 的三分之二，而 2026 年 4 月这一比例仅为三分之一。
  • 场景分布：在这份报告的样本中，财务与会计、供应链、法律与合规、营销这四类场景，在小企业用户与 AI Agent 的交互中所占的份额，至少是大企业用户对应份额的三倍。

原文对最后一点的解读是：这些正是一个小团队可能需要帮助、却没有专职人员覆盖的领域。

报告同时给出两个具体案例：

  • Ted 和 Tami Taylor 在新墨西哥州经营三家餐厅。他们用 ChatGPT Work 对比竞争对手的菜单价格，再决定自己的调价方案。原文称，这次分析帮他们避免了一些会让部分菜品失去竞争力的涨价。Ted 表示，如果没有 AI，他们本来会直接跳过这项对比。
  • Teri Moten 用 ChatGPT Work 调研南得州的学区，并准备定制化的外联材料，由她本人审阅后发出。原文称，她在开始外联后的十天内就约到了一期付费培训。

对数据科学与 AI Agent 落地的意义

这份材料透露出的信号，比「大厂又做了一次公益培训」要多。

第一，Agentic 工作流正在成为小企业的默认使用方式。 agentic 输出 token 占比在四个月内从三分之一升到三分之二，是原文给出的最硬的一个结构性指标。它意味着在这些企业里，AI 的使用重心正在从「对话问答」转向「让模型执行多步任务」。对于做 Agent 产品的团队，这说明需求侧正在向自动化工作流迁移，而不只是停留在聊天窗口。

第二，场景高度集中在「没有专职人员」的职能上。 财务、供应链、法律合规、营销这四个方向在小企业中的相对占比是大企业的三倍以上。这个分布其实指向了一个很清晰的产品判断：Agent 的竞争不是在替代专家，而是在填补小团队里根本不存在的那个岗位。这类场景对输出可核验性的要求，和面向专家的工具并不相同。

第三，分发渠道本身成为落地瓶颈的解法。 从数据科学视角看，这次合作最值得注意的不是模型能力，而是「最后一公里」。OpenAI 选择的是通过已经建立信任关系的本地顾问来分发能力，并配套三小时实操和后续跟进。原文提到，2025 年 11 月 OpenAI Academy 曾与 DoorDash、SCORE 及本地商业组织在五个美国城市做过 Small Business AI Jams，2026 年 7 月又推出了 ChatGPT for small business program。这次与 America’s SBDC 的合作是这条路径的延续。

对做企业级 AI 落地的数据团队来说，这套「培训顾问 → 顾问带动企业 → 反馈反哺指南」的循环值得借鉴：它把落地问题当成了一个需要持续迭代的数据闭环来处理，而不是一次性交付。

我的技术点评

先说需要警惕的部分。原文披露的 400 万用户、agentic token 占比、场景倍数等数字，全部来自 OpenAI 自身的产品使用数据，属于自报口径。报告明确写了「in the sample（在样本中）」表明这是抽样分析，但抽样方法、样本量、地域覆盖、统计口径原文均未说明。尤其是场景分布那组「三倍」的比较，样本是否对大小企业做了同等条件的抽取，无法从原文判断。因此这些数字更适合作为趋势方向参考，不宜直接当作行业基准。

另外，「小企业」的定义在这份材料里其实有两套：报告使用的是员工少于 500 人的企业（并单独统计了少于 10 人的部分），而 SBDC 合作面向的是更广义的小微企业。两者并不完全重合，阅读时不宜混用。

再看真正有价值的地方。这份材料最实在的信息是 agentic token 占比在四个月内翻倍——这是个内部一致性较强的指标，因为它衡量的是使用结构而非用户数量，受营销活动的影响相对小。如果这个趋势在其他平台上也能观察到，那说明「让 AI 干活」这件事已经在最不具备技术能力的那批企业里发生了。

不过要提醒的是，OpenAI 给出的所有案例（餐厅比价、学区外联、定价建模、两人团队扩容）都停留在「人审后使用」的模式，也就是 AI 出草稿、人做判断。这既说明当前 Agent 的可信边界仍在人工确认这一环，也说明面向小企业的 Agent 产品，短期内真正的竞争点不是全自动，而是把人工确认这一步做得足够轻。谁能把审核成本降到接近零，谁才可能吃下这波结构性迁移。

最后一点观察：这类「培训 + 认证 + 本地顾问」的模式，本质上是把 AI 能力封装成一种可复