一篇來自公眾號「思想鋼印」的評論提出，OpenAI 對 GPT-6 Astra 的定位是「Computer Use」，即讓 AI 直接操作網頁以及 CRM、表格、文件等各類桌面軟體，而不只是生成內容。作者認為，外界用「做 3D 模型、做小遊戲效果一般」來評價它，角度本身就偏了——它真正的意義不在生成質量，而在於 AI 能否介入一段完整的工作流。

文章把 AI 的三種形態做了區分：聊天是幫人思考，Agent 是幫人執行，而 Computer Use 是用你習慣的軟體幫你執行。作者判斷，這可能是比寫程式碼更大的故事，並可能推動大模型 ARR（年度經常性收入）上行。

為什麼 AI Coding 能先跑出來？文章給出的解釋是：程式設計師的工作過程是程式碼，最終產物也是程式碼，AI 的工作方式同樣是寫程式碼，兩者一一對應、無縫銜接。程式設計師可以讓 AI 先生成再修改，也可以只介入其中一段，隨時觀察、隨時接管，出錯時能定位到具體環節，以最小代價修正，而不必推倒重來。

其他職業目前做不到這一點。以影片生成為例，整段生成看似省力，但總有幾個地方不合要求；想只改一小段，往往又牽出別的問題，最後只能重做，費錢費時更費人力。作者認為關鍵癥結在於：使用者看不到大模型的中間工作狀態，不知道哪個環節出了錯，也就無法改進輸出，更無法調整自己的工作流程去配合 AI。Computer Use 的思路是反過來——讓 AI 用人類習慣的軟體、按行業通行流程幹活，這不僅是技術路線選擇，更是商業模式上的變化，使其更容易被企業採用。

文章以平面設計師為例說明「工作流」為何最難替代。接到一張中秋促銷海報的任務，原本流程包括客戶經理轉達需求、找視覺參考並請總監確認、開啟 Photoshop 建檔案修圖、與文案配合排版調色、總監確認後提交客戶、多輪修改、最終匯出。通用多模態大模型可以把其中若干步驟壓縮成一步，小公司自用、要求不高時確實夠用。但服務大客戶時真正的挑戰才開始：客戶會提出「加產品元素但不破壞原圖」「調性在理性之上多一點溫暖」這類具體要求。把這些要求直接交給 AI，稍複雜一點，輸出就可能與預期不符——因為你並不知道 AI 是怎麼完成工作的，你所要求的「修改」，本質上是一項新任務。

由此帶來一個結構性難題：過去設計流程中，客戶的修改意見都指向一個確定結果，設計師要儘量把已確認的部分固定下來；而 AI 的工作流程容易「改了舊問題、又帶來新想法」，新想法又催生新的修改意見，每一輪修改都通向不可知的未來，而不是越來越確定的成品。

文章進一步區分「任務」與「職業」：很多人高估了 AI 對專業人士的替代速度，是因為把「AI 能完成這個任務」誤當成「AI 能替代這個職業」。開小店做一張海報發群裡，只是完成一項設計任務；而設計師承接客戶全部商業設計工作，才叫職業。任務只要求知識與技能，職業還包括工作流程、客戶溝通與交付責任。商業運營要的是可預測、可控制、可盈利，如果過程不可控，AI 就很難自然嵌入工作流，也難以證明其提高了產出效率。

在作者看來，要讓更多企業像為 AI Coding 付費那樣為 AI 付費，只有兩條路：一是讓 AI 無需人類介入就能精確完成大部分商業工作，即所謂「自我遞迴」能力，但過程不可見，倫理與法律爭議大；二是讓 AI 像人一樣工作，過程可理解、可修正、可介入、即插即用。GPT-6 Astra 選擇的是後一條路線，繞開最尖端也最具爭議的問題，回到商業價值本身，其經濟意義可能遠大於一次普通基準測試的提升。

文章還從數字資產角度展開。自 1949 年英國劍橋大學 EDSAC 執行以來，人類在數字世界積累了海量軟體，如 Photoshop、Excel、Premiere、AutoCAD、SAP、Salesforce，經數十年迭代功能極其龐大，另有一些小眾但專業價值不可替代的軟體。專業技術人員的流程很大程度靠這些軟體實現，而 AI 此前缺少一隻足夠可靠的「手」進入其中，只能走 AI Coding 路線——那意味著要重做 AI 原生軟體、改變檔案格式與許可權體系、培訓員工、重設流程，還要外部協作方與客戶交付方式跟著變，企業自然謹慎。Computer Use 的邏輯則是什麼都不用改，AI 直接操作現有軟體，從而降低「組織採用成本」。此前的 API 模式雖也能操控軟體，但需要軟體公司專門開發 API、外掛和自動化介面，大公司尚可，多數專業軟體做不到；Computer Use 更接近 AI 像人一樣看螢幕、理解介面、移動滑鼠、點選按鈕、輸入文字。

作者由此推論，這一方向會改變許多專業職業的壁壘。凡招聘要求「熟練運用某某軟體」的崗位，如設計師、剪輯師、財務、分析師、建築師、運營等，都存在軟體操作壁壘。這類能力通常分兩層：以設計師為例，一層是審美、創意、品牌理解與溝通，另一層是 Photoshop 等軟體熟練度，二者難以互相替代。在 Computer Use 環境下，員工仍需熟悉軟體，以「內行管內行」的方式控制 AI，特殊情況可直接接手；相比「外行管內行」的純原生 AI，這種模式商業化阻力更小，資深員工也更易接受。文章也留下一個疑問：如果新入行的設計師不再有大量親手操作軟體的機會，未來如何積累這種熟練度。

總結部分，作者認為過去一年 Coding 改變了程式開發，但介入流程更復雜的工作時困難重重；Computer Use 讓 AI 獲得「操作人類過去數字世界」的能力，可能把 AI 勞動力市場從程式設計師擴充套件到所有以軟體操作為專業壁壘的職業。不過文章強調，這目前只是一種可能性：Astra 測評成績不錯，但成功案例仍少；能力也不等於實際職業效率，除流程可控度外，還要解決客戶溝通、團隊協作，以及許可權、異常情況、資料安全、責任歸屬等問題，才能從「能夠操作」走到「可以放心自主操作」。作者判斷這可能是漫長過程，但每延伸一步，就延展可服務的勞動力總量（TAM），這決定了大模型 ARR 的想象空間，也有助於投資者判斷大型雲廠商 AI 基建的鉅額投資是否過剩。