引言：一场看不见的战争

2025年10月，当Anthropic宣布推出Skills功能时，大多数科技媒体的报道都聚焦在"Claude又多了个新功能"。但如果你理解软件行业的历史，你会意识到：这不是功能竞赛，而是标准之争。

这让我想起了几个历史时刻：

• 1990年代末的浏览器大战：Netscape vs IE，争夺的是Web标准的话语权
• 2000年代的移动操作系统之争：iOS vs Android，争夺的是应用生态的控制权
• 2010年代的云计算格局：AWS vs Azure vs GCP，争夺的是基础设施的标准

每一次战争，表面看是产品竞争，实质是谁能定义标准，谁就能控制生态。

现在，同样的战争正在AI领域打响。

Anthropic的Skills、OpenAI的GPTs和Assistants API、Google的Extensions、Microsoft的Copilot Plugins——它们都在做同一件事：定义AI能力的标准化格式。

谁赢了这场战争，谁就控制了未来十年的AI生态。

作为一个在云服务领域工作多年的技术负责人，我见过太多标准之争。这篇文章，我想用行业观察的视角，分析Skills背后的战略意义、竞争格局，以及这场战争的可能走向。

第一部分：为什么要标准化AI能力？

1.1 AI的"DLL地狱"困境

理解标准化之前，我们先看看没有标准化的混乱。

现状：每个公司都在重复调教AI

想象一个场景：

• A公司花了3个月，调教Claude理解他们的财务流程
• B公司也花了3个月，调教ChatGPT理解类似的财务流程
• C公司还要再花3个月，从零开始调教Gemini

每家公司的经验都困在自己的系统里，无法复用、无法积累、无法交易。

这就像软件工程早期的"DLL地狱"（DLL Hell）：

• 每个程序都要自己实现基础功能
• 没有统一的库管理机制
• 升级一个组件可能破坏整个系统

混乱、低效、难以维护。

标准化能解决什么？

如果AI能力可以标准化：

1. 封装成标准格式（Skills、GPTs）
2. 在市场上交易和分发
3. 开发者一次构建，到处使用
4. 企业购买现成的垂直领域能力包

突然，AI能力从"公司内部的调教经验"变成了可交易的数字资产。

这不是简单的"方便一点"，而是从手工作坊到工业化生产的跃迁。

1.2 历史的教训：标准之争的战略意义

让我们看看历史上几次标准之争的结局。

案例1：浏览器大战（1995-2005）

第一阶段：Netscape占据90%市场
→ 微软推出IE，捆绑Windows
→ 微软赢得市场份额，但失去了开发者生态

第二阶段：Firefox、Chrome崛起
→ 拥抱Web标准（W3C、ES标准）
→ Chrome最终胜出，因为它更标准、更开放

教训：封闭标准可能赢得短期市场，但开放标准赢得长期生态

案例2：移动应用生态（2007-2015）

iOS：封闭但精致的App Store生态
→ 严格审核、统一标准、高质量应用
→ 开发者和用户双重锁定

Android：相对开放的Google Play生态
→ 更宽松的审核、更灵活的标准
→ 市场份额更大，但碎片化严重

教训：标准的严格程度，决定了生态的质量和规模之间的权衡

案例3：云计算标准（2010-2020）

AWS：事实标准，最早、最完善
→ 但API是私有的，迁移成本高

Azure、GCP：后发，但试图兼容
→ 提供迁移工具、兼容层

现状：多云成为趋势，但AWS依然占据最大份额

教训：先发优势 + 生态锁定 = 持久的市场地位

对AI能力标准化的启示：

1. 先发优势至关重要：谁先定义标准，谁就占据主动
2. 开放性决定生态规模：封闭可能赢得短期利润，开放赢得长期市场
3. 迁移成本是护城河：一旦用户被锁定，切换平台代价巨大
4. 标准的质量决定生态的质量：好的标准吸引优质开发者

现在，AI能力标准化的战争刚刚开始。

1.3 AI能力标准化的核心要素

一个成功的AI能力标准化方案，必须解决三个问题：

问题1：格式标准化

能力包的结构是什么？
- 如何描述能力？
- 如何封装工具？
- 如何定义触发条件？
- 如何管理版本？

类比：就像npm的package.json定义了JS包的标准格式

问题2：分发和发现

能力包如何流通？
- 在哪里发布？
- 怎么搜索和发现？
- 如何评价质量？
- 怎么处理版权和授权？

类比：就像App Store或npm registry

问题3：执行和隔离

能力包如何安全执行？
- 如何防止恶意代码？
- 如何隔离不同能力？
- 如何管理资源消耗？
- 怎么保证稳定性？

类比：就像Docker容器的隔离机制

谁能更好地解决这三个问题，谁就能赢得标准之争。

第二部分：竞争格局 – 四大阵营的较量

AI能力标准化的战场上，已经有四大阵营。

2.1 Anthropic阵营：Skills – 工程化路线

核心理念：AI能力是可工程化的软件组件

设计特点：

✅ 统一格式：SKILL.md作为标准描述文件
✅ 跨平台：Claude应用、API、Claude Code通用
✅ 代码执行：支持可执行代码，混合AI和传统编程
✅ 按需加载：不把所有东西塞进context
✅ 版本控制：通过Git管理，适合团队协作

战略定位：

• 目标用户：开发者、企业技术团队
• 核心卖点：工程化、可维护、可复用
• 生态策略：开放Skills市场（anthropics/skills）
• 商业模式：基础模型订阅 + Skills市场交易（猜测）

优势：

1. 技术纯粹性：设计优雅，符合软件工程最佳实践
2. 开发者友好：Git、Markdown、代码执行，都是开发者熟悉的工具
3. 企业适用性：版本控制、团队协作，适合企业级应用

劣势：

1. 学习曲线：需要理解SKILL.md的格式和结构
2. 生态初期：Skills市场刚起步，内容还不够丰富
3. 市场份额：Claude的用户基数小于ChatGPT

2.2 OpenAI阵营：GPTs + Assistants API – 消费者路线

核心理念：让普通用户也能定制AI

设计特点：

GPTs（面向消费者）：
✅ 可视化配置：不需要写代码
✅ GPT Store：公开市场，任何人都能发布
✅ 变现机制：创作者可以获得收入分成
✅ 社交元素：点赞、评论、分享

Assistants API（面向开发者）：
✅ 代码解释器：执行Python代码
✅ 文件检索：RAG能力
✅ 函数调用：集成外部工具
✅ 持久化对话：保存对话状态

战略定位：

• 目标用户：普通用户（GPTs）+ 开发者（Assistants API）
• 核心卖点：易用性、大众化
• 生态策略：GPT Store作为中心化市场
• 商业模式：订阅 + 应用内交易分成

优势：

1. 用户基数巨大：ChatGPT的用户量远超Claude
2. 易用性极强：GPTs可视化配置，门槛极低
3. 变现通道：GPT Store提供了直接的商业化路径
4. 双线布局：消费者（GPTs）+ 开发者（Assistants API）两条线

劣势：

1. 标准碎片化：GPTs和Assistants API是两套体系
2. 质量参差不齐：低门槛导致GPT Store充斥大量低质内容
3. 锁定效应明显：完全依赖OpenAI平台，迁移困难

2.3 Google阵营：Extensions – 搜索思维

核心理念：AI是增强版搜索引擎

设计特点：

✅ 搜索集成：天然连接Google搜索、Gmail、Drive
✅ 企业服务：与Workspace深度整合
✅ 开放协议：相对标准化的Extension格式
✅ 实时数据：强调实时信息的获取

战略定位：

• 目标用户：企业客户（Workspace用户）
• 核心卖点：与Google服务生态的无缝集成
• 生态策略：依托现有的Google Cloud和Workspace生态
• 商业模式：企业订阅 + 云服务绑定

优势：

1. 企业客户基础：大量Workspace企业用户
2. 数据优势：搜索、邮件、文档的海量数据
3. 基础设施：强大的云计算能力

劣势：

1. AI模型落后：Gemini在能力上逊于GPT-4和Claude
2. 开发者生态薄弱：开发者更倾向OpenAI和Anthropic
3. 战略摇摆：Google在AI方向上多次调整，缺乏连续性

2.4 Microsoft阵营：Copilot + Plugins – 操作系统思维

核心理念：AI是操作系统的一部分

设计特点：

✅ 系统级集成：嵌入Windows、Office、Edge
✅ 企业市场：依托Microsoft 365和Azure
✅ 插件生态：Copilot Plugins标准
✅ 多模型支持：不绑定单一AI模型

战略定位：

• 目标用户：企业客户 + Windows/Office用户
• 核心卖点：深度系统集成，提升办公效率
• 生态策略：依托Windows和Office的垄断地位
• 商业模式：企业订阅 + Azure云服务

优势：

1. 操作系统垄断：Windows的用户基数无人能敌
2. Office生态：Word、Excel、PowerPoint是办公标配
3. 企业渗透力：Microsoft在企业市场的统治地位
4. OpenAI合作：既有自己的Copilot，又能用GPT-4

劣势：

1. 创新速度慢：大公司病，决策流程冗长
2. 开发者信任度低：历史上多次"拥抱-扩展-消灭"
3. 标准分裂：Copilot的标准与其他平台不兼容

第三部分：深度对比 – Skills vs GPTs

让我们重点对比两个最有可能成为主流标准的方案：Anthropic的Skills和OpenAI的GPTs。

3.1 设计哲学的根本差异

本质差异：

Skills是Linux式的：

• 开发者主导
• 命令行友好
• 强调自由和控制
• 生态分散但高质量

GPTs是iOS式的：

• 用户主导
• 图形界面优先
• 强调易用和体验
• 生态集中但参差不齐

3.2 生态模式的对比

Skills的生态想象：

类似npm/GitHub生态：
1. 开发者在GitHub上开源Skills
2. 企业fork并定制私有Skills
3. 优秀的Skills被社区广泛使用
4. 出现专业的Skills开发公司
5. 企业采购垂直领域的Skills包

特点：
- 去中心化
- 开源为主
- 质量通过代码审查保证
- 适合B2B市场

GPTs的生态现状：

类似App Store生态：
1. 创作者在GPT Store发布GPTs
2. 用户浏览、搜索、使用
3. 热门GPTs获得流量分成
4. OpenAI控制推荐算法和规则
5. 低质量内容充斥市场

特点：
- 中心化
- 商业化为主
- 质量通过用户评分和平台审核
- 适合B2C市场

两种模式的优劣：

去中心化（Skills）的优点：

• ✅ 开发者自由度高
• ✅ 不受平台控制
• ✅ 容易形成高质量社区
• ❌ 发现成本高
• ❌ 需要技术能力

中心化（GPTs）的优点：

• ✅ 用户发现容易
• ✅ 平台统一运营
• ✅ 商业化路径清晰
• ❌ 平台控制力强
• ❌ 容易劣币驱逐良币

3.3 技术实现的深度差异

代码执行能力：

Skills（Anthropic）：

# Skills可以包含完整的Python脚本
def calculate_roi(investment, returns):
    """
    精确的ROI计算
    不用AI猜，用代码保证正确性
    """
    return (returns - investment) / investment * 100

# 混合模式：AI理解意图 + 代码执行计算

GPTs（OpenAI）：

GPTs依赖Code Interpreter：
- 可以执行Python代码
- 但代码是AI生成的，不可预设
- 每次生成的代码可能不同
- 适合探索性任务，不适合关键逻辑

关键差异：

• Skills：代码是Skill的一部分，预先定义、确定性执行
• GPTs：代码是AI临时生成的，不确定性、不可复现

这决定了：

• Skills更适合关键业务逻辑
• GPTs更适合灵活探索任务

上下文管理：

Skills（猜测）：

按需加载机制：
1. 扫描所有Skills的元信息（轻量）
2. 匹配相关Skills（快速）
3. 加载必要的Skills（精准）
4. 执行任务（高效）

优势：Context利用率高，可以有更多Skills

GPTs：

全量加载：
1. 用户选择一个GPT
2. 加载该GPT的完整配置和指令
3. 在整个对话中保持

优势：简单直接
劣势：一次只能用一个GPT，无法组合

可组合性：

Skills：

多个Skills可以同时激活：
- excel-formatter.skill
- financial-analysis.skill
- company-branding.skill

Claude自动协调它们的使用

GPTs：

用户一次只能选择一个GPT
想组合能力？只能：
1. 手动切换GPT
2. 或者创建一个"超级GPT"包含所有功能（不可维护）

这又是一个根本性差异：

• Skills：Unix哲学 – 组合简单工具
• GPTs：All-in-One – 一个应用做所有事

第四部分：未来走向 – 谁会赢？

4.1 短期（1年内）：各自占据细分市场

我的预测：

Anthropic Skills：

• 主导市场：企业技术团队、SaaS公司、开发工具
• 典型用户：需要将AI集成到产品中的B2B企业
• 增长驱动力：Claude Code的普及、企业私有化部署需求
• 挑战：市场教育成本高，需要时间培养生态

OpenAI GPTs：

• 主导市场：个人用户、内容创作者、教育培训
• 典型用户：想要定制AI助手的普通人
• 增长驱动力：ChatGPT的巨大用户基数
• 挑战：质量控制，GPT Store的低质内容泛滥

市场格局：

B2B市场：Skills占优（工程化优势）
B2C市场：GPTs占优（易用性优势）

两者不是直接竞争，而是各自占据不同的生态位

4.2 中期（2-3年）：标准收敛 or 分裂？

两种可能的未来：

场景A：标准收敛

出现一个跨平台的AI能力标准：
- 类似Docker的容器标准
- 或者类似ONNX的模型交换格式

Skills和GPTs都兼容这个标准：
- 在Skills平台创建的能力，可以导出到GPTs
- GPTs也可以转换成Skills格式
- 形成"一次构建，到处运行"的局面

推动力：
- 企业客户的强烈需求（避免锁定）
- 开发者社区的呼吁
- 监管机构的互操作性要求

场景B：标准分裂

形成多个互不兼容的生态：
- Skills生态（Anthropic + 开源社区）
- GPTs生态（OpenAI + 封闭市场）
- Extensions生态（Google Workspace）
- Plugins生态（Microsoft Copilot）

每个生态都有自己的：
- 标准格式
- 分发渠道
- 商业模式

推动力：
- 平台方的锁定效应诉求
- 先发优势的保护
- 差异化竞争的需要

我的判断：

初期会分裂，后期会收敛。

类比浏览器大战：

• 初期：IE、Netscape各自为政，标准分裂
• 中期：Firefox、Chrome崛起，拥抱Web标准
• 现在：HTML5、CSS3、ES标准成为共识

AI能力标准化也会走类似的路径：

1. 现在是混战期，各家都想定义标准
2. 3-5年后，会出现事实标准（可能基于Skills或GPTs的演化版本）
3. 监管和用户压力会推动互操作性
4. 最终形成"标准 + 各家扩展"的格局

4.3 长期（5年+）：AI能力的"npm时刻"

如果AI能力标准化成功，会发生什么？

想象未来的场景：

# 2030年的一个终端会话

$ ai-skill install @anthropic/excel-pro
Installing excel-pro v3.2.0...
Dependencies resolved: 12 skills
Total size: 45MB
Installed successfully!

$ ai-skill install @mycompany/internal-workflows --private
Installing from private registry...
Authentication required...
Installed internal-workflows v1.8.3

$ ai-skill list
NAME                          VERSION   SOURCE
excel-pro                     3.2.0     @anthropic
financial-analysis            2.1.5     @openai
internal-workflows            1.8.3     private
code-reviewer                 4.0.1     @github

$ ai-skill search "legal contract"
Found 234 skills matching "legal contract"

1. legal-contract-analyzer (★15.2k)
   Professional contract analysis and risk assessment
   @legaltech/contract-analyzer v5.2.0

2. contract-templates (★8.7k)
   Common legal contract templates with AI generation
   @lawyers-collective/templates v3.1.2

...

这意味着：

1. AI能力成为标准化商品

   • 像软件包一样安装、升级、卸载
   • 有版本号、依赖关系、兼容性检查
   • 可以在不同AI平台间迁移

2. 出现AI能力的交易市场

   • 免费的开源Skills
   • 付费的专业Skills
   • 企业级的定制Skills
   • Skills开发成为一个产业

3. AI应用开发模式改变

   • 不再是"调教AI"，而是"组合Skills"
   • 出现"Skills架构师"职位
   • AI应用的开发周期大幅缩短

4. 企业AI战略转变

   • 核心竞争力之一：私有Skills库
   • AI能力成为企业的数字资产
   • 出现Skills资产管理（Skill Asset Management）

4.4 关键变量：谁控制标准制定权？

最终的赢家，取决于几个关键变量：

变量1：监管政策

欧盟的AI Act可能要求互操作性
→ 强制平台支持标准格式
→ 推动Skills标准的开放化

变量2：企业客户的选择

如果大企业拒绝被单一平台锁定
→ 要求跨平台的Skills标准
→ 倒逼平台方妥协

变量3：开发者社区的力量

如果开发者社区形成共识
→ 推动开源的Skills标准（类似Kubernetes）
→ 商业平台被迫兼容

变量4：技术突破

如果出现更好的AI架构
→ 现有标准可能全部过时
→ 新一轮标准之争

我的预测：

Anthropic的Skills有更大可能成为长期标准，理由：

1. 技术优越性：设计更符合软件工程原则
2. 开发者友好：Git、代码、版本控制，开发者更喜欢
3. 开放性潜力：文件夹+Markdown的格式，容易开放和标准化
4. 企业适用性：B2B市场的付费能力远超B2C

但OpenAI的GPTs会在消费者市场保持主导地位。

最终可能形成：

• B2B市场：Skills为主导标准
• B2C市场：GPTs为主导模式
• 标准层面：出现通用的AI能力交换格式，两者都兼容

第五部分：对各方的影响

5.1 对开发者的影响

机会：

1. 新的职业方向：

   • Skills工程师
   • AI能力架构师
   • Prompt工程师升级为能力工程师

2. 创业机会：

   • 垂直领域的Skills开发公司
   • Skills市场和分发平台
   • Skills质量检测和审核服务

3. 技能升级路径：

   • 从传统开发转向AI能力开发
   • 结合领域知识 + AI工程化能力
   • 成为稀缺的复合型人才

挑战：

1. 学习成本：需要理解多个平台的标准
2. 选择困难：投入哪个平台的生态？
3. 快速变化：标准可能频繁更新

建议：

• 优先学习Skills，因为更工程化、更通用
• 关注开源社区的标准化努力
• 建立自己的Skills库，作为知识资产积累

5.2 对企业的影响

机会：

1. AI能力资产化：

   • 把企业知识封装成Skills
   • 形成可复用、可交易的资产
   • 新员工快速上手，降低培训成本

2. 竞争力提升：

   • 快速构建垂直领域的AI能力
   • 比竞争对手更早享受AI红利
   • 形成技术护城河

3. 商业化机会：

   • 把内部Skills对外销售
   • 成为垂直领域的AI能力供应商
   • 新的收入来源

风险：

1. 锁定效应：

   • 深度依赖某个平台
   • 切换成本巨大
   • 被平台控制定价权

2. 安全和合规：

   • Skills中的代码如何审计？
   • 企业数据是否泄露？
   • 如何符合监管要求？

3. 人才短缺：

   • Skills工程化人才稀缺
   • 培养周期长
   • 人才竞争激烈

建议：

• 制定AI能力标准化战略
• 避免单一平台依赖，保持多云能力
• 建立内部的Skills开发和管理团队
• 关注开源标准，参与社区

5.3 对AI平台的影响

赢家通吃的可能性：

软件行业有个规律：平台级产品往往赢家通吃。

• 操作系统：Windows一家独大（PC时代）
• 移动OS：iOS + Android两强
• 云计算：AWS占据最大份额
• 搜索引擎：Google垄断地位

AI平台会重复这个规律吗？

我的判断：不会完全赢家通吃，但会高度集中。

理由：

1. 多模态需求：不同场景需要不同的AI模型
2. 监管压力：反垄断监管会限制一家独大
3. 技术快速迭代：后发者有机会弯道超车
4. 企业多云策略：企业不愿被单一供应商锁定

可能的格局：

第一梯队（占据80%市场）：
- OpenAI（消费者市场 + 通用AI）
- Anthropic（企业市场 + 高质量AI）
- Google（企业服务 + 搜索集成）

第二梯队（专业细分市场）：
- 垂直领域的专业AI公司
- 开源AI社区（本地部署、隐私保护）

长尾：
- 大量小型AI服务商
- 但市场份额很小

平台方的战略方向猜测：

Anthropic：

• 强化Skills生态建设
• 推动Skills标准的开源化
• 拉拢企业客户和开发者社区

OpenAI：

• 提升GPT Store的质量控制
• 推出更工程化的能力封装方案
• 避免完全封闭，适度开放

Google：

• 尽快追赶AI模型能力
• 发挥企业服务和数据优势
• 推动标准化，避免被边缘化

结论：标准之争，刚刚开始

回到文章开头的问题：AI能力标准化之战，谁会赢？

我的答案是：不会有一个赢家，但会有一个主导标准。

短期：各自占据细分市场

• Skills主导B2B
• GPTs主导B2C

中期：标准博弈和融合

• 初期分裂
• 后期收敛
• 出现兼容层和转换工具

长期：AI能力的"npm时刻"

• 出现通用的AI能力标准
• 形成巨大的Skills市场
• AI应用开发模式彻底改变

对我们的启示：

1. 这不是功能竞赛，而是生态之争

   • 技术只是基础，生态才是护城河
   • 谁能聚集开发者，谁就能赢

2. 开放 vs 封闭的永恒博弈

   • 短期看，封闭可能更赚钱
   • 长期看，开放能赢得生态

3. 标准制定权至关重要

   • 定义标准的人，控制整个生态
   • 这是战略制高点

4. 历史总是押韵

   • 浏览器大战、移动OS之争
   • AI能力标准化会走类似的路径
   • 但节奏会更快

最后的思考：

25年前，没人预料到AWS会定义云计算标准。
15年前，没人预料到iPhone会定义移动应用生态。
5年前，没人预料到ChatGPT会引爆AI革命。

现在，我们正站在下一个转折点：AI能力的标准化。

这场战争，才刚刚开始。

而你，选择站在哪一边？

参考资料

1. Anthropic官方博客：Claude Skills发布
2. OpenAI GPTs和GPT Store的发展历程
3. 浏览器大战历史：《Browser Wars》
4. 移动应用生态研究：《App Store经济学》
5. 云计算标准化：AWS、Azure、GCP的竞争格局
6. 软件标准化历史：《The Art of Software Standards》

后记：

这篇文章写作时（2025年10月20日），Skills和GPTs的生态都还在非常早期。

我的很多判断可能不准确，但思考的框架应该是对的。

标准之争的本质，从来不是技术好坏，而是谁能聚集更多的开发者、企业和用户。

技术优越性只是入场券，生态繁荣才是终极目标。

让我们拭目以待。