一句话定义：ChatGPT Work 是面向“整个组织一起干活”的一层产品；它不只是给每个人一个聊天框，还把公司内部系统（连接器，Connector）、能替你跑流程的智能体（Agent），以及一套跟随组织架构的权限打包成日常办公入口。
为什么会有这一层
个人版解决“我问它答”，Team 解决“一个小组凑钱买账号”，Enterprise 解决“大公司敢不敢用”。但到了 Uber 这种体量，一次性把约 3 万名员工搬上去，问题性质就变了：重点已不在模型够不够聪明；更关键的是，A 部门的智能体能不能看到 B 部门的库、离职员工的授权多久回收、谁的账号能替公司对外发邮件。
打个比方：Team 是给团队每人发一张健身月卡；Enterprise 是包下一栋楼，装了门禁、监控和消防；Work 则是把车间搬进这栋楼，桌上摆着公司各个系统的钥匙，还配了几个能自己动手的实习生。钥匙怎么发、实习生能开哪扇门，才是这层产品真正的内容。
三者的差别
| 主要面向 | 核心能力 | 常见计费形态 | |
|---|---|---|---|
| Team | 小团队、部门级 | 自助开通、共享工作区、基础成员管理 | 按席位 |
| Enterprise | 大型组织 | 单点登录（SSO）、审计日志、数据治理、合规与专属容量 | 按席位，合同制 |
| Work | 全员铺开的组织 | 连接器 + 智能体 + 分层权限 | 席位打底 + 用量 |
三者的边界会随版本调整，具体以官方页面为准。
权限怎么分层
记住一句话：代理不能比委托人更有权。
- 组织层：IT 决定哪些连接器整体可用，比如允许接公司网盘、不允许接个人网盘。
- 角色层：按部门或群组授权，财务能连账务系统，市场不能。
- 个人层：智能体执行时以谁的身份运行、只读还是可写、写操作要不要人工二次确认。
- 留痕层：谁让哪个智能体做了什么，事后要查得到。
这里最容易出问题的是“写”权限：查考勤是读，替员工提交离职是写。前者可以放开，后者必须卡住，并要求人来批准。
按席位还是按用量
席位制按人头包月，预算可预测，适合“人人用一点”；用量制按实际消耗结算，适合少数重度用户和后台常驻的智能体。多数组织最终是混合：座位费打底，超额走用量。具体价格别猜，以官方页面为准。
对普通人的意义
采购时该看的，是权限模型和审计能力，而非模型跑分；因为一旦出事，赔的是数据，并非回答质量。对个人来说，以后你的工位上会挂着几个智能体，管好它们的权限，跟管好自己的密码是同一件事。