情境是新的數據

「數據是新石油」定義了 2010 年代的戰略思維。企業在數據基礎設施（收集、存儲、轉換和分析）上投資了數十億美元。數據倉庫成為了標準基礎設施。擁有最佳數據運營的公司（如 Google、Amazon、Netflix、Uber）建立了經得起時間考驗的競爭優勢。

數據優勢如今已成為基本門檻。每家公司都有數據倉庫。每家公司都在運行分析。每家公司都有儀表板。基礎設施已被商品化，雖然分析質量仍有差異，但收集和查詢結構化數據的基本能力已不再是差異化的來源。

下一個競爭優勢層面是「上下文（脈絡）」：解釋數據含義以及如何應對的非結構化、定性知識。

數據告訴你「是什麼」。上下文告訴你「為什麼」。

你的數據顯示，上一季度企業流失率增加了 15%。如果你能獲取你的上下文，它會告訴你：有三個流失的客戶提到了同一個功能缺失；產品團隊在六個月前基於現已不再適用的理由，而降低了該功能的優先級；銷售團隊幾個月來一直從潛在客戶那裡聽到關於該缺失的反饋；以及一家競爭對手在他們最新發布的版本中正好推出了該功能。

數據是訊號。上下文是情報。同時擁有這兩者的公司，能比僅擁有數據的公司做出更好、更快的決策。

在歷史上，上下文的價值之所以低於數據，是因為上下文沒有基礎設施。你無法將其存入倉庫、進行查詢，也無法將其傳輸到分析工具中。它存在於人們的腦海中，存在於被刷走不見的 Slack 對話串中，存在於從未錄音的會議中。上下文確實存在，但在運營上是無法獲取的，這意味著它無法被視為一項戰略資產。

這正在發生改變。

上下文基礎設施層

自動撰寫文檔、語意搜索和開放式 AI 協議，使得首次構建與數據基礎設施並行的上下文基礎設施成為可能。

收集： 連接到創建上下文的工具（Connections，如 Slack、GitHub、會議、電子郵件、Google 雲端硬碟），持續攝取原始上下文。

轉換： 自動撰寫文檔將原始活動轉化為結構化、可引用的文檔。Slack 的討論變成了決策記錄。會議變成了包含提取洞察的可搜索逐字稿。PR（拉取請求）變成了系統文檔更新。

查詢： 語意搜索和 MCP 使得人類和 AI 代理能夠查詢上下文，其方式與 SQL 和 BI 工具查詢數據相同。

這個基礎設施層，即上下文倉庫（context warehouse），是首次讓上下文得以被視為戰略資產的關鍵。此前被鎖定在臨時渠道和人們記憶中的知識，變得可以持久保存、可搜索並能產生複利效應。

複利優勢

上下文基礎設施具有數據基礎設施基本不具備的屬性：它的價值會隨著時間推移而產生複利，其方式是加速增長而非進入平台期。

一個擁有六個月交易數據的數據倉庫是有用的。一個擁有五年交易數據的數據倉庫更有用，但隨著歷史模式變得確立，每增加一個月的邊際價值就會遞減。

一個積累了六個月決策、討論和機構知識的上下文倉庫是有用的。一個積累了五年上下文的上下文倉庫則有用得多，因為舊上下文與新上下文之間的關聯能產生兩者單獨無法產生的洞察。兩年前的產品決策解釋了導致今天工程瓶頸的架構限制。十八個月前的客戶對話預測了現在正在顯現的競爭威脅。去年的研究回答了今年戰略所依賴的問題。

現在開始構建上下文基礎設施的公司，將積累起無法快進或購買的上下文。兩年後才開始的競爭對手，無論在基礎設施本身上花費多少，起步時的積累上下文都是零。上下文是護城河，而護城河會隨著時間而加深。

誰先行動

數據倉庫的普及遵循了可預測的模式：技術先進的公司首先構建它們（2000 年代後期），隨後是主流普及（2010 年代中期），到了 2020 年代初期，它們已無處不在。先動手的公司比後起步者累積了五到十年的數據優勢。

上下文倉庫的普及正處於同一曲線的起點。現在投資於上下文基礎設施、連接其工具、啟用自動撰寫文檔、構建查詢層的公司，將在主流追趕上來時，擁有數年積累的上下文優勢。

基礎設施已經可用。問題在於哪些公司能足夠早地認識到這與數據倉庫的平行關係，從而建立起優勢。

常見問題

這難道不只是換了個名字的知識管理嗎？ 知識管理在歷史上意味著維基、文檔和手動整理。而上下文倉庫是基礎設施：自動化的收集、轉換、存儲和查詢。兩者的關係大致類似於「文件夾」與「數據倉庫」。兩者都存儲信息。但基礎設施版本在根本上要強大得多。

這與 AI 戰略有何關係？ 上下文倉庫是 AI 的基礎設施。在企業中部署的每個 AI 工具都受益於更豐富的上下文，而上下文倉庫正是提供這些內容的關鍵。在部署 AI 工具之前構建上下文基礎設施的公司，從 AI 投資中獲得的價值，將遠遠超過那些在上下文真空狀態下部署 AI 的公司。

這只與大公司相關嗎？ 這種模式同樣適用於小規模。一個從第一天起就構建上下文基礎設施的 20 人初創公司，在達到 100 人時將擁有比到 100 人時才開始構建的公司更豐富的機構記憶。你越早開始，積累的上下文就越多，基礎設施也就越有價值。

相關閱讀：什麼是上下文倉庫？、你的數據倉庫處理數字、記憶是護城河、你的公司還沒為 AI 做好準備。相關頁面：自動撰寫文檔、Connections、MCP。