7 月下旬发生了两件事。表面上毫无关系，放在一起看，指向了同一个地方。
7 月 25 日，YC Startup School 旧金山现场，Jeff Dean 站在 6000 名创始人面前。主持人问：普通创业团队凭什么跟大厂竞争？这位 MapReduce、TensorFlow、TPU、Gemini 背后的首席科学家，给出的答案是 上下文工程（context engineering）——「你只需要一个 API」。他还说了一句我认为值得裱起来的话： 训练数据是几万亿 token 搅成一锅汤，糊进几千亿参数里；而上下文，是模型此刻直接看见的东西，清晰得多。
五天后的 7 月 30 日，字节跳动下发内部邮件，完成近年来力度最大的一次 ToB 架构调整：飞书产品团队并入豆包产品体系，商业化团队与火山引擎合并为新的 GTM 组织「创造力服务平台」。飞书这家「产品+商业化」一体的完整公司，被拆件重组，分别挂到字节的两条主线上——模型，和云。
一个是行业顶端科学家的判断，一个是最务实的 ToB 玩家的组织动作。同一周，指向同一件事：
AI 的竞争已经换场了。大家争夺的不再是模型，而是上下文。
模型这一仗，已经不是决定性战场
先声明：我不是说模型不重要。模型之间依然有真实的能力差距，选错模型依然会翻车。但竞争的方向正在收敛，这个判断有三个支撑。
第一，能力在趋同。 蒸馏让大模型的能力向小模型流动——Jeff Dean 自己就提到，Gemini 的 Flash 系列是从更大的 Pro 模型蒸馏出来的，这是「同尺寸档位里能力最强的模型之一」。开源模型在追赶，benchmark 在饱和。前沿模型的领先窗口，从「年」缩短到「月」。
第二，边际收益在递减。 对绝大多数应用场景来说，「换一个更强的模型」带来的提升越来越小，而依赖风险越来越大——模型是别人的组件，供应商随时可以换代。把业务押在一个随时会被替换的组件上，本身就是架构问题。
第三，也是最根本的：公开知识已经被商品化了。 Jeff Dean 那个「一锅汤」的比喻说的就是这件事——所有能从公开数据里学到的东西，都已经进了模型，成了标配，按 API 价格出售，人人平等。他还有一句话： 上下文工程是普通团队唯一能和大厂站上同一起跑线的战场——训模型需要天量算力和数据，但打磨上下文只需要一个 API。
所以问题不再是「谁的模型更强」，而是：当大家手里的模型差不多时，你拿什么跟别人拉开差距？
答案是：你喂给模型的东西。
两种上下文：能花钱买到的，和花钱也买不到的
「上下文」这个词太大了，必须先拆开。我把它分成两类，这是本文的核心框架：
| 公开上下文 | 私有上下文 | |
|---|---|---|
| 内容 | 互联网数据、公开知识、开源代码 | 组织文档、组织关系、权限结构、流程记录、决策历史、个人判断 |
| 获取方式 | 花钱买（API 调用费） | 花钱也买不到 |
| 模型能自己拿到吗 | 能——已经进模型了 | 不能——锁在你的系统和权限后面 |
| 价值趋势 | 持续贬值（被模型吸收） | 持续增值（越积越厚） |
这个二分法给了一个很实用的判别标准：看一个 AI 产品的价值来自哪里。
你的 AI 产品，价值从哪来？
│
┌───────────────┴───────────────┐
▼ ▼
┌─────────────┐ ┌─────────────┐
│ 公开上下文 │ │ 私有上下文 │
│ (能花钱买) │ │ (花钱买不到) │
└──────┬──────┘ └──────┬──────┘
▼ ▼
已进入模型，人人平等 锁在你的系统与权限之后
│ │
▼ ▼
价值持续贬值 ──────────► 价值持续增值
（下一个模型版本吃掉） （越积越厚，无法复制）
# generated by hugo AI
如果它的价值主要来自公开上下文——帮你在公开知识上生成、总结、问答——那它迟早被模型的下一个版本吃掉。Jeff Dean 在同一场对谈里给了同样的判断，他叫它「1% 法则」：不要去做模型已经能做对 20% 的事——那恰恰是危险信号，说明这个能力已经在模型里萌芽了，再多一点数据、再大一点规模，六个月到十二个月内就会被它自己吃掉。
如果它的价值来自私有上下文，故事就完全不同了。
1% 法则：护城河在模型照不到的地方
Jeff Dean 的 1% 法则说： 要去找模型成功率是 0% 或 1% 的问题。
模型为什么会彻底失败？两种原因：要么它拿不到那个数据，要么它没在那个分布里训练过。而企业里的私有上下文，恰好两条全占：
- 拿不到——你的组织关系、审批流、客户沟通记录、每次决策的来龙去脉，都在你的系统里，隔着你的权限体系。通用模型连门都进不了。
- 没见过——没有任何通用模型的训练集里，包含「你们公司是怎么做这件事的」。
这里有一个我认为最锋利的判断： 私有上下文是访问权问题，不是能力问题。 模型再强，也拿不到它无权访问的东西。能力可以靠 Scaling 追上来，访问权不行——它不随模型进化而松动，只随你的授权而打开。
这意味着护城河的位置变了。过去十年，大家把护城河修在模型上：更大的参数、更多的算力、更好的算法。现在模型在商品化，护城河必须修在模型照不到的地方—— 你的私有上下文，就是那块模型的光永远照不到的暗处。
飞书并入豆包：这个判断的一次组织级验证
回头看字节那次调整，味道就不一样了。
极客公园对这次整合的解读里，有一句话值得逐字引用： 「企业的文档、消息、组织关系、权限和业务数据，是 Agent 真正进入组织的前提。」 这句话等于承认：飞书过去十年积累的一切，在 AI 时代被重新定义了——它们不再是「协同办公功能」，而是 上下文资产，是豆包这样的模型进入企业的通道和弹药。
飞书过去卖的是协作工具。现在，字节把它重新定位为模型的上下文供给线——产品团队直接并入模型团队，组织上就完成了「模型+上下文」的合体。这个动作本身就是一种表态： 模型厂商对上下文的饥渴，已经大到要用组织架构来回应。
这正是我们很早就做出的判断：AI 的竞争不是模型竞争，是上下文竞争。这个判断我在三个层面分别讲过：在战略层面，AI 钉钉的护城河不在 AI，而在组织图谱与协同飞轮；在 ToB 落地层面，AI to B 的最后一公里不是模型，是企业基建；在工程层面，Context, is Control 讲的是想驾驭 Agent，控制的不是模型而是上下文。
今天这篇，是把它升到行业层面：这不是一家公司的路线选择，而是所有 AI 玩家共同的命运。 字节的组织调整、Jeff Dean 的演讲、各家在 Agent 上的布局，都只是同一个判断的不同投影。
竞争换场之后，对你意味着什么
如果接受「竞争焦点从模型转向上下文」这个判断，三个推论几乎是自动得出的。
对企业：你的 AI 战略不该从「选哪个模型」开始，而该从「我的上下文资产是否 AI 可读」开始。 你的文档、流程、组织关系、决策记录，每天都在产生两种命运之一：要么沉淀为结构化的私有上下文，要么蒸发在聊天记录和人的脑子里。前者是资产，后者是损耗。选模型是花钱的事，盘上下文是攒家底的事——而家底才决定你能不能接住越来越强的模型。
怎么判断自己的家底？四个问题可以自查：
- 组织关系能不能被 Agent 读到？——谁汇报给谁、谁负责什么、哪个团队管哪块业务，是躺在 HR 系统里的死数据，还是 Agent 可查询的活上下文？
- 决策有没有留痕？——「为什么当初这么做」的讨论记录，是散落在已读不回的消息里，还是沉淀在文档中可以被检索？
- 流程是文档还是默契？——一个新人（或一个 Agent）能不能只凭现有记录，独立走完一遍审批/报销/上线流程？
- 权限结构是不是显式的？——Agent 要进组织做事，前提是有清晰的权限体系可以遵守。权限靠口头约定的组织，Agent 永远进不来。
对平台：争的不是功能，是「上下文底座」的位置。 IM、文档、审批、组织图谱，这些不再是产品功能清单上的条目，而是上下文的天然入口——组织的上下文在哪里自然沉淀，Agent 就在哪里生根。谁成为上下文底座，谁就拿到了 AI 时代的入场券；反之，再好的模型能力也只是替别人做嫁衣。
对个人：同样的逻辑，缩小一万倍。 通用模型人人都有，大家的公开知识完全一样。拉开差距的是你喂给它的私有上下文——你的判断记录、你的经验教训、你的偏好和方法论。Jeff Dean 说上下文工程只需要一个 API 就能上桌，这是普通人第一次和大厂站在同一起跑线上，但前提是：你得有东西可喂。
写在最后
模型会越来越强，这一点毫无疑问。但有一个问题值得提前想清楚：
当模型足够强的时候，还有什么东西是你的？
答案只有一类：它从一开始就拿不到的。
AI 的竞争已经换场。这一局的赌注不是智能本身，而是决定智能落在哪里的那份上下文。模型是借来的，上下文是自己的——这场新竞赛里，唯一不会贬值的资产，是你组织里那些模型看不见的东西。
你的组织里，哪些上下文正在沉淀成资产，哪些正在悄悄蒸发？欢迎留言聊聊。