人工智能革命不在于模型本身，而在于我们在其之上构建的内容。
Salesforce 创始人 Marc Benioff 在 2026 年达沃斯论坛前夕为《时代》杂志撰写的文章中阐述了这一见解，它明确了一个事实，即企业技术公司应从根本上重新思考其竞争优势。直接引用 Marc 的话：“我们在大语言模型（LLM）之上构建的东西——即连接人工智能与我们工作和生活方式的可信数据和工作流——才是最重要的。”
对于那些构建企业技术的人来说，这一论点具有关乎存亡的分量。市场已经给出了裁决。传统企业级 SaaS 公司正在被系统性地重新定价，因为投资者意识到，作为手动工作流外壳而构建的软件将会过时。不是在十年内，而是在数年之内。
为什么仅有模型是不够的
大语言模型正迅速成为一种商品层。这并不意味着构建 LLM 的公司是可以互换的，而是意味着持久的差异化不再源于模型本身。优势转向了模型之上的部分：可信的数据、深度嵌入的工作流，以及将智能与实际运营决策联系起来的特定领域理解。
随着模型变得更加强大且易于获取，一个悖论出现了：模型的能力越强，驱动该模型的独特网络级数据和深厚的行业上下文就越有价值。每家企业技术公司很快都能使用强大的 AI 模型。许多公司将拥有大型数据集。但最终获胜的公司将是那些花费多年时间构建了完全不同的东西的公司：上下文理解。
上下文的必要性
上下文是将海量数据集从噪声转化为信号的关键。在企业数据上训练的代理仅拥有记录在案的决策所产生的历史结果。但人类决策者在做决定时，会利用记录之外的信息。他们理解因果关系、关联和异常。他们知道什么才是重要的。这种被捕获、编码并大规模运营化的理解，就是上下文。
上下文作为基础
传统上，我们将平台开发视为一个线性过程。首先连接数据源，然后添加上下文，接着启用操作，最后实现工作流自动化。当开发周期长达数年时，这种顺序模型是有意义的。
但我们已经没有数年的时间了。传统 SaaS 的迅速贬值证明，市场的变化速度超过了传统的路线图。企业现在必须基于三个相互依存的要求来构建代理型企业：上下文、推理和代理能力。
在进一步讨论之前，让我们在本次对话的语境下定义这些术语：
- 上下文：帮助人工智能理解信息片段之间关系的情境知识，从而产生适当的输出。
- 推理：人工智能系统利用逻辑或学习模式得出结论并解决问题的过程。
- 代理能力：系统独立做出决策并采取行动以实现目标的能力。
至关重要的是，这些要求并非同等重要。上下文是其他两项要求产生价值的基础：
- 推理（应用人工智能模型和逻辑）虽然强大，但如果没有可供推理的信息，就会失去方向。即使是最先进的语言模型，如果没有上下文框架来指导解释，也无法确定特定领域内的重要事项。
- 代理能力（采取行动和自动化决策）在缺乏上下文的情况下是危险的。一个在不了解领域内重要事项的情况下采取行动的代理，会大规模地制造自动化的混乱。
以异常恢复为例。远洋船舶的预计延误并没有单一的正确应对方案。在一种情况下，它可能会触发下游库存重新分配，以保护顶级客户的服务承诺。在另一种情况下，它可能根本不需要采取任何行动，因为安全库存和下游产能可以吸收这种干扰。数据是相同的，但结果不同。上下文决定了这种差异。
层级关系非常明确。上下文是其他要求赖以存在的必要基础。您可以构建复杂的推理和广泛的代理能力，但如果没有上下文，它们将无法转化为持久的业务价值。有了上下文，它们将改变游戏规则。
构建上下文护城河
每家企业技术公司很快都能使用强大的 AI 模型。许多公司将拥有大型数据集。但最终获胜的公司将是那些花费多年时间构建上下文理解的公司：即领域专业知识、关系映射和异常检测，这些使其数据在决策中具有独特的价值。
在 project44，我们花费多年时间构建了全球最大的物流数据图谱，专门为了实现这一代理化的未来。连接了超过 250,000 家承运商。每年跟踪 15 亿件货物。每年摄取并验证 7.3 万亿个数据点。涵盖所有主要运输方式和地理区域的网络级数据。这之所以成为护城河，不是因为其规模庞大，而是因为其具备上下文。
这段视频展示了当上下文、推理和代理能力协同工作时，代理型企业真正的样子。人工智能不仅建议行动，还能以资深供应链运营者的判断力来执行行动。
上下文可以被复制吗？
一个显而易见的质疑是：竞争对手难道不能构建类似的上下文吗？理论上可以。但在实践中不行，至少无法在短时间内实现。
构建有意义的上下文需要三样大多数公司不具备的东西：
- 跨网络多年的经过验证的数据收集
- 解释这些数据的深厚领域专业知识
- 证明上下文确实能驱动更好决策的运营工作流。
这不仅仅是数据量的问题，而是数据含义的问题。在供应链物流、医疗保健、金融服务或任何其他复杂领域，理解什么是重要的并没有捷径。这种理解是通过与客户多年的运营合作伙伴关系赢得的，他们足够信任您，才会分享其最敏感的数据。
等到竞争对手构建出可比的上下文时，领先者已经巩固了他们的优势。上下文带来更好的 AI 结果，从而吸引更多客户，产生更多数据，进而改进上下文。网络效应发生在数据层，而非用户层。
回报：真正有效的人工智能
随着上下文的成熟，它释放了人工智能真正能交付的东西：技能。不是聊天界面或仪表板，而是能干活的人工智能。在干扰级联反应之前重新规划货物路线。以 20 年资深专家的判断力解决异常情况。实时优化网络。
没有上下文的技能只是花拳绣腿。每家技术公司很快都会提供人工智能技能。差异化将源于驱动这些技能的上下文深度。
代理型企业并非未来状态，它正在发生。没有上下文，整个前提都会崩塌。但有了它，企业软件公司将能驾驭这一巨大的转变，而人工智能原生公司将能够对人类产生我们预期的影响。
