文 | 深流研究所，作者 | 绛枫
今年，美国三家领先的 AI 公司相继为自家模型添加了颇具“科幻感”的新标签。
OpenAI 宣称 ChatGPT 已能“做梦”，Anthropic 计划为 Claude 配备内置“个人知识库”，Google 则表示要让 Gemini“原生携带你十年的记忆”。
三种提法看似彼此独立，实则围绕同一个能力展开争夺——Context（上下文）。
以前，Context 只是一个低调的技术指标，用于衡量模型单次能够处理的字符数量。而现在它的定义已经大大扩展：它既是用户数据资产，也是工具调用权限，更代表任务执行中的实时状态，以及AI 对你的理解程度有多深。
根据「深流研究所」的统计，仅今年一年，OpenAI、Anthropic 和 Google 围绕 Context 已密集推出 40 多项核心产品与功能更新——差不多每三到四天，市场就会迎来一项新的上下文能力。
从超长上下文窗口，到跨会话记忆，再到浏览器操控、桌面集成以及图形界面交互，过去两年 AI 产品最重要的演进，几乎全部集中在 Context 这一维度。
一场围绕“上下文”的战役已经全面打响，它也在悄然重塑 AI 时代的企业壁垒。
1、从长窗口到真实环境，Context 边界的三大跨越
Context 最初的竞争，聚焦在“文本容量”上。
在 Chatbot 时期的语境下，Context 主要体现为模型单次可接收的信息密度。窗口越长，模型就越能驾驭长篇论文、大型代码库甚至完整的项目档案。这引发了 OpenAI、Anthropic 与 Google 之间的上下文窗口军备竞赛。
2023 年 5 月，Anthropic 率先将 Claude 的上下文窗口从 9K 提升至 100K，大约可容纳 7.5 万汉字，首次使“上传整本书”变为可能。同年 11 月，OpenAI 以 GPT-4 Turbo 的 128K 窗口紧追而上。三个月后，Google 又凭借 Gemini 1.5 Pro 把这一指标推高至百万 token 级别。
在短短不到一年的时间里，Context 从十万量级跃迁到了百万量级。
长窗口解决了 AI 的信息“吞吐量”问题，但这场竞赛很快显露出局限性：模型能看到更多数据，不等于它能更深刻地理解任务。
尤其当 AI 产品从聊天机器人向智能体（Agent）演进时，Context 的边界开始改变。它不再仅仅是一次对话中的输入文本，而是在任务循环中持续累积并动态刷新的状态流。
竞争焦点也随之迁移：从“模型一次能知道多少”转向“模型长期能记住什么”。记忆（Memory）成了这一阶段最具代表性的产品形态。
2024 年初，OpenAI 率先为 ChatGPT 引入跨会话记忆，使模型能够记住用户的偏好、背景以及长期需求。随后，Anthropic 与 Google 也接连为 Claude 和 Gemini 补足了记忆功能。
Context 从此拥有了时间维度。AI 不再仅仅处理当下的输入，也开始尝试在用户今天、上周乃至上个月的交互之间建立连贯性。只有具备长期上下文的 AI，才有可能将零散的互动串联成持续的关系。
不过，记忆回答的是“过去发生过什么”，尚未触及另一个更本质的问题：现在此刻正在发生什么？
真正的转折点出现在 2025 年下半年。
从这一年的 8 月开始，三家公司几乎同步将 Context 的战线延伸到浏览器：Anthropic 发布了 Claude for Chrome，Google 将 Gemini 嵌入了 Chrome，OpenAI 则推出了独立的 AI 浏览器 ChatGPT Atlas。
浏览器本身就是一座 Context 的富矿。网页内容、搜索意图、登录状态、表单输入、浏览记录、标签页以及用户正在执行的任务，全部沉淀在浏览器之中。而且这些 Context 更加实时、更加流畅，也更靠近真实的作业现场。
在此之前，AI 获取 Context 的方式，在本质上仍是等待用户主动投喂资料：上传文件、输入指令、授权记忆或者连接数据源。
进入浏览器后，游戏规则变了。AI 得以进入用户的工作环境，观测页面状态，理解任务进度，捕获操作意图，并在真实界面中执行后续步骤。
这是 Context 边界的第三次跨越：它从模型侧接收的静态数据，变成了智能体在图形界面、网页和系统环境中捕捉到的动态状态。
长窗口决定了模型单次可承载的信息量；记忆决定了模型能否跨时间理解用户；而浏览器、桌面应用和 GUI 操控能力，则决定了模型能否进入真实的任务现场。
三者环环相扣，共同构成了过去两年 AI 产品竞争的主旋律：Context 已从单纯的模型能力问题，逐步演变为产品入口之争、用户关系之争，以及数据资产的沉淀之争。
2、Context 成为新战场，美国 AI “三大厂”的三种路径
当 Context 从模型参数转变为用户资产时，竞争的重心就落在了：谁能更可靠地获取、整合和调度上下文。
围绕这块阵地，OpenAI、Anthropic 和 Google 分别走出了各具特色的路线。
ChatGPT 是 OpenAI 最核心的 Context 蓄水池。
用户在一轮又一轮对话中留下的记忆、偏好、历史任务以及工具调用的痕迹，逐渐沉淀到同一个 ChatGPT 账户内。
这个账户与传统互联网账户截然不同。传统账户记载的是登录凭证、订阅关系和支付信息；而 ChatGPT 账户记录的，则是用户“被 AI 理解的历史”。
这是一种原生于 AI 的用户资产。它的价值不仅体现在更具个性化的回复，更体现在减少冷启动成本、延续任务进度，以及在不同产品场景中复用同一套用户画像。
对于 OpenAI 来说，由于缺乏 Google 那样的原生数据土壤，它必须促使用户持续在 ChatGPT 体系内产出新的 Context。
因此，OpenAI 近年来的产品动作，一直在扩张 ChatGPT 账户能够笼罩的任务半径——Apps SDK 让第三方应用进入 ChatGPT，Atlas 将浏览器纳入 ChatGPT，最新融合的 Codex 更是把编程任务拽进了同一个工作流。
OpenAI 的独特路径在于，它并非先占据入口再接入 AI，而是以 ChatGPT 为原点，反向将应用、浏览器、编码等场景收拢进同一个账户体系。
于是，ChatGPT 不再仅仅是一个对话入口，而演变成了汇聚、调用和更新 Context 的中央枢纽。
相较之下，Anthropic 既缺少 C 端入口，也没有大规模存量用户数据。
它的突进路线，是切入编程、智能体这类高价值垂直场景，并在这些场景中强化 Claude 主动捕获 Context 的能力。
对 Claude 而言，Context 不是用户敲入的一段文字，而是任务现场中动态变化的环境：代码仓库、文件系统、终端输出、浏览器页面、数据库、项目文档，以及每一步执行后产生的反馈。
正因如此，Anthropic 特别强调 Context 获取的主动性。模型不应该只是坐等用户输入，而应当在任务执行过程中主动深入环境、读取状态、获取反馈。
2024 年 10 月，Anthropic 推出 Computer Use，让 Claude 能够根据屏幕截图移动鼠标、点击按钮、输入文字。
按照官方描述，Claude 3.5 Sonnet 是首个向公众开放计算机操控能力的前沿 AI 模型。
这意味着，当 Context 暗藏在网页、菜单、后台系统和本地软件界面中，而非结构化 API 接口里时，Claude 也可以借助图形界面进入环境，观察状态并展开操作。
一个月之后，Anthropic 发布了 MCP。这个开放协议负责连接 AI 助手与外部工具、数据源，官方的定义是将 AI 助手接入到“数据所在的系统”，涵盖内容库、业务工具和开发环境。
它的价值在于，让 Claude 摆脱对用户复制粘贴的依赖，转而通过标准方式接入外部工具与数据源。
这两类能力，分别对应 Anthropic 获取 Context 的两大途径：
Computer Use 通过图形界面进入现场，MCP 通过协议联通系统。一个踏入任务前线，一个打通外部工具链，两者合力让 Claude 持续获得动态上下文。
再看 Google。外界常评价 Google 是手握最多 Context 的巨头之一。它不缺入口，也不缺数据。Chrome、Gmail、YouTube、搜索等产品矩阵，构成了全球最庞大的用户触点网络之一。
但从 AI 的视角审视，数据多并不等于 Context 强。
Google 过去沉淀的是搜索、浏览、邮件、文档、位置、视频消费等数据，它们主要用来优化搜索排序、广告投放、内容推荐和办公协同。这些本质上是为了支撑系统功能运转的行为信号。
而智能体需要的是能被模型理解、推理并调用的任务背景。
只有当模型能够判断哪些信息与当前任务相关、哪些已经过时、哪些允许被调用，以及这些信息之间如何关联时，数据才会真正蜕变成 Context。
Google 面对的并非简单的“接入数据”操作，而是一场数据重构运动。它必须将分散在不同产品中、服务于不同系统目标的旧数据，重新筛选、关联、征得授权，并转化为 Gemini 能用的个人上下文。
这项工程的复杂程度，绝不亚于 OpenAI 从零开始沉淀 Context 或 Anthropic 直插任务现场。
过去两年，Google 的产品动作并非另起炉灶，而是沿着固有阵地向内改造。这条路径的核心，是把碎片化数据编织成任务链条。
2024 年 5 月，Gemini 1.5 Pro 进入 Workspace 侧边栏，让模型在 Gmail、Docs、Drive 等工作场景中先行调用当前的上下文。
2025 年 7 月，Gemini app 开始连接 Gmail、Drive、Calendar 等工具，将 Context 从单一应用扩展至跨应用任务。
2026 年 1 月，Personal Intelligence 启动测试，进一步把 Gmail、Photos 等个人数据融入 Gemini 的个性化背景。
Google 的 Context 战略并非简单的“数据多，所以天然领先”。
它真正需要攻克的，是一场数据可用化工程：把过去为搜索、广告、推荐等系统目标服务的海量行为数据，转化为 AI 时代可理解、可授权、可行动的上下文。
3、从“网络规模”到“个体纵深”，AI 时代的护城河变了
最近两年，OpenAI、Anthropic 和 Google 都在加速沉淀并挖掘 Context，围绕它构建获取、整合与调用的能力，试图塑造新的竞争壁垒。
但一个看似矛盾的变化也同步发生：今年年初起，三家公司不约而同地让记忆变得更透明、可解释，甚至可迁移。
2026 年 3 月，Anthropic 与 Google 前后脚推出 Memory Import，允许用户在 ChatGPT、Gemini 和 Claude 之间迁移记忆。
紧接着，OpenAI 通过 Memory Sources 功能，使用户可以看清楚某条个性化回答背后调动了哪些记忆、历史对话或外部数据源。
如果 Context 是 AI 时代最核心的资产，为什么平台反而开始开放对它的控制？
答案在于，Memory Import 真正开放的部分，仅仅是表层的 Context：用户偏好、历史记忆摘要、对话历史的压缩版本。
这些信息高度结构化，也很容易用自然语言来描述。迁移它们的技术门槛并不高。
真正难以迁移的，是另一类上下文：任务进度、工具权限、企业系统接入，以及执行现场实时传回的反馈。
这些 Context 深度嵌入产品和系统环境，无法靠一段提示词完整搬走。
这也说明，AI 时代的竞争逻辑，已与互联网时代分道扬镳。
互联网的基本形态是网络，它将人、内容、商品、服务和信息连接成节点。节点越多、连接越密，产品价值就越大。因此，互联网时代最坚固的护城河是网络效应，价值源于更多人共同使用。
而 AI 的基本形态，更接近一种新型计算平台，或者说新型的信息处理系统。
它的首要价值不再是连接更多人，而是理解信息、处理任务、调用工具并完成动作。一个 AI 即便只服务于单个用户，也可能创造出巨大价值。
因此，AI 时代的护城河，正在从“网络规模”转向“个体纵深”。这种“个体纵深”的壁垒，主要由三个层面构成：
第一层，是 Context 的复利效应。AI 每完成一次任务，都会更加了解用户的表达方式、判断准则、素材偏好和工作流程。到下一次执行时，冷启动的代价就会更低。
第二层，是权限与工具链的深度嵌入。当用户把邮箱、文档、代码库等授权给 AI，AI 就不再是一个随时可被替代的问答工具，而是嵌入了真实的任务现场。
第三层，是信任关系的建立。任务越复杂、价值越高，用户就越不会轻易交托给一个陌生的 AI。只有那个长期理解自己、熟知边界、能贯穿上下文的 AI，才可能被赋予下一步的执行权限。
如果说互联网产品争夺的是注意力入口，那么 AI 产品争夺的就是任务入口。
一旦某个 AI 持续深入用户的工作流、积累上下文并获取执行授权，切换它的成本就不止是换一个应用，而是要重新搭建一套被理解、被授权、被信任的任务关系。类似地，在高端在线服务领域，像888贵宾厅这样注重个性化体验的平台，也需要通过深度上下文理解来维系用户信任与任务连续性，这正是 AI 上下文能力在具体行业中的投射。
国内产品的变化，同样可以放进这个逻辑中审视。
以腾讯为例，它在互联网时代积累了关系链、内容、服务生态和高频入口；迈入 AI 时代，这些资产的价值，恰恰取决于能否被重新组织为智能体可理解、可调用、可执行的 Context。
不论是通过 WorkBuddy 打通文档、会议、企业微信等工作场景，还是微信“小微”尝试在微信生态内调度小程序和服务，本质上都是将原本服务于人的内容、关系与流程，转化为 AI 可以介入的任务环境。
正如腾讯首席 AI 科学家姚顺雨所判断：Context 表面上看起来是数据资产，实质上却是产品能力、工程能力和组织协同能力的综合体现。
互联网时代的护城河看的是规模。AI 时代的护城河更应该衡量转化效率：
谁能把存量生态更迅速地转化为 AI 的工作环境，谁能让 AI 在一次次任务中积累更深层的用户理解，谁就更有可能筑起新的壁垒。
这正是 Context 之战最值得持续追踪的地方。
