At CES 2026, 老黃提出了一個新的觀點：數據中心新的卡脖子的壓力，已經從 “insufficient compute” 變成了“insufficient context” ，提出了“Context is the new bottleneck — storage must be rearchitected.” 1️⃣那這裡的Context指的具體是什麼呢？ Context是一個非常核心的AI概念！用最通俗的話來解釋： 上下文長度，就是AI模型在處理你的當前問題時，能“看到”並綜合考慮的之前文本（或對話歷史）的總量。 你可以把它想象成模型的“短期工作記憶”或“參考書頁數”。 假設你有一位記憶力有限的老師： 上下文長度短（如 4K tokens）：這位老師只能記住你們最近幾分鐘的對話。如果你突然問他：“我們剛纔討論的那本書的作者還寫了什麼？”，如果他“記憶窗口”裡已經沒有這部分內容了，他就無法回答。 上下文長度長（如 128K tokens）：這位老師能記住你們過去幾小時甚至幾天的完整對話。他可以輕鬆地回顧很久之前提到的細節，並在此基礎上進行複雜的推理和總結。 2️⃣在技術上，上下文長度通常以 “令牌” 來衡量。一個token大約等於0.75個英文單詞或一個中文字符。 🌟4K tokens：約3000個英文單詞，或一篇短文。 🌟128K tokens：約10萬個英文單詞，相當於一本中長篇小說的長度。 🌟1M tokens：約75萬個英文單詞，相當於好幾本長篇鉅著。 3️⃣為什麼它如此重要？ 上下文長度直接決定了模型能處理任務的複雜度和連貫性： -長文檔處理：要總結、分析或翻譯一本數百頁的書籍，這需要超長的上下文窗口。 -複雜多輪對話：在客服、心理諮詢或複雜的創意協作中，對話可能持續數十甚至上百輪。長上下文能確保模型不忘記最初的設定和目標，保持對話的一致性和深度。 -“大海撈針”能力：這是衡量長上下文模型效能的關鍵測試。即在幾萬字的文本中故意埋藏一個事實，強大的長上下文模型能準確找到答案。 -減少信息丟失：在短上下文中，當新信息輸入時，舊信息會被“擠出去”。這會導致模型失憶、前後矛盾。長上下文極大地緩解了這個問題。 4️⃣那當上下文成為新的瓶頸，又會帶來什麼樣的技術革命和投資機會呢？ 其實看這幾天的盤面已經非常明顯，無論是強勢的閃迪 $SDNK 、美光 $MU 三星、SK都顯示了。新的技術瓶頸也將帶來新的機會。 這推動了存儲架構和內存子系統的革命（如HBM高帶寬內存、CXL協議、NVIDIA的ICMS平臺等）。 5️⃣儲存超級週期或許真的到來！ 這一波邏輯改變，讓原本屬於“配角”的內存和存儲，拿到了 AI 基礎設施週期的“主角”劇本。...