記憶張量：記憶系統重新定義下?代AI智能體

作者丨青風

編輯丨六子

“跟大模型說過最近腸胃不好，給推的晚餐竟然還有辣子雞！”小劉的吐槽極具代表性——擁有萬億參數的AI大模型，卻記不住用戶的飲食習慣。

這是當前大模型廣泛存在的結構性問題：AI“健忘”，尤其缺乏長期記憶。大模型可以解答博士生都難解答的數學難題，但卻總忘記你的喜怒哀樂；AI Agent智能體可以做一份完美的計劃任務，卻又像個新手一樣轉眼就把前面的工作經驗忘得一干二凈。

AI大廠們也意識到了這個底層問題，紛紛加碼研究。OpenAI的CEO奧爾特曼曾表示，GPT-6的關鍵就在于記憶。但行業目前仍缺乏一個系統的解決方案。

*圖源記憶張量

讓行業沒有想到的，一家創立只有兩年來自中國的初創企業——記憶張量，率先補上這個?業最急缺的結構性空白。該公司不僅發布了業內?個記憶分層的新架構?模型，還推出了?業?個記憶操作系統MemOS，把AI記憶從概念做成產業級底座。

也因此，記憶張量不僅獲得了近億元的天使輪融資，技術方案還被Meta、Google等大廠跟進。

AI的“健忘癥”能否被破除？記憶系統又是否會重塑AI形態？

01
「AI的“金魚記憶”困境」

在電影《土撥鼠之日》里，菲爾每次醒來都得重新認識世界。現在的大模型們也總在對話中“重置”。

比如，周一你對大模型說，“記住：我只喝加冰不加糖的拿鐵。”而到了周三，你開啟全新對話：“今天想喝杯咖啡，推薦什么？”大模型的回答可能是，“美式、卡布奇諾、焦糖瑪奇朵都很受歡迎哦！”

沒錯，它就像金魚一樣，完全忘記了“不加糖拿鐵”這回事！

大模型的“健忘”在日常問答中引來的可能只是吐槽，但在商業應用中引發的則可能是客戶的憤怒。

有電商平臺測試發現，當用戶第3次咨詢訂單狀態時，AI客服的準確率從第一次的90%驟降至31%，因為之前兩次對話的內容它已經“失憶”了。一位用戶憤怒地抱怨：“我連續三天和AI討論旅行計劃，今天問‘之前說的那趟攻略’，它卻反問‘請問是哪次旅行？'”

AI 為什么容易失憶？這其實源于 Transformer 架構的本質特性。大模型的“記憶”就像一個容量固定的小抽屜，被稱為“上下文窗口”。以GPT-4為例，它的“記憶抽屜”最多只能裝下約32,768個文字，約100頁書的內容，當抽屜裝滿時，新進來的信息就會把舊信息擠出去。即使現在業界在追捧的超長上下文，不僅讓模型的成本變得更高，而且會讓模型變的更加不穩定，其背后的原因還是注意力機制在長距離依賴下天然脆弱，導致了超長上下文只能充當緩存，無法成為記憶。

而更核心的是，與人類不同，大模型并沒有真正的“理解”能力，它只是在統計規律上匹配，而非真正“記住”信息的含義，所以更容易丟失信息。

*圖源互聯網

行業其實很早便意識到了這個問題，ChatGPT、谷歌Gemini、Anthropic旗下Claude、馬斯克的xAI等大模型也都曾宣布上線記憶功能，支持多輪對話。

有業內技術專家介紹，當前行業主流的AI記憶策略有兩類：?類是?上下?，把歷史對話原樣塞進prompt（提示詞）?；另?類是RAG（檢索增強生成），?向量檢索拉回相關知識再拼進輸?。

但這兩種?式都還有很大的局限性。“它們只能提供?次性的、表層的‘記住’，本質上還是短時記憶，不具備真正的累積和演化能?。”記憶張量CEO熊飛宇對青澄財經表示，“這些方案最?的不?是，?都不是給Agent?的。現在的?多數Agent仍然屬于短線智能——每次任務都從零開始，沒有任務級狀態，沒有統?的記憶時間線，也?法跨場景遷移經驗。這也是為什么它們做單輪任務很強，?旦任務跨度變?、邏輯鏈條變復雜，就明顯乏?。”

*圖源記憶張量發布會 記憶張量CEO熊飛宇

從上面可以看出，??這兩年也在做AI記憶，但多半停留在“功能級”。而熊飛宇認為，過去行業在解決“信息能不能回憶”，但還沒有解決“記憶能不能影響智能行為”。這就意味著，AI記憶的缺位，不是功能而是系統層次的斷裂。

現在，這個空缺的行業板塊被記憶張量這家初創企業填上了。

02
「像操作系統?樣管理AI記憶」

“?類之所以能發展，是因為我們能記住、能總結、能更新，?這三點恰恰是當下AI Agent的能?缺?。”記憶張量CEO熊飛宇對青澄財經表示，“AI的下?次進化，?定從擁有記憶開始。”

*圖源天眼查

據天眼查顯示，記憶張量成立于2024年，但其團隊在2023年中便開始組建和孵化，當時聚在?起想做?件真正具備?期價值、?不是短期熱點的事情。他們在?量?線實踐?看到?個?常現實的問題：?模型的“瞬時聰明”和企業的“?期需求”之間?期存在斷層。

他們判斷“記憶”是?個可以真正做成系統級基礎設施的?向，?絕不只是單點功能。這個對行業的預判很快就有了成果。2024年7?，在世界??智能?會（WAIC）上，記憶張量發布了業內?個記憶分層的新架構?模型；同樣，在2025年的WAIC上，又發布了?業?個記憶操作系統MemOS。

像操作系統?樣管理AI記憶，?不是靠上下?堆砌、規則拼接來維持所謂的“記住”。這是行業此前從未嘗試的路徑。

MemOS的技術原理可以理解為三層協同：模型底座具備記憶原?能?，類似?腦把?期記憶壓縮進?層結構；系統負責調度和編排，管理記憶的全?命周期；應?側將所有記憶能?做成標準化算?，開發者可以像調?API?樣使?記憶抽取、壓縮、回溯、遷移等功能，?需理解底層機制，就能構建具備?期偏好、穩定?設和跨任務狀態的智能體。

值得一提的是，記憶張量非常重視“機制公開”與“可解釋”，MemOS并不是用“規則記憶”，而是將記憶寫入、調度，其生命周期變成可審計、可復現、可替換的系統模塊。

*圖源記憶張量

這條路徑實際效果如何？下面這個“陷阱”任務可以直觀地展示。對幾個主流記憶方案進行對比評測，?戶明確要求避開所有?碳??物，再讓AI推薦以碳?聞名的意?利菜時，只有MemOS能夠嚴格遵守?戶的?酮飲?偏好，其他?案均出現了不同程度的“遺忘”，推薦了?戶明令禁?的高碳水?物。

而在更專業的四?類權威Benchmark評測中，評測內容覆蓋從“事實記憶”“偏好理解”到系統性能的全場景，將MemOS與當前市?上主流的開源及商業化記憶?案進?對?，MemOS在所有四項核?算法基準上穩居第一，同時在關鍵指標上顯著降低了Token開銷，可謂“既準且省”。

*圖源記憶張量 PrefEval (0 輪無干擾)評測結果

*圖源記憶張量 LongMemEval評測結果

可以說，記憶張量交付出了—個可信賴的、?業級的記憶解決?案。

而記憶張量的探索，對整個行業都有極大的開創意義。MemOS解決了三個?期困擾?業的難題：AI不穩定，記不住?、不記?作、不記任務；Agent做不深，只能demo，?法持續運?；企業智能化做不下去，因為知識、經驗、上下??法沉淀。

03
「AI記憶的基礎設施」

“我希望記憶張量能成為AI記憶基礎設施的定義者。就像數據庫改變了信息系統的形態，操作系統改變了計算機的形態，我相信記憶系統會重新定義下?代智能體的形態。”熊飛宇表示。

將記憶定位為AI新的基礎設施，MemOS的適用范圍一下就打開了：既可以是C端的大模型應用，也可以是企業級Agent。簡單總結——凡是需要連續性、需要?期累積和需要穩定表現的場景，MemOS都有發揮空間。

熊飛宇介紹了幾個典型場景：一是陪伴類、??類、?格類AI；二是企業級AI助?，尤其?融、?業、運營商等復雜業務；三是?業知識沉淀型任務，?如客服系統、?控助?、運營分析Agent等。

事實上，記憶張量的技術方案已獲得招商證券、中國銀行、中國電信等頭部國央企的廣泛認可，累計簽約金額已達數千萬元。

*圖源記憶張量官網

其實際落地的個性化AI?融投顧客服案例，帶來的效果就很明顯。接?MemOS后，系統能?動記住?戶的?險偏好、過往問題、賬戶習慣、資產結構等?期信息。同?個?戶反復來咨詢，系統能保持?致的策略和?設，重復溝通減少超過60%。

另一個案例，個性化??扮演類AI游戲更獲得了玩家們的熱烈反饋。集成MemOS后，游戲中的AI??可以記住玩家的?為?格、道德傾向、互動歷史，甚?會形成??的偏好和性格軌跡。玩家們覺得NPC不再只是個固定化程序，而更像“活著的??”，由此帶動了游戲的?戶黏性提升顯著。

面向C端，11月27日，記憶張量又發布了一個跨平臺的AI統?記憶管理助?MemOS-MindDock，支持ChatGPT、Gemini、DeepSeek、通義千問等多平臺，可?動獲取歷史對話、個?設置與記憶內容，用戶即使切換平臺也能始終被“理解”。

用個形象的比喻，MemOS-MindDock就像一個專屬的外置?腦，將信息統?存儲，隨時調?，讓用戶的個?記憶庫持續成?，并始終掌握在???中。

記憶張量創業之初就保持了開放的態度，希望“記憶”能像數據庫、向量庫?樣，成為AGI時代的基礎能?，因此圍繞MemOS搭建了?個“開源社區+云服務+?具鏈+?態合作伙伴”四位?體的體系。

目前，MemOS已全面開源，登陸魔搭社區MCP廣場，還上線了扣子（coze）插件商店。此外，記憶張量還與阿?云、天翼云、ModelScope等?態伙伴形成深度合作，共同提供托管服務、模型加速、?業模板等能?，使企業可以在云端、私有化、本地端等不同部署環境下使?統?的記憶框架。

面向未來，記憶張量計劃把記憶從語?智能，擴展到更多維度，包括多模態記憶、具身智能的動作與環境記憶，以及端側可部署的本地記憶體，讓AI在視覺、語?、?為和真實世界的交互中都具備持續性的時間線和經驗積累。

“我們的?標?常清晰：讓每?個AI都擁有??的‘過去’和‘成?軌跡’，讓智能體第?次具備可持續的?命線。”熊飛宇表示。