记忆张量：记忆系统重新定义下⼀代AI智能体

作者丨青风

编辑丨六子

“跟大模型说过最近肠胃不好，给推的晚餐竟然还有辣子鸡！”小刘的吐槽极具代表性——拥有万亿参数的AI大模型，却记不住用户的饮食习惯。

这是当前大模型广泛存在的结构性问题：AI“健忘”，尤其缺乏长期记忆。大模型可以解答博士生都难解答的数学难题，但却总忘记你的喜怒哀乐；AI Agent智能体可以做一份完美的计划任务，却又像个新手一样转眼就把前面的工作经验忘得一干二净。

AI大厂们也意识到了这个底层问题，纷纷加码研究。OpenAI的CEO奥尔特曼曾表示，GPT-6的关键就在于记忆。但行业目前仍缺乏一个系统的解决方案。

*图源记忆张量

让行业没有想到的，一家创立只有两年来自中国的初创企业——记忆张量，率先补上这个⾏业最急缺的结构性空白。该公司不仅发布了业内⾸个记忆分层的新架构⼤模型，还推出了⾏业⾸个记忆操作系统MemOS，把AI记忆从概念做成产业级底座。

也因此，记忆张量不仅获得了近亿元的天使轮融资，技术方案还被Meta、Google等大厂跟进。

AI的“健忘症”能否被破除？记忆系统又是否会重塑AI形态？

01
「AI的“金鱼记忆”困境」

在电影《土拨鼠之日》里，菲尔每次醒来都得重新认识世界。现在的大模型们也总在对话中“重置”。

比如，周一你对大模型说，“记住：我只喝加冰不加糖的拿铁。”而到了周三，你开启全新对话：“今天想喝杯咖啡，推荐什么？”大模型的回答可能是，“美式、卡布奇诺、焦糖玛奇朵都很受欢迎哦！”

没错，它就像金鱼一样，完全忘记了“不加糖拿铁”这回事！

大模型的“健忘”在日常问答中引来的可能只是吐槽，但在商业应用中引发的则可能是客户的愤怒。

有电商平台测试发现，当用户第3次咨询订单状态时，AI客服的准确率从第一次的90%骤降至31%，因为之前两次对话的内容它已经“失忆”了。一位用户愤怒地抱怨：“我连续三天和AI讨论旅行计划，今天问‘之前说的那趟攻略’，它却反问‘请问是哪次旅行？’”

AI 为什么容易失忆？这其实源于 Transformer 架构的本质特性。大模型的“记忆”就像一个容量固定的小抽屉，被称为“上下文窗口”。以GPT-4为例，它的“记忆抽屉”最多只能装下约32,768个文字，约100页书的内容，当抽屉装满时，新进来的信息就会把旧信息挤出去。即使现在业界在追捧的超长上下文，不仅让模型的成本变得更高，而且会让模型变的更加不稳定，其背后的原因还是注意力机制在长距离依赖下天然脆弱，导致了超长上下文只能充当缓存，无法成为记忆。

而更核心的是，与人类不同，大模型并没有真正的“理解”能力，它只是在统计规律上匹配，而非真正“记住”信息的含义，所以更容易丢失信息。

*图源互联网

行业其实很早便意识到了这个问题，ChatGPT、谷歌Gemini、Anthropic旗下Claude、马斯克的xAI等大模型也都曾宣布上线记忆功能，支持多轮对话。

有业内技术专家介绍，当前行业主流的AI记忆策略有两类：⼀类是⻓上下⽂，把历史对话原样塞进prompt（提示词）⾥；另⼀类是RAG（检索增强生成），⽤向量检索拉回相关知识再拼进输⼊。

但这两种⽅式都还有很大的局限性。“它们只能提供⼀次性的、表层的‘记住’，本质上还是短时记忆，不具备真正的累积和演化能⼒。”记忆张量CEO熊飞宇对青澄财经表示，“这些方案最⼤的不⾜是，⼤都不是给Agent⽤的。现在的⼤多数Agent仍然属于短线智能——每次任务都从零开始，没有任务级状态，没有统⼀的记忆时间线，也⽆法跨场景迁移经验。这也是为什么它们做单轮任务很强，⼀旦任务跨度变⻓、逻辑链条变复杂，就明显乏⼒。”

*图源记忆张量发布会 记忆张量CEO熊飞宇

从上面可以看出，⼤⼚这两年也在做AI记忆，但多半停留在“功能级”。而熊飞宇认为，过去行业在解决“信息能不能回忆”，但还没有解决“记忆能不能影响智能行为”。这就意味着，AI记忆的缺位，不是功能而是系统层次的断裂。

现在，这个空缺的行业板块被记忆张量这家初创企业填上了。

02
「像操作系统⼀样管理AI记忆」

“⼈类之所以能发展，是因为我们能记住、能总结、能更新，⽽这三点恰恰是当下AI Agent的能⼒缺⼝。”记忆张量CEO熊飞宇对青澄财经表示，“AI的下⼀次进化，⼀定从拥有记忆开始。”

*图源天眼查

据天眼查显示，记忆张量成立于2024年，但其团队在2023年中便开始组建和孵化，当时聚在⼀起想做⼀件真正具备⻓期价值、⽽不是短期热点的事情。他们在⼤量⼀线实践⾥看到⼀个⾮常现实的问题：⼤模型的“瞬时聪明”和企业的“⻓期需求”之间⻓期存在断层。

他们判断“记忆”是⼀个可以真正做成系统级基础设施的⽅向，⽽绝不只是单点功能。这个对行业的预判很快就有了成果。2024年7⽉，在世界⼈⼯智能⼤会（WAIC）上，记忆张量发布了业内⾸个记忆分层的新架构⼤模型；同样，在2025年的WAIC上，又发布了⾏业⾸个记忆操作系统MemOS。

像操作系统⼀样管理AI记忆，⽽不是靠上下⽂堆砌、规则拼接来维持所谓的“记住”。这是行业此前从未尝试的路径。

MemOS的技术原理可以理解为三层协同：模型底座具备记忆原⽣能⼒，类似⼈脑把⻓期记忆压缩进⽪层结构；系统负责调度和编排，管理记忆的全⽣命周期；应⽤侧将所有记忆能⼒做成标准化算⼦，开发者可以像调⽤API⼀样使⽤记忆抽取、压缩、回溯、迁移等功能，⽆需理解底层机制，就能构建具备⻓期偏好、稳定⼈设和跨任务状态的智能体。

值得一提的是，记忆张量非常重视“机制公开”与“可解释”，MemOS并不是用“规则记忆”，而是将记忆写入、调度，其生命周期变成可审计、可复现、可替换的系统模块。

*图源记忆张量

这条路径实际效果如何？下面这个“陷阱”任务可以直观地展示。对几个主流记忆方案进行对比评测，⽤户明确要求避开所有⾼碳⽔⻝物，再让AI推荐以碳⽔闻名的意⼤利菜时，只有MemOS能够严格遵守⽤户的⽣酮饮⻝偏好，其他⽅案均出现了不同程度的“遗忘”，推荐了⽤户明令禁⽌的高碳水⻝物。

而在更专业的四⼤类权威Benchmark评测中，评测内容覆盖从“事实记忆”“偏好理解”到系统性能的全场景，将MemOS与当前市⾯上主流的开源及商业化记忆⽅案进⾏对⽐，MemOS在所有四项核⼼算法基准上稳居第一，同时在关键指标上显著降低了Token开销，可谓“既准且省”。

*图源记忆张量 PrefEval (0 轮无干扰)评测结果

*图源记忆张量 LongMemEval评测结果

可以说，记忆张量交付出了—个可信赖的、⼯业级的记忆解决⽅案。

而记忆张量的探索，对整个行业都有极大的开创意义。MemOS解决了三个⻓期困扰⾏业的难题：AI不稳定，记不住⼈、不记⼯作、不记任务；Agent做不深，只能demo，⽆法持续运⾏；企业智能化做不下去，因为知识、经验、上下⽂⽆法沉淀。

03
「AI记忆的基础设施」

“我希望记忆张量能成为AI记忆基础设施的定义者。就像数据库改变了信息系统的形态，操作系统改变了计算机的形态，我相信记忆系统会重新定义下⼀代智能体的形态。”熊飞宇表示。

将记忆定位为AI新的基础设施，MemOS的适用范围一下就打开了：既可以是C端的大模型应用，也可以是企业级Agent。简单总结——凡是需要连续性、需要⻓期累积和需要稳定表现的场景，MemOS都有发挥空间。

熊飞宇介绍了几个典型场景：一是陪伴类、⻆⾊类、⼈格类AI；二是企业级AI助⼿，尤其⾦融、⼯业、运营商等复杂业务；三是⾏业知识沉淀型任务，⽐如客服系统、⻛控助⼿、运营分析Agent等。

事实上，记忆张量的技术方案已获得招商证券、中国银行、中国电信等头部国央企的广泛认可，累计签约金额已达数千万元。

*图源记忆张量官网

其实际落地的个性化AI⾦融投顾客服案例，带来的效果就很明显。接⼊MemOS后，系统能⾃动记住⽤户的⻛险偏好、过往问题、账户习惯、资产结构等⻓期信息。同⼀个⽤户反复来咨询，系统能保持⼀致的策略和⼈设，重复沟通减少超过60%。

另一个案例，个性化⻆⾊扮演类AI游戏更获得了玩家们的热烈反馈。集成MemOS后，游戏中的AI⻆⾊可以记住玩家的⾏为⻛格、道德倾向、互动历史，甚⾄会形成⾃⼰的偏好和性格轨迹。玩家们觉得NPC不再只是个固定化程序，而更像“活着的⻆⾊”，由此带动了游戏的⽤户黏性提升显著。

面向C端，11月27日，记忆张量又发布了一个跨平台的AI统⼀记忆管理助⼿MemOS-MindDock，支持ChatGPT、Gemini、DeepSeek、通义千问等多平台，可⾃动获取历史对话、个⼈设置与记忆内容，用户即使切换平台也能始终被“理解”。

用个形象的比喻，MemOS-MindDock就像一个专属的外置⼤脑，将信息统⼀存储，随时调⽤，让用户的个⼈记忆库持续成⻓，并始终掌握在⾃⼰⼿中。

记忆张量创业之初就保持了开放的态度，希望“记忆”能像数据库、向量库⼀样，成为AGI时代的基础能⼒，因此围绕MemOS搭建了⼀个“开源社区+云服务+⼯具链+⽣态合作伙伴”四位⼀体的体系。

目前，MemOS已全面开源，登陆魔搭社区MCP广场，还上线了扣子（coze）插件商店。此外，记忆张量还与阿⾥云、天翼云、ModelScope等⽣态伙伴形成深度合作，共同提供托管服务、模型加速、⾏业模板等能⼒，使企业可以在云端、私有化、本地端等不同部署环境下使⽤统⼀的记忆框架。

面向未来，记忆张量计划把记忆从语⾔智能，扩展到更多维度，包括多模态记忆、具身智能的动作与环境记忆，以及端侧可部署的本地记忆体，让AI在视觉、语⾳、⾏为和真实世界的交互中都具备持续性的时间线和经验积累。

“我们的⽬标⾮常清晰：让每⼀个AI都拥有⾃⼰的‘过去’和‘成⻓轨迹’，让智能体第⼀次具备可持续的⽣命线。”熊飞宇表示。

– END –