<mark id="oztn4"></mark>
0
| 本文作者： 業界評論 | 2026-07-20 13:30 |
2026年7月，記憶張量MemTensor（以下簡稱“記憶張量”）宣布完成億元 Pre-A 輪融資。本輪融資由華為哈勃、榮耀戰投、商湯國香、深創投、和玉資本共同參與，將進一步支持公司在 MemOS 記憶操作系統、記憶增強 Agent 和記憶原生通用基座模型方向的研發投入與產業落地。
本輪融資獲得了來自產業方、國資平臺和專業投資機構的共同支持。華為哈勃、榮耀戰投、商湯國香、深創投、和玉資本的加入，覆蓋了 AI 基礎設施、智能終端、模型與產業應用、硬科技投資和長期技術資本等多個方向。面向下一階段，記憶張量MemTensor 將繼續推進 MemOS 記憶操作系統迭代、Agent 和記憶基礎設施產品化、重點產業場景落地，以及基于記憶原生驅動的通用基座模型訓練，推動長期記憶與持續學習能力進入更廣泛的 AI 應用和產業系統。
記憶張量長期圍繞“大模型如何具備長期記憶、經驗沉淀、持續學習和可治理演化能力”這一核心技術命題展開研發。公司認為，AI 正在從一次性生成和單輪推理，進入 Agent、AI 終端、企業智能體和工業 AI 長期運行的新階段。下一階段 AI 系統的關鍵競爭，不只是模型參數更大、上下文更長或推理能力更強，而是誰能讓 AI 在長期交互中持續記住任務背景、用戶偏好、組織經驗和歷史狀態。
沿著這一判斷，記憶張量形成了從理論、系統到模型的遞進式技術路線。2023—2024 年，公司提出 Memory3 分層記憶理論，以明文記憶、激活記憶和參數記憶描述大模型中不同形態記憶的作用機制；2025—2026 年，公司推出 MemOS 記憶操作系統，將記憶的生產、加工、調度、分層、更新、遺忘、追溯、治理和生命周期管理工程化，服務于 Agent 和大模型的長期運行；2026 年 - 未來，公司將進一步加大對記憶原生通用基座模型的投入，構建在模型訓練范式中原生引入長期記憶、持續學習、經驗鞏固和抗遺忘機制，形成全新的通用AI基座模型底座。
MemOS 是記憶張量在系統層的核心基礎設施。它并非簡單保存原始聊天記錄，而是將原始交互、文檔、工單、設備日志、用戶偏好、任務過程和 Agent 行為軌跡，加工為關鍵事實、任務線索、事件鏈、關系網絡、策略狀態等可管理、可調度、可追溯、可更新、可遺忘的記憶單元。通過 MemOS，Agent 可以在長期運行中管理企業知識、用戶偏好、任務經驗和治理邊界，讓檢索更快、調用更準、成本更低，體驗也更穩定。
在 MemOS 的系統層基礎之上，記憶張量正在進一步訓練記憶原生通用基座模型。公司強調，記憶原生模型不是面向某一行業的垂類模型，也不是為現有大模型外掛一套記憶插件；其目標仍然是通用語言理解、知識問答、復雜推理、代碼、多模態和任務執行等基礎能力。區別在于，記憶張量希望在模型訓練過程中原生引入記憶建模、持續學習、經驗鞏固和抗遺忘機制，使模型不僅能從大規模靜態數據中學習知識，也能在長期交互和動態環境中沉淀經驗、更新認知并穩定演化，徹底改變現有基座模型依賴發版的切片式訓練范式。
公司正在構建的內部代號為 Metis 的記憶原生基模訓練范式，正是這一方向的階段性研發重點。Metis 取意于希臘神話中象征智慧與謀略的女神，代表一種基于長期經驗、動態適應和持續演化的智能。與傳統通用基座模型主要依賴大規模靜態語料、參數學習和后訓練對齊不同，Metis 更強調模型在長期交互和動態環境中的學習能力，希望讓模型不只會“從歷史數據中學習知識”，還能夠圍繞用戶、任務、環境和組織所形成的動態經驗，形成可持續更新、可長期保持、可遷移復用的記憶能力。
記憶張量認為，長上下文可以讓模型看見更多歷史，RAG 可以讓模型查到更多資料，但這并不等于 AI 真正具備長期記憶和持續學習能力。在 Agent、AI 終端、企業智能體和工業 AI 場景中，記憶正在成為 AI 的長期狀態層，承載用戶偏好、企業知識、任務經驗、Agent 行為軌跡和治理邊界。長期智能需要的不是更長的 Prompt，而是一套能夠對記憶進行形成、更新、調度、遺忘和治理的系統架構，并進一步讓這些能力進入模型訓練與推理過程。
本輪融資后，記憶張量將繼續推進“系統層 MemOS + 模型層記憶原生基座模型”的協同路線。一方面，公司將持續完善 MemOS 的工程化能力，面向 Agent 開發者、企業智能體、AI 終端和工業 AI 場景提供可治理的長期記憶基礎設施；另一方面，公司將圍繞記憶寫入、記憶調用、長期一致性、持續學習、抗遺忘和任務遷移等機制開展模型層研發，推動長期記憶與持續學習能力進入下一代通用 AI 基礎模型的訓練。
如果說大模型解決生成能力，Agent 解決執行能力，那么記憶系統解決的是 AI 長期運行所需要的狀態與經驗能力。記憶張量希望通過 Memory3、MemOS 和記憶原生通用基座模型，將“記憶”從應用功能推進到系統基礎設施，并進一步推進到通用模型訓練范式中，推動 AI 從一次性智能走向長期智能。
雷峰網(公眾號：雷峰網)雷峰網雷峰網
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
