36氪首发：红熊AI完成数亿元A+轮融资，估值接近30亿

据36氪消息，红熊AI今日宣布完成数亿元人民币A+轮融资，投后估值接近30亿元人民币。本轮融资由浙江九纬私募基金、嘉兴彰元创业投资与老股东格睿丰联合投资。成立至今15个月内，这家公司已完成第6轮融资。

融资资金将投向三个方向：持续深化AI记忆科学的类人大脑基础研究、加速OpenBear通用大模型与MemoryBear记忆科学系统的深度融合，以及扩大智能客服、智能营销、ChatBI与智能教育四大核心应用场景的市场覆盖。

一个趋势正在显现：大模型行业正从参数量的早期竞赛，步入"以应用论英雄"的商业化深水区，而"记忆层"技术成为新的攻坚焦点。今年以来，资本市场对这一方向的押注明显加速——由Andrej Karpathy参与投资的Engram估值已达6亿美元；连接个人数据与智能体生态记忆层的Clipto获红杉中国、高瓴创投多轮追投；国内完成近亿元天使轮融资的"记忆张量"专注于开发开源记忆操作系统MemOS；MemoraX AI在2026年春季连续完成种子轮与种子+轮，两轮累计融资超1亿元。

红熊AI自2024年4月创立起，就确定了"记忆驱动AGI"的技术路线。其核心命题是：如何让大模型在实际企业应用中，突破传统架构带来的记忆壁垒。

传统基座大模型在实际业务场景中暴露了几个共性缺陷。长对话因token限制容易出现断联或上下文遗忘；高知识遗忘率导致服务一致性难以维持；token消耗的线性增长推高企业长期运行成本；因果逻辑校验的缺乏让模型产生难以预测的"幻觉"。红熊AI团队的判断是，单纯依赖大模型能力提升，无法解决这些扎根于架构层面的问题。

2024年，红熊AI率先提出"AI记忆科学"概念，主张大模型的信息处理方式必须从"静态信息堆砌"走向"动态有机体管理"。2026年，团队完成了技术生态的关键节点：将OpenBear大模型与自主研发的MemoryBear记忆科学系统进行二次深度融合，并在此基础上构建原生Agent架构。将负责推理的"大脑皮层"与负责记忆的"海马体"深度绑定，推动企业级AI从"一问一答"的被动工具状态，向"记忆驱动推理"的新阶段演进。

红熊AI的技术体系由三个组件构成相互依存的闭环生态。

OpenBear通用大模型是底层能力底座。这款自主研发的预训练模型采用MoE稀疏混合专家架构，拥有百万亿级参数规模。其差异化在于设计之初就内置了专门的记忆接口与注意力机制优化模块，能够与MemoryBear记忆科学系统进行高频、低延迟的信息交互，实现推理能力与记忆能力的无缝衔接。该系统强调跨领域泛化、长期记忆与自我反思等特性。

MemoryBear记忆科学系统则是记忆中枢本身。它融合了ACT-R双记忆架构、艾宾浩斯遗忘曲线与激活度模型、智能语义剪枝算法以及3D自我反思引擎等技术理论，建立起从工作记忆层、短期记忆层到长期记忆层的分层动态体系。

支撑这套分层架构高效运行的，是底层攻克的多项关键技术。时间记忆技术让AI能够识别信息中的事件发生时间并建立完整时间线，使AI具备历史观。动态语义网络技术自动从海量长文本或非结构化数据中提炼关键实体与核心观点，构建动态知识图谱。智能语义剪枝技术基于艾宾浩斯遗忘曲线原理，自动识别并定期删除冗余、过时或错误信息，保持记忆库精准度并降低token消耗。3D自我反思引擎在系统低负载时自动对已有记忆进行重新校验，修正可能存在的错误，对冲大模型的幻觉缺陷。最小化记忆共享技术则在多Agent协作场景下建立统一记忆中枢，各智能体仅沉淀自身任务所需的关键记忆，其他智能体按需调用，降低整体算力消耗。

红熊AI披露的技术指标显示，在MemoryBear的支持下，其基础大模型知识遗忘率控制在1%以下，token消耗降低25倍，行业歧义预处理率控制在1%以下，模型幻觉率降低至约0.2%。

OpenBear大模型与MemoryBear记忆系统的结合部，封装了红熊AI的原生Agent架构。这一架构的核心特征在于"记忆原生"——Agent系统从诞生之初就内置记忆能力，能够记住与特定用户的每次交互细节和任务执行结果，并将这些信息作为后续调优的输入。该架构还支持自主规划与多Agent协同，在安全可控的权限管理体系下实现动态任务执行与自动续传。

在记忆系统的技术底座之上，红熊AI将记忆能力延伸至开发者工具领域，推出CodeBear记忆型编程大模型平台。与传统的AI代码辅助工具不同，CodeBear的核心差异在于"记忆驱动开发"。在真实开发环境中，CodeBear能够自主理解需求、规划技术方案、编写代码、运行验证，并依托MemoryBear分层记忆系统从每次交互中持续积累项目经验、代码规范与业务逻辑，形成可复用的个性化开发知识沉淀，解决传统编程工具上下文断裂、重复沟通成本高的痛点。

基于这套"模型+记忆+智能体"的技术生态，红熊AI目前在市场上推出了四款核心应用产品，分别针对智能客服、智能营销、ChatBI与智能教育四个细分赛道，以验证AI记忆科学的商业化价值。其中，智能客服产品通过MemoryBear记忆系统突破传统客服"一事一结"的瓶颈，具备了长周期交互轨迹的留存能力。