千峰对话：To B智能体更需要长期精准记忆

【亿邦原创】红熊AI于2024年4月成立，主打AI记忆科学，15个月完成6轮融资，投后估值近30亿元，服务的企业客户超过500家。近日，亿邦动力董事长郑敏一行到访红熊AI杭州研发中心，与创始人兼CEO温德亮结合企业AI深度应用，就长期记忆模型及引擎等话题做了前沿探讨。

红熊AI的第一天，就是大型客户实战场景

郑敏：红熊这半年客户增长速度非常快，能否谈谈你们的业务是怎么搭起来的？

温德亮：我2012到2016年在阿里，从阿里云做到淘宝，后来创业过一段时间，再去了复星集团，任副总裁CTO主管集团数字化。红熊AI是我第二次创业，之所以决定出来做红熊，是基于对数字化转型的思考，AI出现后以前靠硬编码交付的形态要改变了。创业选方向的时候，根基是客户，就需要找一个可以长久和客户打交道的领域，企业端也需要持续解决客户接待和流量运营，所以在服务这个过程中沉淀下来，开发了今天的产品与业务，也就是记忆驱动AGI，完成了AI原生应用的打磨。

红熊的第一个订单来自运营商，用户规模巨大，对我们的产品技术验证贡献极大。

郑敏：电商客服这条线你们没进去吗？

温德亮：自己做过很多年电商业务，所以很了解，一开始没进去。当然也太卷了，这个赛道已经卷到几家头部企业都很煎熬，现在进去很难有独立成长的机会。所以我们的资源全部集中在了有差异化的方向上，目前产品聚焦AGI驱动的客服和营销业务线，但真正核心关注点是底层的AI记忆科学。

大厂研发机制，很难专注垂类大模型长记忆

郑敏：为什么选择AI记忆科学这个方向，这是一家成立两年的公司可以先跑出来的吗？从技术角度讲，大厂也能干得出来吧。

温德亮：当然，技术上大厂肯定能做出来，中国没有什么技术是工程师搞不定的。但关键是，大厂不可能投入全部资源去干记忆模型这件事，一般会分出来一个团队来做这方面的研发。团队做出产品，发论文，慢慢迭代，完成KPI，一旦产生不了实际营收，就结束了，这是大厂底层运作机制和商业考量的必然结果。

但我们不一样。

红熊AI自主研发的AI记忆科学引擎MemoryBear是全公司两百多人的生存命脉，我们会全力护着它，陪伴它与我们一起成长。举全公司之力做好一件事，专注，然后才能专业。这和大厂分出来的小组做出来的东西，自然完全不一样。我想这就是红熊和大厂最本质的差别，也是我们的核心竞争优势。

郑敏：越AI越需要专注，这个生存逻辑比技术本身更关键。是不是大厂还会有一些商业模式上的结构性矛盾：大厂售卖「云 + 模型」一体化生态，一旦把记忆做成独立、可迁移的中间层，客户更换底座模型的门槛就会降低。

温德亮：对，这个口子大厂不愿意留。我们反而没有这个包袱，记忆引擎可以接任何大模型，这正是企业客户要的，私有化部署，记忆数据不出企业。

AI是类脑科学，给出答案之前应该记得你的过往

郑敏：现在市面上大模型产品都开始在一定程度上具有记忆层、记忆调用能力，红熊是怎么定义自己和它们的区别？

温德亮：市面上的记忆类产品，大致可分三类：第一类是模型内嵌记忆，所有通用大模型都号称有，但它是黑盒，什么该记、什么不该记、记错了怎么纠正，用户完全不可控。第二类是Agent外挂的记忆组件，号称记忆操作系统、元记忆等等，本质上是向量与图数据库外面套了一层关键词捕捉工具，做的本质还是存储和召回。

红熊是第三类，我们从一开始定义AI记忆，就不是前两种，你思考一个问题：人是怎么记忆的？你和别人打招呼是推理驱动记忆？还是记忆驱动推理？

所以我们AI在每一次对话之前，先去访问记忆引擎，历史上这个人是谁、做过什么、为什么来，当时反馈不了的，等他下次来的时候再反馈。就像你今天来拜访我，来之前是不是也看过我的资料、了解过相关背景，今天我们才能愉快地交谈？AI是不是也应该跟人一样？把AI做成和人一样，你说前两种可行吗？显然不行，所以我们的技术路线会很累，但也会很有趣。

郑敏：做起来的难点在哪？

温德亮：难点在于把朴素的事情做实做透，从记忆出发形成一个设计合理的类人智能，而且还要面向企业场景。但还有一层，B端和C端用户对记忆的要求差别很大。

C端用户要的是被记住的惊喜感，企业客户要四件事：一是长期存储不流失；二是自梳理，把生产日志、聊天记录、调试文档这些非结构化内容自动整理成知识库；三是可溯源，所有输出能追溯到原始数据，合规且满足审计要求；四是可纠正，AI输出偏离规范时，管理者一键修正、锁定标准答案。这几件事，通用大模型却很难做到位。按我的说法，通用模型做职场办公，就像考试，它永远只能打七十分，你想从七十分提到八十分，付出的成本比之前拿七十分还高。当前的通用大模型带着浓浓的To C属性，真正落到企业应用场景，离实际需求还差得很远。

消费品牌的反投流刚需，记得住用户才能激活私域红利

郑敏：你们客户中消费品牌也不少，一方面流量成本这么高，另一方面盘活私域又很不容易，在时代中打磨出可持续增长方式是最重要的命题，红熊能给他们带来什么？

温德亮：品牌全域营销现在有个死结，ROI在跟平台对抗。投100万，平台给你回报80万，即便GMV做到120万，刨掉履约和人力成本还是亏损的。怎么放大业务量和预算？我们发现只能靠私域。

服装电商的公域投流纯粹是引流，挣钱靠复购，靠产品力加二次销售。其他品类也是类似，防脱洗护和保健品的周期性复购尤其典型。比如某保健品牌的产品需要天天服用，AI知道用户的服用周期，一天三顿、一次吃多大剂量等等，等他差不多吃完了，就主动发一张十减五的券。跟用户对话的，是一个高度拟人化的角色：保健品类目的智能体是健康服务顾问，服装类目的智能体是搭配师，会根据用户当前的场景做决策。私域的转化因此远高于传统的客服接待。

郑敏：美国电商市场中独立站占比不低，我认为接下来中国品牌或者连锁零售企业的私域电商占比也会有提升，会有一批品牌企业觉醒，使大劲儿提升产品研发和品牌文化，形成强用户凝聚力，也会有一些优秀的零售渠道企业，形成强消费信任，叠加渠道PB，拉高私域电商占比。我们看到，山姆价格不低，但中国电商销售占比超过50%，靠自营小程序、App和500多个云仓完成，不依赖第三方平台电商，宜家中国的电商占比也有25%。

温德亮：对，这就是品牌的终局逻辑。最厉害的私域客服，一个人长期维护的客户最多150人，普遍只有50人，但品牌的私域里躺着几千甚至上万用户。如何把这些用户激活，就是我们的成长空间。

B2B产业智能体，更需要模型准确度和长记忆能力

郑敏：我们也一直在跟踪产业互联网，跟踪数智供应链的AI应用。比如数智化采购领域。评标、寻源、供应商管理、商品管理如何借助AI，他们对准确度和供应商、商品的历史数据更加关注，你们参与的机会大吗？

温德亮：这些大型公司的数智化采购，大几十万供应商，他们自己研发一套记忆系统，研发成本扛不住，完全可以购买记忆型的AI引擎。

郑敏：如果B2B公司成为产业智能体，记忆引擎是不是必备？

温德亮：对，未来的软件形态也可能都会变了。现在做一个软件产品，要做界面、做前端、写代码连数据库，未来可能就不需要了。红熊App是一个入口，客服看到的那个页面其实只是皮层，底层执行的全部业务流都是Agent在工作。红熊已经将这个工作流封装成Skill，Agent遇到事情就找到对应的Skill去交付业务。我们的记忆科学MCP已经做完了，正在封装Skill做集成，让记忆能力成为各种智能体平台的底层组件。

当然，走开源集成的路线也有现实约束。中国市场的生态还不够完善，相对成熟的产品一旦推出很快就会被效仿，甚至可以说被抄袭，这是我们不得不考虑的问题。

基准指标我们很有信心，AI时期最赚钱的应用市场还没冒出来

郑敏：温总能不能小结一下，红熊AI凭什么比别人强？可以从哪几个核心指标看优势？

温德亮：对于这点我们是很有信心的。长期对话有两个基准指标：一个是跨对话的记忆连贯性，一个是持续对话的记忆准确率。LoCoMo和LongMemEval这两个基准，红熊都是全球第一，复测总分分别为91.54%和95%。这两个指标分别测的是两件事，一个是跨对话的记忆连贯性，咱俩今天聊完，隔五天再聊，记忆还能连上；一个是持续对话的记忆准确率。这两个基准综合下来，目前仍然保持领先。

郑敏：基于红熊的现有客户，你们计划延伸提供其他产品或者模块服务吗？

温德亮：客户的实际需求也在带着我们走。红熊正在往AI CRM的方向加速，用CRM覆盖整个管理路径，再加上数据分析，产品就跑起来了，然后基于客户的生命旅程持续构建。我一直强调这是一个矩阵，因为我在复星分管的就是业务数字化加管理数字化两端，To B、To C的场景都很熟悉。互联网时代除了广告和游戏，唯一赚钱的就是电商，其他基本都不行。AI时期最赚钱的应用市场还没冒出来，所以接下来我们会推出多款C端应用进入市场，但核心目标始终是让业务持续跑通闭环。

郑敏：对于AI将带来的商业变革，我们也有一个简要的分析框架：一是运营AI化，把AI当作工具。二是产品AI化，AI是功能。三是商业模式AI化，AI是场景，特别是入口级的产业智能体。这三个方向都需要更强的长期精准记忆能力，期待听到红熊更多成功案例。

本文首发于 亿邦动力 官方网站