让AI“自进化”，上海造出全球首个记忆原生基模

如果一个AI每天陪你工作，却每天都要重新认识你，那它真的算智能吗？

你告诉它自己的习惯、偏好和工作方式，它当下对答如流。可换一个窗口，隔一段时间再来，它又像一个素未谋面的新人。

到了企业里，这种“失忆”会更加棘手。

员工花费多年积累的研报分析方法、设备维修经验和客户服务策略，AI可以在一次任务中调用，却很难随着使用持续沉淀。每次启动新任务，系统仍要重新查资料、读文档、理解上下文。

过去几年，行业不断拉长上下文窗口，也为大模型接入RAG知识库。模型单次能够处理更多信息，也能从外部资料中寻找答案。但根本性的问题始终未被解决：结束对话和任务之后，AI能否把真正有价值的经验留下来？

记忆张量（上海）科技有限公司（简称“记忆张量”）把突破口放在了“长期记忆”。

创始人兼CEO熊飞宇本科毕业于华中科技大学，后获美国德雷塞尔大学博士学位。他长期深耕大模型与算法领域，曾在阿里主导核心算法团队建设。2023年，在上海算法创新研究院牵头搭建大模型中心，从对下一代模型架构的基本原理出发，前瞻性地将长期记忆作为核心命题开展理论研究和模型验证。

此后，带领团队创办记忆张量，并逐步搭建起Memory³、MemOS和Metis三层技术体系。其中，MemOS被定位为业界第一个大模型记忆操作系统框架；Metis则是全球首个记忆基础模型原型。

记忆张量试图推开AI的“记忆之门”，让“一次性智能”走向能够积累经验、持续学习的“长期智能”。在熊飞宇看来，记忆的终局不是“记住”，而是“自进化”——让AI在服务业务、与人协作的过程中边用边学、持续进化，越用越懂这家公司。

如今，这项探索已经走出实验室。

MemOS开源项目GitHub Star数破万，云服务月调用量超过5000万次；今年7月，记忆原生基座模型Metis开源了4B、9B、27B三个版本，Hugging Face上线30天下载量合计破万。记忆张量已服务500余家企业客户，签约规模达到数千万元。

2026年7月和9月，不到两个月，公司接连完成两轮融资：Pre-A轮由华为哈勃、荣耀战投、商汤国香、深创投、和玉资本共同投资，Pre-A+轮由东方富海领投，孚腾资本追加投资。加上天使轮就入局的壁仞科技，股东名单里既有华为、荣耀、商汤这样的产业生态方，也有壁仞这样的国产GPU技术同道，还有深创投、东方富海、和玉资本等一线机构。开发者、客户和资本开始为长期记忆投票。但当模型公司、Agent企业和终端厂商都在建设Memory能力，一家独立的创业公司，凭什么定义下一代AI的记忆能力？

记忆张量创始人兼CEO熊飞宇

带着这个问题，张通社与熊飞宇展开了一次对话。以下为经整理的访谈内容。

PART 01

从模型架构原点出发，

他笃定“记忆”是下一关

张通社：你是怎么盯上“AI记忆”这个方向的？

熊飞宇：这个方向，是我们在拆解大模型底层架构时看到的。

当你深入拆解现在的大模型架构就会发现，Transformer本质上是一个无状态的序列计算引擎——每一次推理，它都是“从零开始”的。上下文窗口再长，对话一关，状态就清零了。这不是工程优化能解决的问题，而是架构层面的根本缺失。

2023年前后，整个行业都在卷参数规模、卷上下文长度，但我们判断：真正决定下一代模型能力上限的，不是参数再多一倍，而是模型能不能拥有持续的、可演化的记忆。没有记忆，模型就永远是一个“一次性”的系统——再聪明，也无法随使用积累经验、形成真正的长期智能。

我们判断，这一轮AGI浪潮的核心驱动力来自对模型本身的理解。当你把架构想透了就会发现，记忆不是一个附加项，而是下一代基座模型从设计之初就必须原生具备的能力。

为什么？因为上下文窗口是无状态的——窗口一关，记忆清零，解决不了个性化和自我进化。记忆要解决的，是跨会话、跨时间维度能否持续学习的问题。

所以我们做的第一件事，不是写一个记忆插件，而是先回答一个原理问题：AI的记忆在本质上应该是什么？信息怎么进入、怎么组织、怎么检索、怎么遗忘——这就是后来Memory³分层记忆理论的起点。

在我们看来，记忆不是给大模型附加一个小功能，而是下一代基座架构的核心组成部分。AI想长期服务于个人或企业，这层能力迟早要从模型内部长出来。

张通社：但现在上下文窗口越来越长，企业也可以接入RAG。为什么还要单独做一套记忆系统？

熊飞宇：因为它们解决的不是同一个问题。

上下文窗口可以看成一张临时工作台。桌面越大，一次能够摊开的材料越多。但任务结束后，这些材料不会自动变成长期经验。

RAG更像一个资料库。需要什么信息，系统可以进去搜索。但哪些内容更重要、哪些已经过时、什么时候应该更新，并不由它负责。

长期记忆关心的是，对话和任务结束后，AI能否把真正有价值的东西留下来，并在下次需要时准确调用。

简单来说，长上下文和RAG主要解决“看到了什么”，MemOS解决“记住什么、怎么更新、什么时候忘掉”。

PART 02

从MemOS到Metis，

记忆走进模型内部

张通社：所以记忆张量是一家做AI基座模型的公司？

熊飞宇：对。我们的切入口是长期记忆，但最终想探索的是下一代AI基座架构。

AI要形成长期智能，就需要整套的记忆体系：信息怎么进入，放在哪里，什么时候调用，又如何更新和遗忘。围绕这些问题，我们做了Memory³、MemOS和Metis三层体系。

张通社：可以用通俗的方式解释一下吗？

熊飞宇：Memory³像设计图，先定义AI的记忆是什么，以及如何产生、组织、检索和更新。

MemOS像操作系统，负责管理AI的记忆。哪些信息值得保存、放在哪里、什么时候调用、过期后怎么办，都由它统一调度。

Metis再往前走一步，让模型本身拥有记忆。我们把它称为记忆原生基座模型，也是全球首个记忆基础模型原型。

整个路径其实很清楚：Memory³先把问题定义出来，MemOS拿到真实场景中验证，Metis再进入模型内部，往更底层走。

张通社：MemOS已经有开源生态和真实调用了，为什么还要投入Metis？

熊飞宇：因为这个东西是有天花板的。

现在的大模型本身没有长期记忆能力。MemOS相当于在模型外面增加了一套记忆管理系统，先补上缺失的能力。但记忆和推理仍然分开，最终还会受到底层模型能力的限制。

我在公司内部经常讲，很多外部系统最后都会逐步回到模型里面。记忆也一样。真正的长期记忆不能永远靠外挂，模型从设计之初就要有记忆，这就是Metis要解决的问题。

张通社：模型自己有记忆，和现在有什么不同？

熊飞宇：现在的大模型有点像每天醒来都会失忆的人。它可以阅读大量资料、完成眼前任务，但这些经验很难真正留下来。

Metis在模型内部设计了持久化的记忆状态。历史信息经过压缩后，可以存进内部记忆矩阵。模型推理时能够主动找到相关记忆，也可以写入新的经验。

它还会区分长期记忆和工作记忆。有些信息只用于处理眼前任务，有些经验则需要长期保存。

更关键的是，Metis可以在推理中更新记忆，不需要每次重新训练，让模型有机会真正做到“边用边学”。——在和用户、企业的持续交互中不断写入、更新和巩固记忆，让“持续进化”真正发生。

目前，Metis已经开源了4B、9B和27B三个参数规模的版本，代码、模型权重和训练评估框架全部开放。上线后30天，Hugging Face上下载量超过1万次。我们正在验证的是，随着模型规模继续扩大，这套原生记忆架构的Scaling Law持续成立。

这个问题，整个行业还没有人系统回答过。

PART 03

500余家客户背后，

一门AI记忆生意

张通社：现在已经有500多家企业客户，它们具体拿长期记忆做什么？

熊飞宇：行业不同，但核心需求很接近——把分散的经验留下来，让AI持续使用。落到企业层面，这就是组织级的自进化：把散落在个人经验里的知识沉淀为组织记忆，AI越用越懂这家公司。

在金融领域，我们帮助招商证券搭建金融分析智能体，把研报梳理方法、行情复盘框架和客户服务策略沉淀成组织记忆，将个人经验转化为机构资产。

在工业领域，我们与中国海诚合作，把图纸、设备时序日志和运维经验纳入工业记忆系统。设备出现问题，系统可以主动匹配相关经验和决策参考，不必再由工作人员重新查资料、问专家。

在端侧和智能硬件领域，我们与荣耀、联想、海尔小优合作，让手机和智能家居设备具备跨设备的记忆同步能力，同时解决端侧与云端的数据边界问题。在游戏和情感陪伴方向，记忆正在成为产品差异化的核心——用户和AI角色之间的关系可以随时间积累，而不是每次交互都从零开始。

张通社：开源项目有热度，但商业收入是另一回事，你们怎么把两者接起来？

熊飞宇：我们的商业化分为三层：开源建立开发者生态，云服务承接生产环境中的付费需求，私有化部署服务金融、工业等数据敏感型客户。

我们不会依赖大量定制项目，而是把标准化产品做好，再由生态合作伙伴完成行业适配的“最后一公里”。只有产品能够复制，这件事才能真正规模化成立。

张通社：现在模型公司、Agent公司和终端厂商都在建设自己的Memory能力，还需要独立的第三方吗？

熊飞宇：恰恰因为大家都在做，才更需要一个中立的记忆层。

首先是记忆主权。企业长期积累的数据和经验如果被锁在某个平台里，更换模型就相当于重新搬一次“家”。我们认为，记忆应该属于客户。

其次是跨平台。现实中，企业往往会同时使用多个模型，用户也会在不同设备上使用AI。记忆需要跨模型、跨终端流动，不能依附于单一平台。

还有一点是技术深度。很多公司可以做应用层的Memory，但要回答“模型本身为什么记不住”，就必须进入底层架构。

我们从Memory³理论做到MemOS系统，再进入Metis模型，走的是一条全栈路线。华为、荣耀、联想等企业成为我们的生态伙伴，也说明市场需要这样一层中立的记忆能力。

PART 04

为什么是上海？

张通社：从技术验证到创业落地，上海为你们提供了哪些关键支持？

熊飞宇：我们的技术根脉就在上海。

2023年7月，上海算法创新研究院牵头搭建大模型中心。Memory³分层记忆理论和第一代记忆基模，验证了近一年，才走向独立发展。团队也是在这一过程中逐步成形。

上海还提供了完整的转化链路。研究院提供早期算力和研究团队，上海交大提供理论支撑，上海国投旗下孚腾资本参与了我们的天使轮投资，金融、工业、通信和智能硬件企业则提供真实场景。

对于底层技术的创业公司来说，这很重要。因为你不能只做论文，也不能只讲商业故事。理论、模型、产品、资本和客户，要一环接一环。在上海，这条链路能够接起来。

张通社：未来五年，你希望记忆张量处于什么位置？

熊飞宇：希望记忆张量成为通过记忆定义新一代基座模型的公司。

技术上，Metis要成为记忆原生基座模型的参考实现。我们提出一个新的范式问题，也给出中国团队自己的原型答案，与海外站在同一起跑线上。长期记忆不是外挂，而是要从模型设计之初就长进去的核心能力——这才是基模层面的真正机会。

我们更希望，记忆张量能够成为上海在下一代基模探索中的一张名片。上海有大模型公司，有算力中心，也应该有团队深入模型底层，从原理出发探索新的架构范式。

AGI不会突然降临。它会一层一层长出来。

推理能力是一层，记忆能力也是一层。记忆张量要做的，就是让AI从“一次性智能”走向“长期智能”。而记忆之上，是持续学习与自进化——这正是下一代基座模型与今天最本质的区别。

这件事，我们在上海做，从上海出发。