來源：量子位 | 公眾號 QbitAI

田晏林 發(fā)自 凹非寺

“Your brain is for having ideas, not holding them. ” ——Tiago Forte《Building a Second Brain》

LLM是AI的“第一大腦”，記憶平臺是AI的“第二大腦”。

暢銷書作者Tiago Forte在《構建第二大腦》中曾分享核心觀點：

“生物大腦只用于思考創(chuàng)造，而外部系統(tǒng)用于信息的可靠存儲�！薄@對我們理解AI的“雙腦”分工極富啟示。

事實上，LLM就如同AI的“第一大腦（生物腦）”，它擅長思考、推理與即時生成，而不擅長長期、精確地存儲海量事實。

而記憶平臺是AI的“第二大腦”，它主要按需為LLM提供準確的“記憶”支撐，讓LLM從記憶負擔中解放，專注于更高層次的推理與創(chuàng)造，從而協(xié)同產(chǎn)生更精準、個性化且可行動的價值。

兩者結合，記憶平臺負責“記住一切”，LLM負責“思考一切”。

當AI從示范應用進入企業(yè)落地深水區(qū)，記憶平臺決定勝負手

過去幾年，AI在企業(yè)端的應用已跨越三個階段：

1.0 連接階段（2023年前）：解決“存”與“找”

早期AI充當智能連接器，將企業(yè)數(shù)據(jù)導入向量數(shù)據(jù)庫，實現(xiàn)語義檢索，替代傳統(tǒng)關鍵詞搜索增強用戶輸入的表達能力。

局限在于離核心生產(chǎn)流程遙遠，更像一個“更聰明的文檔管理員”，未觸及業(yè)務實質。

2.0 交互階段（2023-2024年）：意圖理解與“幻覺”困境

大模型突破使AI能以自然語言對話調用數(shù)據(jù)，門檻降低。

但真正瓶頸浮現(xiàn)：它能處理顯性數(shù)據(jù)，卻難以表征專家頭腦中的“隱性知識”（如風投一眼看穿財報問題的直覺），導致輸出流于表面，難以交付可靠決策。

3.0 生產(chǎn)力時代（2025年至今）：萃取“隱性知識”，固化核心資產(chǎn)

行業(yè)焦點轉向直接提升生產(chǎn)效率。關鍵一躍在于能否將員工的決策邏輯、經(jīng)驗權衡等隱性知識數(shù)字化、軌跡化。

這不再是簡單問答，而是通過記錄分析員工的日常審批、批注、溝通，構建組織“決策軌跡記憶中樞”，實現(xiàn)核心能力的沉淀與復用。

當前競爭已升至“隱性知識”的記憶化以及高準確性、可信可靠的記憶管理。“記憶平臺”不再只是輔助工具，而是將企業(yè)最寶貴的智力資產(chǎn)——人腦中的判斷力，轉化為可迭代、可傳承的記憶資產(chǎn)。

分析師預計，到2030年，AI智能體編排和記憶系統(tǒng)的市場將達到284.5億美元。其中，128.8億美元歸因于獨立的AI記憶市場。

一個好的AI記憶平臺長什么樣？

一個好的AI記憶平臺，早已不是“能存能查”那么簡單，它必須具備數(shù)據(jù)理解模型能力、記憶管理與計算和多模態(tài)數(shù)據(jù)平臺能力。

質變科技近日發(fā)布了業(yè)內首個具備超大規(guī)模實踐的 “MemoryLake（記憶湖）”產(chǎn)品，作為全球少有的兼具記憶能力、模型能力和數(shù)據(jù)平臺能力于一身的全棧玩家，質變科技此次通過MemoryLake率先踐行以記憶為中心的技術路線。

早在2023年，質變科技創(chuàng)始人離哲（本名占超群）就萌生了諸多思考，“記憶作為AI第二大腦，圍繞記憶將誕生全新的AI Infra�！�

他判斷，未來系統(tǒng)核心將從“管理數(shù)據(jù)記錄”轉向“管理多模態(tài)的決策軌跡，構建多模態(tài)認知狀態(tài)記憶”，認知狀態(tài)記憶是系統(tǒng)在某一時刻，對“我在做什么、我知道什么、我假設什么、我不確定什么”的結構化內部表征；認知狀態(tài)記憶將成為AI時代的主角。

有了這個方向，該團隊先是在2024年上線了高準確性、低容忍度用于嚴肅場景的決策智能體Powerdrill。

通過海外超150萬專業(yè)數(shù)據(jù)領域用戶、1300萬數(shù)據(jù)問題、5000萬生成代碼（每個用戶的問題會動態(tài)生成一個動態(tài)決策軟件）的迭代和準確性的調優(yōu)積累，沉淀出一整套端到端的記憶工程技術，成就了今天產(chǎn)品化的MemoryLake。

MemoryLake包含核心三個技術組件：MemoryLake-D1大模型、MemoryLake記憶引擎和多模態(tài)存儲與計算平臺（Relyt Multi-modal Data Cloud），首次將“多模態(tài)內容深度理解、記憶計算與管理、多模態(tài)記憶存儲”全棧能力融于一體。

從行業(yè)頭部客戶實踐看，MemoryLake具備超大規(guī)模記憶場景（如在一些客戶生產(chǎn)系統(tǒng)中超10萬億級記錄、億級文檔）企業(yè)級實踐，服務了國內超大規(guī)模的文檔辦公、頭部的企業(yè)移動辦公軟件、大模型、大型國央企等企業(yè)，在與全球云大廠和AI典型廠商等競爭中，MemoryLake在成本、準確召回率和延遲等性能指標方面顯示出數(shù)倍于對手的顯著優(yōu)勢。

今年年初，MemoryLake正式上線，將前文所述的三大核心能力，落地為可直接服務企業(yè)場景的實用功能。

先說記憶管理能力

MemoryLake將記憶分為短期/中期/長期記憶，還有工作記憶、世界觀記憶等，通過分層辦法管理。根據(jù)記憶的訪問頻率、復用價值、生命周期動態(tài)存儲，平衡效率與成本。

同時，它還支持記憶的同步/異步提取、動態(tài)更新、精準刪除、遺忘壓縮與高效召回，適配業(yè)務動態(tài)變化。政策更新時自動同步記憶，無用記憶自動釋放資源，業(yè)務調用時快速精準召回，減少人工干預。

為避免出現(xiàn)“數(shù)據(jù)孤島”，MemoryLake還支持跨大模型/智能體的跨端、跨域通用，有廣泛的協(xié)議支持和接入能力，如兼容MCP、mem0、OpenMemory等主流協(xié)議，快速接入企業(yè)現(xiàn)有系統(tǒng)，降低部署成本。

多模態(tài)知識深度理解、提取與存儲能力

隨著多模態(tài)模型成為主流，企業(yè)的記憶資產(chǎn)已涵蓋文檔、表格、音視頻等多種形態(tài)，傳統(tǒng)文本型記憶工具無法應對非結構化數(shù)據(jù)，導致大量核心信息無法利用，難以適配復雜場景。

之前為提高多模態(tài)數(shù)據(jù)理解、提取能力，專門研發(fā)的MemoryLake-D1模型派上用場，能精準提取文本邏輯、表格關聯(lián)，轉寫音視頻關鍵信息，識別圖片內容，確保多模態(tài)數(shù)據(jù)轉化為可靠的結構化記憶。

此外，MemoryLake還能將所有數(shù)據(jù)整理成好懂、好用的形式（如知識圖譜、Summary），以及能實現(xiàn)PB級精準檢索，不管數(shù)據(jù)再多，都能快速找到想要的。

大模型時代Agent與記憶交互的是Code。因此，多模態(tài)知識處理能力還包含分布式Code計算能力。這樣一來，AI調用記憶的時候，能及時響應、不卡頓、不報錯，順暢對接，完全適配現(xiàn)在大模型普及后的使用需求，不會出現(xiàn)“AI想調用記憶，卻對接不上、用不了”的情況。

記憶檢索、計算、評估能力

MemoryLake支持端到端的精煉且完整的上下文理解與組織，不管是大模型還是智能體，都能快速借助它開展企業(yè)相關的業(yè)務開發(fā)，節(jié)省時間和人力。

數(shù)據(jù)來源可精確定位，決策過程可追溯、可人工干預（human-in-loop），滿足企業(yè)嚴謹?shù)牡腿萑潭葮I(yè)務要求。

公開信息顯示，在極具挑戰(zhàn)性的長程對話記憶基準測試LoCoMo上（需在平均300輪、跨數(shù)月、多模態(tài)內容的超長對話中進行精準信息整合與推理），MemoryLake記憶引擎以94.0%的綜合得分位列全球第一。

當然，MemoryLake不光能檢索記憶，還能基于組織好的記憶進行計算，能完成非常復雜的操作和代碼執(zhí)行，既保證準確，又靈活多變，適配企業(yè)各種復雜的計算需求。

千億級賽道的好生意

“這只是起點�！監(jiān)penAI CEO奧特曼認為，2026年將是Agent Memory從“基礎可用”向“成熟商用”突破的關鍵年份，目標是讓AI記憶“像人類認知一樣自然、持續(xù)且可靠”。

數(shù)據(jù)顯示，到2028年，全球AI解決方案市場規(guī)模將突破6320億美元，其中AI記憶相關賽道規(guī)模超280億美元。

可見這是一條足夠寬，也足夠深的黃金賽道。離哲也說“AI的未來是靠記憶驅動的”。

近年來，頭部大模型廠商和傳統(tǒng)數(shù)據(jù)平臺、云廠商也注意到AI記憶已從概念性基建，變?yōu)槠髽I(yè)AI落地的核心剛需，紛紛入局。但一些先天短板讓這些企業(yè)難以占據(jù)絕對優(yōu)勢。

傳統(tǒng)云廠商與數(shù)據(jù)平臺深耕存儲與計算領域多年，缺乏針對多模態(tài)記憶的深度理解引擎與動態(tài)管理能力，面對復雜的企業(yè)級記憶需求容易力不從心。

頭部大模型廠商雖擁有強大的生成能力，卻受困于數(shù)據(jù)碎片化，難以在復雜業(yè)務場景中給出準確、持續(xù)且可解釋的決策。這些行業(yè)痛點，恰恰為具備全棧能力的創(chuàng)新企業(yè)提供了彎道超車的機會。

這也讓質變科技看到了機會。其記憶管理與計算、數(shù)據(jù)大模型、AI數(shù)據(jù)平臺三位一體的完整技術棧，在創(chuàng)業(yè)初期便收獲了資本的高度青睞，天使輪融資達數(shù)千萬美金，估值超2億美金。

據(jù)悉，新的一輪融資已經(jīng)在路上了。

目前，MemoryLake已經(jīng)服務了全球150多萬專業(yè)用戶和15000家企業(yè)，覆蓋金融、工業(yè)制造、游戲、教育、法律、電商等多個行業(yè)。

比如企業(yè)老板要做決策，想分析某個項目以前的風險和現(xiàn)在的市場趨勢，它能自動把項目文檔、溝通記錄、行業(yè)報告這些分散的信息整合起來，推理分析后給出帶證據(jù)的建議，以前要花幾周的人工分析，現(xiàn)在幾小時就搞定了。

在沉浸式游戲里，它能給NPC建立 “世界觀記憶” 和 “玩家記憶”，NPC會記住玩家以前的每一個關鍵選擇和成就，還能根據(jù)這些記憶跟玩家互動、推進劇情，真正實現(xiàn) “一千個玩家有一千種體驗”。

在制造業(yè)和金融業(yè)，它能整合不同系統(tǒng)、不同時間的 “生產(chǎn)記憶” 或 “交易記憶”，工廠出現(xiàn)質量問題，能瞬間找到根本原因，金融交易里有風險，能實時預警，以前要大量人工排查的活兒，現(xiàn)在AI一瞬間就完成了，幫企業(yè)搶回寶貴時間。

據(jù)官方透露，在記憶取用時，MemoryLake引擎返回的是Context友好、精煉且完整的記憶，而非多、雜且不完整、邏輯沖突的原始知識，可以讓模型結合MemoryLake PB級別的數(shù)據(jù)記憶組織能力，平均降低90%以上的Token消耗和計算成本。

正如云時代催生了Snowflake與Databricks，AI時代將重新定義以“記憶”為核心的新一代基礎設施。

一個全新的、AI“會可信記事兒、會思考”的時代，已經(jīng)來了。

官網(wǎng)地址：https://memorylake.ai/

閱讀最新前沿科技趨勢報告，請訪問歐米伽研究所的“未來知識庫”

https://wx.zsxq.com/group/454854145828

未來知識庫是“ 歐米伽 未來研究所”建立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯(lián)網(wǎng)、超級智能，數(shù)智大腦、能源、軍事、經(jīng)濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。