记忆湖MemoryLake:AI第二大脑的规模化实践,引领企业智能决策新纪元

田晏林 发自 凹非寺

量子位 | 公众号 QbitAI

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

LLM是AI的“第一大脑”,记忆平台是AI的“第二大脑”。

畅销书作者Tiago Forte在《构建第二大脑》中曾分享核心观点:“生物大脑只用于思考创造,而外部系统用于信息的可靠存储。”——这对我们理解AI的“双脑”分工极富启示。

事实上,LLM就如同AI的“第一大脑(生物脑)”,它擅长思考、推理与即时生成,而不擅长长期、精确地存储海量事实。而记忆平台是AI的“第二大脑”,它主要按需为LLM提供准确的“记忆”支撑,让LLM从记忆负担中解放,专注于更高层次的推理与创造,从而协同产生更精准、个性化且可行动的价值。两者结合,记忆平台负责“记住一切”,LLM负责“思考一切”。

当AI从示范应用进入企业落地深水区,记忆平台决定胜负手

过去几年,AI在企业端的应用已跨越三个阶段:

1.0 连接阶段(2023年前):解决“存”与“找”
早期AI充当智能连接器,将企业数据导入向量数据库,实现语义检索,替代传统关键词搜索以增强用户输入的表达能力。其局限在于离核心生产流程遥远,更像一个“更聪明的文档管理员”,未触及业务实质。

2.0 交互阶段(2023-2024年):意图理解与“幻觉”困境
大模型突破使AI能以自然语言对话调用数据,门槛降低。但真正瓶颈浮现:它能处理显性数据,却难以表征专家头脑中的“隐性知识”(如风投一眼看穿财报问题的直觉),导致输出流于表面,难以交付可靠决策。

3.0 生产力时代(2025年至今):萃取“隐性知识”,固化核心资产
行业焦点转向直接提升生产效率。关键一跃在于能否将员工的决策逻辑、经验权衡等隐性知识数字化、轨迹化。这不再是简单问答,而是通过记录分析员工的日常审批、批注、沟通,构建组织“决策轨迹记忆中枢”,实现核心能力的沉淀与复用。

记忆湖MemoryLake:AI第二大脑的规模化实践,引领企业智能决策新纪元

当前竞争已升至“隐性知识”的记忆化以及高准确性、可信可靠的记忆管理。“记忆平台”不再只是辅助工具,而是将企业最宝贵的智力资产——人脑中的判断力,转化为可迭代、可传承的记忆资产。分析师预计,到2030年,AI智能体编排和记忆系统的市场将达到284.5亿美元。其中,128.8亿美元归因于独立的AI记忆市场。

一个好的AI记忆平台长什么样?

一个好的AI记忆平台,早已不是“能存能查”那么简单,它必须具备数据理解模型能力、记忆管理与计算和多模态数据平台能力。

质变科技近日发布了业内首个具备超大规模实践的 “MemoryLake(记忆湖)”产品,作为全球少有的兼具记忆能力、模型能力和数据平台能力于一身的全栈玩家,质变科技此次通过MemoryLake率先践行以记忆为中心的技术路线。早在2023年,质变科技创始人离哲(本名占超群)就萌生了诸多思考,“记忆作为AI第二大脑,围绕记忆将诞生全新的AI Infra。”

记忆湖MemoryLake:AI第二大脑的规模化实践,引领企业智能决策新纪元

他判断,未来系统核心将从“管理数据记录”转向“管理多模态的决策轨迹,构建多模态认知状态记忆”。认知状态记忆是系统在某一时刻,对“我在做什么、我知道什么、我假设什么、我不确定什么”的结构化内部表征;认知状态记忆将成为AI时代的主角。

有了这个方向,该团队先是在2024年上线了高准确性、低容忍度用于严肃场景的决策智能体Powerdrill。通过海外超150万专业数据领域用户、1300万数据问题、5000万生成代码(每个用户的问题会动态生成一个动态决策软件)的迭代和准确性的调优积累,沉淀出一整套端到端的记忆工程技术,成就了今天产品化的MemoryLake。

MemoryLake包含核心三个技术组件:MemoryLake-D1大模型、MemoryLake记忆引擎和多模态存储与计算平台(Relyt Multi-modal Data Cloud),首次将“多模态内容深度理解、记忆计算与管理、多模态记忆存储”全栈能力融于一体。

从行业头部客户实践看,MemoryLake具备超大规模记忆场景(如在一些客户生产系统中超10万亿级记录、亿级文档)企业级实践,服务了国内超大规模的文档办公、头部的企业移动办公软件、大模型、大型国央企等企业。在与全球云大厂和AI典型厂商等竞争中,MemoryLake在成本、准确召回率和延迟等性能指标方面显示出数倍于对手的显著优势。

今年年初,MemoryLake正式上线,将前文所述的三大核心能力,落地为可直接服务企业场景的实用功能。

先说记忆管理能力

MemoryLake将记忆分为短期/中期/长期记忆,还有工作记忆、世界观记忆等,通过分层办法管理。根据记忆的访问频率、复用价值、生命周期动态存储,平衡效率与成本。

同时,它还支持记忆的同步/异步提取、动态更新、精准删除、遗忘压缩与高效召回,适配业务动态变化。政策更新时自动同步记忆,无用记忆自动释放资源,业务调用时快速精准召回,减少人工干预。

为避免出现“数据孤岛”,MemoryLake还支持跨大模型/智能体的跨端、跨域通用,有广泛的协议支持和接入能力,如兼容MCP、mem0、OpenMemory等主流协议,快速接入企业现有系统,降低部署成本。

多模态知识深度理解、提取与存储能力

随着多模态模型成为主流,企业的记忆资产已涵盖文档、表格、音视频等多种形态,传统文本型记忆工具无法应对非结构化数据,导致大量核心信息无法利用,难以适配复杂场景。

之前为提高多模态数据理解、提取能力,专门研发的MemoryLake-D1模型派上用场,能精准提取文本逻辑、表格关联,转写音视频关键信息,识别图片内容,确保多模态数据转化为可靠的结构化记忆。

此外,MemoryLake还能将所有数据整理成好懂、好用的形式(如知识图谱、Summary),以及能实现PB级精准检索,不管数据再多,都能快速找到想要的。

大模型时代Agent与记忆交互的是Code。因此,多模态知识处理能力还包含分布式Code计算能力。这样一来,AI调用记忆的时候,能及时响应、不卡顿、不报错,顺畅对接,完全适配现在大模型普及后的使用需求,不会出现“AI想调用记忆,却对接不上、用不了”的情况。

记忆湖MemoryLake:AI第二大脑的规模化实践,引领企业智能决策新纪元

记忆检索、计算、评估能力

MemoryLake支持端到端的精炼且完整的上下文理解与组织,不管是大模型还是智能体,都能快速借助它开展企业相关的业务开发,节省时间和人力。数据来源可精确定位,决策过程可追溯、可人工干预(human-in-loop),满足企业严谨的低容忍度业务要求。

记忆湖MemoryLake:AI第二大脑的规模化实践,引领企业智能决策新纪元

公开信息显示,在极具挑战性的长程对话记忆基准测试LoCoMo上(需在平均300轮、跨数月、多模态内容的超长对话中进行精准信息整合与推理),MemoryLake记忆引擎以94.0%的综合得分位列全球第一。

当然,MemoryLake不光能检索记忆,还能基于组织好的记忆进行计算,能完成非常复杂的操作和代码执行,既保证准确,又灵活多变,适配企业各种复杂的计算需求。

千亿级赛道的好生意

“这只是起点。”OpenAI CEO奥特曼认为,2026年将是Agent Memory从“基础可用”向“成熟商用”突破的关键年份,目标是让AI记忆“像人类认知一样自然、持续且可靠”。数据显示,到2028年,全球AI解决方案市场规模将突破6320亿美元,其中AI记忆相关赛道规模超280亿美元。可见这是一条足够宽,也足够深的黄金赛道。离哲也说“AI的未来是靠记忆驱动的”。

近年来,头部大模型厂商和传统数据平台、云厂商也注意到AI记忆已从概念性基建,变为企业AI落地的核心刚需,纷纷入局。但一些先天短板让这些企业难以占据绝对优势。传统云厂商与数据平台深耕存储与计算领域多年,缺乏针对多模态记忆的深度理解引擎与动态管理能力,面对复杂的企业级记忆需求容易力不从心。

记忆湖MemoryLake:AI第二大脑的规模化实践,引领企业智能决策新纪元

头部大模型厂商虽拥有强大的生成能力,却常受困于数据碎片化问题,难以在复杂的业务场景中提供准确、持续且可解释的决策。这些行业痛点,为具备全栈技术能力的创新企业提供了实现弯道超车的关键机遇。

质变科技正是抓住了这一机遇。其构建了记忆管理与计算、数据大模型、AI数据平台三位一体的完整技术栈,这一战略在创业初期便获得了资本市场的认可,天使轮融资额达数千万美元,公司估值超过2亿美元。

目前,MemoryLake已服务于全球超过150万专业用户及15,000家企业客户,覆盖金融、工业制造、游戏、教育、法律、电商等多个行业。

记忆湖MemoryLake:AI第二大脑的规模化实践,引领企业智能决策新纪元

例如,当企业管理者需要进行项目决策时,系统能够自动整合分散的项目文档、沟通记录、行业报告等多源信息,经过推理分析后,提供附有证据链的决策建议。以往需要数周人工完成的分析工作,如今可在数小时内完成。

记忆湖MemoryLake:AI第二大脑的规模化实践,引领企业智能决策新纪元

在沉浸式游戏场景中,MemoryLake能为NPC(非玩家角色)构建“世界观记忆”与“玩家记忆”。NPC可以记住玩家过往的关键选择与成就,并基于这些记忆与玩家互动、推动剧情发展,从而真正实现“千人千面”的游戏体验。

在制造业与金融业,该系统能够整合来自不同系统、不同时间维度的“生产记忆”或“交易记忆”。当工厂出现质量问题时,可迅速定位根本原因;金融交易中出现潜在风险时,能实现实时预警。以往依赖大量人工排查的工作,现在可由AI瞬间完成,为企业抢占了宝贵的决策时间。

据官方介绍,在记忆取用环节,MemoryLake引擎返回的是上下文友好、精炼且完整的记忆片段,而非多、杂、不完整甚至逻辑冲突的原始知识。这使得大模型能够结合MemoryLake PB级别的数据记忆组织能力,平均降低90%以上的Token消耗与计算成本。

正如云计算时代催生了Snowflake与Databricks等巨头,AI时代也将重新定义以“记忆”为核心的新一代数据基础设施。

一个由AI驱动、能够“可信记忆”并“深度思考”的全新时代,已经到来。


关注“鲸栖”小程序,掌握最新AI资讯

本文来自网络搜集,不代表鲸林向海立场,如有侵权,联系删除。转载请注明出处:https://www.itsolotime.com/archives/20392

(0)
上一篇 6天前
下一篇 6天前

相关推荐

  • 从Jupyter到Web应用:用Python、FastAPI与LangChain构建可部署的AI工具

    从Jupyter到Web应用:用Python、FastAPI与LangChain构建可部署的AI工具(第1/2部分) 为何需要将AI脚本转化为Web应用 在Jupyter Notebook中成功验证一个AI模型(如问答或文本摘要)后,其价值往往受限于本地环境。团队无法协作,用户无法访问,模型的价值难以释放。 核心在于:AI的价值不仅在于模型本身,更在于其可访…

    2025年11月30日
    11100
  • OpenClaw创始人揭秘:逆向API打造AI军团,80%手机App将被吞噬!

    “80%的手机App会被吃掉!” 近日,热门项目 OpenClaw(原名 Clawdbot)的创始人 Peter Steinberger 在一次播客访谈中分享了新的见解。 他透露,自己已将 OpenClaw 的应用场景扩展到诸如查询外卖配送进度、调节智能床温度等日常事务。实现这种能力扩展的核心方法在于:逆向第三方服务的 API。 Peter 预测,未来 80…

    2026年2月3日
    25100
  • ClaudeCode之父自曝:上月未开IDE,AI已写200个PR!Karpathy预警软件业9级地震,新人反成AI原生高手

    圣诞节当天,ClaudeCode 的创造者 Boris Cherny 在 X 上宣布,他将开始更积极地参与平台上的讨论。 大家好,我是Boris,我在Claude Code工作。我打算开始在X上更活跃一些,因为这里有很多关于人工智能和编程的讨论。 欢迎随时向我反馈 Claude Code 的使用体验或提交 bug 报告。我很想了解大家是如何使用 Claude…

    2025年12月27日
    14500
  • 2026年企业级RAG系统构建指南:8大关键工具避免生产环境陷阱

    每个可靠的企业级 RAG 系统背后的 8 个关键工具 我第一次认真构建检索增强生成(RAG)系统时,犯了大多数团队都会犯的同样错误。 我以为 RAG 的核心是选对模型。 其实不是。 企业级 RAG 关注的是模型之外的一切——那些枯燥、脆弱、不光鲜,但决定你的系统能否多年稳定运行、还是在真实流量面前崩塌的部分。 当你越过演示阶段,进入生产环境时,你会发现 RA…

    2026年1月27日
    14100
  • Human-in-the-Loop标签清洗:单模型挖掘策略显著提升多目标检测召回率

    在计算机视觉的工业落地中,从业者往往热衷于尝试最新的YOLO版本、更换骨干网络或引入注意力机制。然而,吴恩达教授提出的“以数据为中心的AI”观点在实战中屡试不爽:当模型调优遇到瓶颈时,提升数据质量往往能带来最显著的收益。 本文将复盘一次实际业务中的优化过程。在涉及国旗、国徽、党徽的多目标检测任务中,面对人工标注缺失(漏标)的情况,我们没有盲目堆砌数据,而是设…

    2026年1月22日
    9400