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增强用户输入的表达能力。
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。
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。”
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。
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。
头部大模型厂商虽拥有强大的生成能力，却受困于数据碎片化，难以在复杂业务场景中给出准确、持续且可解释的决策。这些行业痛点，恰恰为具备全栈能力的创新企业提供了弯道超车的机会。
这也让质变科技看到了机会。其记忆管理与计算、数据大模型、AI数据平台三位一体的完整技术栈，在创业初期便收获了资本的高度青睐，天使轮融资达数千万美金，估值超2亿美金。
据悉，新的一轮融资已经在路上了。
目前，MemoryLake已经服务了全球150多万专业用户和15000家企业，覆盖金融、工业制造、游戏、教育、法律、电商等多个行业。
比如企业老板要做决策，想分析某个项目以前的风险和现在的市场趋势，它能自动把项目文档、沟通记录、行业报告这些分散的信息整合起来，推理分析后给出带证据的建议，以前要花几周的人工分析，现在几小时就搞定了。
在沉浸式游戏里，它能给NPC建立 “世界观记忆” 和 “玩家记忆”，NPC会记住玩家以前的每一个关键选择和成就，还能根据这些记忆跟玩家互动、推进剧情，真正实现 “一千个玩家有一千种体验”。
在制造业和金融业，它能整合不同系统、不同时间的 “生产记忆” 或 “交易记忆”，工厂出现质量问题，能瞬间找到根本原因，金融交易里有风险，能实时预警，以前要大量人工排查的活儿，现在AI一瞬间就完成了，帮企业抢回宝贵时间。
据官方透露，在记忆取用时，MemoryLake引擎返回的是Context友好、精炼且完整的记忆，而非多、杂且不完整、逻辑冲突的原始知识，可以让模型结合MemoryLake PB级别的数据记忆组织能力，平均降低90%以上的Token消耗和计算成本。
正如云时代催生了Snowflake与Databricks，AI时代将重新定义以“记忆”为核心的新一代基础设施。
一个全新的、AI“会可信记事儿、会思考”的时代，已经来了。
官网地址：https://memorylake.ai/可靠的股票配资平台
凯丰资本提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
推荐资讯
