国内外AI大厂重押，初创梭哈，谁能凭「记忆」成为下一个「DeepSeek」？

AI-Agent13小时前发布 almosthuman2014

77 0 0

文章摘要

随着AI技术的发展，推理已成为各大模型标配，业界开始意识到让大模型拥有像人类一样的「记忆」能力，是下一轮AI智能提升的关键。

「记忆」成为业界关注焦点：近期，Anthropic、谷歌、字节跳动等公司纷纷推出具备「记忆」功能的产品，OpenAI、xAI、Mistral AI等也在相关领域有所布局。此前，学术界已更早开始相关研究，如记忆张量在2023年底开始探索，其发布的Memory³模型引起关注；腾讯AI Lab专家研究员王琰也在同期从应用侧感知到「记忆」能力的重要性。

「记忆」是技术与应用的双重诉求：从技术层面看，过去通过堆算力、参数量提升大模型性能的方式边际效应下降，业界需要寻找新的技术范式。从应用层面看，AI Agent成为主流叙事，对模型的要求提高，需要其具备终身记忆能力。

技术路径多样且各有优劣：目前业界主要有参数化记忆、上下文记忆（上下文工程）、外部数据库/RAG三种研究路线。参数化记忆理论上限高，但研发成本高、短期内落地难；上下文记忆易混淆错误来源，缺乏自动化评判机制；外部数据库/RAG工程上广泛使用，但上限低。当前技术路线未收敛，部分玩家探索多种路线融合。

不同玩家诉求与商业模式各异：AI厂商如OpenAI等希望通过「记忆」实现个性化服务，留住用户；「记忆」的中间件服务商则希望开发者和应用产品能体会到「记忆」能力增强带来的变化，形成可共享的记忆中枢。

目前，AI围绕「记忆」能力的竞赛战况胶着，谁都有可能取得突破。按照模型「记忆」能力的维度划分，大范围应用可能还需一到两年，解决治理层面问题至少还需三到五年。未来谁能再现「DeepSeek时刻」，仍未可知。