▎長期記憶能力,已是決勝下一代 AI 競爭力的分水嶺。近日,EverMind 團隊宣佈正式發佈其旗艦產品 EverMemOS,這是一款面向人工智慧智能體的世界級長期記憶作業系統,它旨在成為未來智能體的資料基礎設施,為AI賦予持久、連貫、可進化的“靈魂”。在 LoCoMo 和 LongMemEval-S 等最主流的長期記憶評測集上,EverMemOS 表現已顯著超越此前工作,成為新的SOTA。記憶能力: 決勝下一代 AI 的分水嶺受限於 LLMs 固定的上下文窗口,AI 在長時程任務中會頻繁“失憶”。這不僅導致記憶斷裂、事實矛盾,更讓深度個性化和知識一致性成為空談。AI 無法利用歷史互動資料來理解使用者,也無法保留上下文的中間資料,這使其應用價值大打折扣。這不只是一個技術缺陷,更是 AI 走向高級智能的演化桎梏。一個沒有記憶的主體,無法形成長期行為的一致性與主動性,更不可能實現真正的自我迭代。個性化、一致性、主動性——這一切演化的前提,都依賴於一個強大的記憶系統。行業巨頭已經用行動做出了證明。無論是 Claude 還是 ChatGPT,都已將長期記憶作為戰略級功能推出。這標誌著一個清晰的行業風向:記憶,正成為未來 AI 應用的核心競爭力與分水嶺;它也是 AI 從‘工具’走向‘智能體’、從被動響應走向主動演化的關鍵所在。行業並非沒有嘗試。RAG 等傳統方法提供了初步的補償方案,一些新興的記憶系統也開始湧現。然而,這些努力大多是“碎片化”的。市場始終缺乏一個真正可用的、能夠覆蓋全場景的記憶系統——既要滿足一對一陪伴場景,又能夠支援複雜的企業多人協作場景。更重要的是,這個系統必須在精度、速度、易用性和應用適配性上達到高度統一。現實是,這樣的解決方案仍然缺位。因此,為大模型裝上一個高性能、可插拔、易最佳化的“記憶外掛”,依然是困擾眾多應用、亟待滿足的核心剛需。靈感源自人類大腦的記憶機制EverMind 團隊來源於盛大集團(Shanda Group),這一曾引領中國數字創新浪潮的科技和投資集團。他們的靈感來自人類大腦的記憶機制:從感官訊號編碼、海馬體索引到皮層長期儲存,前額葉與海馬體協同完成記憶的形成與提取。這種「類腦」理念,成為 EverMemOS 設計的核心,讓 AI 能夠像人類一樣思考、記憶與成長。這一願景也與盛大創始人陳天橋在腦科學與 AI 融合研究中的長期投入一脈相承,體現出讓人工智慧和人類智能相遇的重要意義。9月份,陳天橋旗下團隊打造的MiroMind就成為全球頂尖預測大模型,性能領先行業基準,該模型採用記憶驅動機制,專為預測與決策設計。更早之前,MiroMind團隊還公佈了一個高性能、完全開源、開放協作的深度研究項目MiroMind Open Deep Research(Miro ODR),成為開源最強DeepResearch模型之一。今年10月27-28日,他在天橋腦科學研究院在美國舊金山舉辦的首屆天橋腦科學研究院AI驅動科學研討會(Symposium for AI Accelerated Science,AIAS 2025)上系統闡述了包括“長期記憶”在內的發現式智能五種核心能力。他指出,當今的 AI 建立在 “空間結構”範式 之上——這種範式是「瞬時的」「靜態的」,本質上通過規模化參數去擬合世界的“快照”;而人類大腦的 “時間結構”範式 是「連續的」「動態的」,其目的在於管理與預測時間流中的資訊。在這其中,“長期記憶”正是連接時間與智能的關鍵環節。EverMemOS 正是在這一理念的啟發下誕生的 —— 讓 AI 擁有時間的連續性,使其能夠在時間流中記憶、適應與進化。正是在這樣的背景下,EverMind 團隊推出了 EverMemOS,一個在場景覆蓋和技術性能上均實現關鍵突破的記憶系統。在場景覆蓋上: 它是行業首個真正能同時支援 1 對 1 對話與複雜多人協作兩大場景的記憶系統,並已率先被創新的 AI Native 產品 Tanka 採用。在技術性能上: 基於創新的生物‘印跡’(Engram)啟髮式記憶提取與應用技術,EverMemOS 在最主流的長期記憶評測集 LoCoMo 和 LongMemEval-S 上,分別取得了 92.3% 和 82% 的高分,均顯著超越了SOTA(State-of-the-Art)水平,樹立了新的行業標竿。EverMemOS 四層架構設計EverMemOS 受「人腦記憶機制」啟發,創新設計了四層結構,並與大腦關鍵功能區形成類比:代理層(Agentic Layer)—— 負責任務理解、分解與生成,類比「前額葉皮層」在注意力、計畫與執行控制中的作用。記憶層(Memory Layer)—— 管理長期記憶的提取和結構化儲存,對應「大腦皮層網路」的長期鞏固儲存功能。索引層(Index Layer)—— 通過Embedding、鍵值對與知識圖譜實現記憶關聯和高效記憶檢索,類似「海馬體」完成記憶的關聯與快速索引功能。介面層(API/MCP Interface)—— 與企業級應用無縫整合,作為AI的“感官介面”與外界互動。EverMemOS 三大系統特點特點一:從“記憶資料庫”到“記憶處理器” EverMemOS 的首要創新在於,它不僅僅是一個記憶的“資料庫”,更是一個記憶的“應用處理器”。它解決了現有方法“只管找,不管用”的核心痛點,通過其獨特的推理與融合機制,讓記憶能夠即時、主動地影響模型的思考和回應,確保 AI 的每一句話都基於對使用者的長期理解,從而提供真正連貫、個性化的互動體驗。特點二:創新設計“分層記憶提取”與動態組織 EverMemOS 的核心在於其創新的“分層記憶提取”思想。它不再將記憶視為混亂的文字塊,而是將連續的語義塊提取為情景記憶單元,再動態地組織成結構化記憶。這種層次化的記憶組織方式,將相關記憶聯絡起來,解決了純文字相似度檢索難以捕捉隱性上下文的難題,為後續的記憶應用提供了堅實的基礎。特點三:實現業界首個可拓展的模組化記憶框架 在實際應用中,不同場景下的記憶需求差距較大。因此,EverMemOS 創新性地設計了基於使用場景的可拓展記憶框架。它能夠靈活支援多種記憶類型,無論是需要高精度、結構化資訊的工作場景,還是需要共情、理解隱性情感的陪伴場景,EverMemOS 都能智能地提供最優的記憶組織和應用策略,解決了傳統記憶形式單一、無法適應多變需求的難題。目前,EverMind已在github上開放EverMemOS開源版本,供開發者與 AI 團隊部署與試用。Github訪問地址為:https://github.com/EverMind-AI/EverMemOS/。預計在今年晚些時候,團隊將發佈雲服務版本,為企業使用者提供更完善的技術支援、資料持久化與可擴展體驗,有興趣的開發者或企業可以在官網(http://everm.com)留下信箱,將有機會第一時間體驗服務。 (鈦媒體)