在人工智能领域，当大模型逐渐触及人类知识边界的天花板，一场关于“记忆”的竞赛正悄然拉开帷幕。深圳忆纪元科技有限公司（MemoraX AI）凭借其在大模型长期记忆能力上的突破性探索，成为这一赛道中最受瞩目的新星。短短五个月内，该公司连续完成三轮融资，累计金额达数亿元人民币，投资方阵容涵盖北洋海棠基金、尚势资本、仁爱资本等知名机构，老股东持续加码，光源资本担任独家财务顾问。
传统大模型的交互模式始终面临一个核心矛盾：每次对话都从零开始，无法积累用户的历史偏好、行为习惯或任务上下文。这种“用完即忘”的特性，导致AI产品在商业落地时难以突破浅层工具的局限，尤其在需要长期协作的场景中，用户体验始终停留在“千人一面”的阶段。MemoraX AI的解决方案直指这一痛点——通过将记忆能力内化进模型，让AI在交互中持续学习、动态更新记忆，形成对用户的深度理解。
创始人郝建业的背景为这家初创公司注入了独特的基因。这位85后科学家曾是华为决策智能方向的首席专家，主导过多个重量级产业项目的孵化，其团队成果在自动驾驶、5G网络优化、工业物流调度等领域广泛落地。同时，他在学术领域也建树颇丰：发表顶会论文100余篇，获国际会议最佳论文奖4次，谷歌学术引用累计超1.5万次。这种“产业经验+学术深度”的双重背景，使MemoraX AI从成立之初就具备从理论创新到产业落地的全链路能力。
技术路径上，MemoraX AI选择了一条更具挑战性的道路——摒弃传统的“外挂检索”模式，转而通过强化学习训练记忆决策模型。其底层算法ReMix已被ICLR 2026收录，核心逻辑是让AI在交互中自主判断“哪些记忆值得保留、哪些可以遗忘、如何精准调用”。这种内生记忆能力与外挂检索的本质区别在于：前者是动态的、可进化的，而后者仅是静态的、基于词向量匹配的检索工具。据IDC数据，超过75%的企业级AI应用失败案例归因于“上下文丢失”与“知识断层”，而MemoraX的技术正是为解决这一问题而生。
在商业化布局上，MemoraX AI采取“软硬一体”策略，覆盖B端与C端双场景。面向企业客户，其标准化记忆模块可赋能智能客服、金融医疗法律等专业领域，打破重复问询的痛点；面向个人用户，则致力于打造“千人千面”的专属智能助手，深度镌刻用户的习惯偏好与工作节奏。目前，公司已与华为云签署战略合作协议，成为其大模型生态中唯一聚焦长期记忆赛道的合作伙伴。
资本市场的热情印证了这一赛道的潜力。2026年4月，MemoraX AI完成千万美元种子轮融资；5月，又斩获数千万人民币种子+轮融资；8月，种子++轮融资规模跃升至数亿元。五个月内三轮融资，金额与估值持续攀升，投资方从早期风险投资机构扩展至产业资本，老股东持续加码的态势更凸显市场对其技术路径的认可。华业天成投资人王堃直言：“记忆不是Agent的功能模块，而是决定其能否真正‘长大’的底层基础设施。”
这一判断与AI产业的深层逻辑高度契合。随着公开数据被大模型快速消化，模型能力的通用提升已进入平台期，下一阶段的竞争焦点必然下沉至“个性化”。记忆能力作为连接用户与AI、形成个性化数据闭环的关键基础设施，其重要性日益凸显。即使未来多个基础模型共存，用户切换模型时仍会面临“记忆孤岛”问题，而独立的记忆层可成为解决这一痛点的核心组件。
MemoraX AI的技术突破已初见成效。在文本类记忆测试集LoCoMo-Refined上，其模型取得82.65分的SOTA（当前最优水平），比第二名提升30%；联合牛津大学构建的Agent Memory评测基准Mem中，正确率达60.3%，领先第二名40%。公司还构建了以“可学习记忆策略引擎、记忆基模、自演进Agent Harness”为核心的技术体系，支持跨场景记忆复用，覆盖文本、代码、多模态三类数据形态。
当然，挑战依然存在。头部大模型正在通过扩展上下文窗口或研究“持续学习”机制试图内化记忆能力，这可能对独立记忆层构成威胁。MemoraX AI的回应是：上下文窗口扩展解决的是“看得到”的问题，而真正的个性化记忆需要一套专门的学习机制，这一能力不会随基础模型迭代自动涌现，必须由独立的记忆层承载。其观点是否成立，仍需市场验证，但至少在当下，这家成立仅半年的公司已用三轮融资和一系列技术突破，为AI的下半场竞赛定下了基调——卷的或许真是记忆。
