超越OpenAI，中國(guó)00后團(tuán)隊(duì)攻破「記憶」難題！打造下一個(gè)AI互聯(lián)網(wǎng)時(shí)刻

導(dǎo)讀：

模型決定AI第一次見面有多驚艷，記憶決定這份聰明能否被結(jié)轉(zhuǎn)、被繼承、被千萬個(gè)同類共享。聰明會(huì)貶值，經(jīng)驗(yàn)會(huì)復(fù)利。一個(gè)智能體的記憶叫經(jīng)驗(yàn)，一億個(gè)智能體的共享記憶，叫文明。第一個(gè)把「會(huì)傳遞」寫進(jìn)協(xié)議底層的人，Shadoweave已經(jīng)在路上。

80年前，阿根廷作家博爾赫斯寫過一個(gè)寓言，叫《博聞強(qiáng)記的富內(nèi)斯》。博爾赫斯筆下的富內(nèi)斯，擁有過目不忘、堪稱完美的記憶，卻無法思考，因?yàn)樗伎家蕾囉谶z忘和抽象。

正如神經(jīng)科學(xué)家Oliver Sacks在《意識(shí)的河流》中所言，創(chuàng)造要求遺忘：當(dāng)我們回看舊筆記本，塵封多年的想法反而能重獲新生，從新的視角被重新關(guān)照。這正是富內(nèi)斯所不具備的能力。

而「意識(shí)的河流」這個(gè)詞來源于美國(guó)心理學(xué)奠基人William James的《心理學(xué)原理》。 他將記憶拆分為兩個(gè)環(huán)節(jié)：

保持（Retention）：經(jīng)驗(yàn)在神經(jīng)中留下痕跡；

回憶（Recall）：從當(dāng)前線索出發(fā)，沿聯(lián)結(jié)網(wǎng)絡(luò)重返過去情境。

James的核心洞見是：回憶并非按地址讀取文件，而是情境性的重構(gòu)。

由此，記憶呈現(xiàn)兩副面孔——對(duì)內(nèi)，它是有損壓縮：大腦將經(jīng)驗(yàn)蒸餾為要點(diǎn)與圖式，犧牲細(xì)節(jié)以換取遷移能力；對(duì)外，它是可傳遞的媒介：壓縮后的經(jīng)驗(yàn)經(jīng)由講述、書寫、傳授，使后人無需重蹈覆轍，便可站上前人肩膀。

壓縮，與傳遞。這兩件聽上去樸素的事，恰恰是今天最強(qiáng)的AI所沒有的。

壹

Context≠記憶≠RAG！

AI最大短板：記憶

今天的大模型，是一種前所未有、卻也殘缺的天才。它擁有的兩種「記憶」，都不是我們真正說的那種記憶。

一種是燒進(jìn)模型權(quán)重里的知識(shí)，它讀過的大半個(gè)互聯(lián)網(wǎng)，凝固成了先天常識(shí)，像一部無比淵博卻再也不會(huì)更新的百科全書。另一種是當(dāng)下這輪對(duì)話的上下文，它能記住你這幾千字，可窗口一關(guān)，一切歸零，像一塊每次開機(jī)都被擦干凈的白板。

它有淵博的語(yǔ)義，有短暫的當(dāng)下，卻唯獨(dú)缺了中間那一層：一段活著的、不斷累積的、屬于「你和它」的過去。用認(rèn)知科學(xué)的話說，它有語(yǔ)義記憶，沒有情景記憶；有工作記憶，沒有長(zhǎng)時(shí)記憶。它每一次醒來，都是一次干凈的失憶。

有人會(huì)說，這幾年一直在給AI「外掛記憶」。確實(shí)，主流做法是把知識(shí)存進(jìn)一個(gè)外部庫(kù)，用時(shí)再檢索回來，向量檢索、RAG，本質(zhì)都是讓模型臨時(shí)「查一次資料」。后來上下文窗口越做越長(zhǎng)，有人干脆把大段歷史整個(gè)塞進(jìn)去。

但檢索，并不等于記憶。上下文越長(zhǎng)，模型反而越容易在其中迷路：位置偏差、多跳失敗、無關(guān)信息的干擾，都是頑疾。

更要命的是，它出錯(cuò)的方式和人恰好相反。設(shè)想你問它：「上個(gè)月我參加過幾場(chǎng)跟藝術(shù)有關(guān)的活動(dòng)？」一個(gè)靠相似度檢索的系統(tǒng)，一看到「藝術(shù)」兩個(gè)字就興奮起來，把你聊過的「班克斯的街頭藝術(shù)」「那場(chǎng)關(guān)于希臘藝術(shù)的討論」一股腦撈回來。

可這些是你聊過的話題，不是你參加過的活動(dòng)；而真正該找到的四場(chǎng)活動(dòng)，它漏了兩場(chǎng)。它擅長(zhǎng)找「字面上像的」，卻答不出「事理上對(duì)的」。

這就是今天AI記憶的真正短板。問題從來不是它記得不夠多，而是它不會(huì)回憶。

貳

中國(guó)00后團(tuán)隊(duì)

把人類回憶的本能做成工程

要把這件事修好，得先回到那個(gè)更根本的問題：一個(gè)「會(huì)回憶」的系統(tǒng)，到底該長(zhǎng)什么樣？這方面，進(jìn)化已經(jīng)調(diào)試了幾億年。

認(rèn)知神經(jīng)科學(xué)有一個(gè)影響深遠(yuǎn)的框架，叫互補(bǔ)學(xué)習(xí)系統(tǒng)。大腦用兩套互補(bǔ)的記憶在工作：以海馬體為核心的快系統(tǒng)，能把一次性的具體經(jīng)歷迅速抓住，這就是情景記憶；以大腦皮層為核心的慢系統(tǒng)，把成千上萬次經(jīng)歷里反復(fù)出現(xiàn)的規(guī)律慢慢沉淀成概念與常識(shí)，這就是語(yǔ)義記憶。兩套缺一不可。

大腦的巧妙在于讓它們接力：海馬先把新經(jīng)歷暫存，再在休息與睡眠里一遍遍「回放」給皮層，讓皮層緩慢地把其中穩(wěn)定的部分吸收進(jìn)去。這個(gè)過程叫鞏固，而鞏固在做的事，說白了就是壓縮。

那「回憶」本身呢？海馬里的CA3區(qū)域是一張高度互聯(lián)的回路，行為很像物理學(xué)家霍普菲爾德在1982年提出的聯(lián)想記憶網(wǎng)絡(luò)。

這種網(wǎng)絡(luò)有個(gè)迷人的特性：一段記憶不是存在某個(gè)地址里等你去「讀取」，而是作為整張網(wǎng)絡(luò)的一個(gè)穩(wěn)定狀態(tài)被存下來；當(dāng)你遞給它一條殘缺的、帶噪聲的線索，整張網(wǎng)絡(luò)會(huì)自動(dòng)朝最接近的穩(wěn)定狀態(tài)收斂過去，把完整的模式重建出來。

一張全息底片，哪怕只剩一角，也能重建出整幅圖像。人的回憶，就是這樣一種「從線索重建整體」的過程。

就在最近，一支叫Shadoweave（織影）的中國(guó)團(tuán)隊(duì)發(fā)布了一篇技術(shù)報(bào)告，把上面這套「人腦的記憶本能」，一板一眼地做成了工程。

團(tuán)隊(duì)集結(jié)了來自CMU、SJTU-SAI、哈佛、清華、UC Berkeley、上海AI Lab等世界頂尖院校或機(jī)構(gòu)的年輕學(xué)者，其中00后博士生占比達(dá)70%，平均年齡只有24歲，但累計(jì)發(fā)表論文56篇，頂會(huì)31篇，覆蓋ICML、ECCV、ICLR、NeurIPS等頂級(jí)會(huì)議。

這是一支跨學(xué)科的復(fù)合型、國(guó)際化、多元化團(tuán)隊(duì)：有人師從計(jì)算認(rèn)知記憶奠基人，為AI注入人類記憶的理論靈魂；有人深耕世界模型與推理優(yōu)化，把長(zhǎng)序列記憶從算力黑洞變成可落地的工程現(xiàn)實(shí)；有人曾主導(dǎo)微軟小冰核心算法開發(fā)、ToDesk、QwenC多模態(tài)推理Agent等千萬級(jí)用戶產(chǎn)品，把前沿論文變成真實(shí)世界的生產(chǎn)力。

他們既能在黑板上推導(dǎo)記憶的數(shù)學(xué)本質(zhì)，也能在服務(wù)器集群里壓榨每一毫秒的推理延遲；既懂大腦如何遺忘、如何重構(gòu)，也懂如何讓AI學(xué)會(huì)「該忘什么、該記什么」。當(dāng)全球大模型還在拼參數(shù)、拼數(shù)據(jù)時(shí)，他們讓AI像人一樣記憶，像人一樣思考。

他們的系統(tǒng)叫HMS，Holographic Memory System，全息記憶系統(tǒng)。名字里那個(gè)「全息」指的是什么，此刻你已經(jīng)知道了。

HMS的第一個(gè)關(guān)鍵判斷，與William James不謀而合：把留存（retention）與回憶（recall）徹底分開。留存，對(duì)應(yīng)大腦的鞏固，經(jīng)歷被結(jié)構(gòu)化地沉淀進(jìn)一個(gè)穩(wěn)定的記憶庫(kù)，而一旦沉淀每次回憶時(shí)不再被隨手改寫。回憶，則被重新定義成一件主動(dòng)的事：面對(duì)每一個(gè)具體的問題，現(xiàn)場(chǎng)重建回答它所需的證據(jù)。

第一步，先想清楚要找什么，再動(dòng)手找。面對(duì)「上個(gè)月參加過幾場(chǎng)藝術(shù)活動(dòng)」，HMS不急著搜，而是先把問題拆開：涉及哪個(gè)時(shí)間段？牽扯哪些人、哪些事物？它甚至?xí)劝选干蟼€(gè)月」換算成一個(gè)確切的日期區(qū)間。這正是James說的「先想清楚我要找的是什么類型的信息」。

第二步，按需換鑰匙，找完了還要回頭自查。HMS備了六把不同的「鑰匙」，按時(shí)間追、按人物串、按上下文補(bǔ)、按最新值查、按矛盾點(diǎn)抓、按關(guān)系跳，而不是什么問題都拿同一套相似度搜索去套。更要緊的是，它找完會(huì)回頭驗(yàn)一遍：計(jì)劃里要填的每一格證據(jù)都填上了嗎？不夠，就在檢索側(cè)繼續(xù)補(bǔ)。

第三步，把證據(jù)理成清單再交卷。去重、按時(shí)間排好、標(biāo)注來源，最后遞到模型面前的是一張能直接數(shù)數(shù)、比大小、看先后的事實(shí)表。

一句話總結(jié)：老辦法是讓模型在一大堆搜索結(jié)果里湊答案，HMS則先像人一樣，把回憶這件事有規(guī)劃、有驗(yàn)證、有條理地做完，再請(qǐng)模型下筆。

叁

雙榜SOTA登頂

這套設(shè)計(jì)到底管不管用？HMS用兩個(gè)業(yè)界公認(rèn)的長(zhǎng)時(shí)記憶基準(zhǔn)給出了回答。

而這組數(shù)字真正的分量，首先在它的測(cè)法：所有被拿來比較的系統(tǒng)，全部基于各自的官方開源倉(cāng)庫(kù)復(fù)現(xiàn)，并且統(tǒng)一用同一個(gè)模型GPT-5-mini來完成記憶抽取、答案生成和對(duì)錯(cuò)判定。不存在「我用Claude-opus跑分、你用小模型跑分」的注水空間。

LongMemEval基準(zhǔn)（多會(huì)話交互記憶測(cè)試）：HMS-self-evolve以92.8%的總體準(zhǔn)確率登頂，此前最強(qiáng)的Hindsight是88.8%。在最難的「時(shí)序推理」子項(xiàng)上，HMS達(dá)到94.7%，Hindsight是88.7%，拉開了整整6個(gè)百分點(diǎn)。在「多會(huì)話聚合」上，HMS以87.2%領(lǐng)先Hindsight的81.2%。在考驗(yàn)用戶偏好記憶的題目上，HMS達(dá)到96.7%，大幅領(lǐng)先Hindsight的86.7%、OpenAI收購(gòu)的Mastra的53.3%。

LoCoMo基準(zhǔn)（長(zhǎng)對(duì)話復(fù)雜推理測(cè)試）：HMS-self-evolve以93.5%再度登頂；在多跳推理上達(dá)到91.5%，開放域推理達(dá)到95.5%。被OpenAI收購(gòu)的Mastra在該榜上的表現(xiàn)也遠(yuǎn)不及HMS。

兩個(gè)榜同時(shí)登頂，還只是表面。更能說明問題的是它贏在哪里。HMS強(qiáng)的地方，恰好是相似度檢索最弱、而人類回憶最擅長(zhǎng)的地方：把散落在不同時(shí)間、不同情境里的線索，重新接成一條完整的證據(jù)鏈。準(zhǔn)確率、Token消耗、響應(yīng)速度，三項(xiàng)核心指標(biāo)全面領(lǐng)先。

肆

越用越強(qiáng)：自進(jìn)化的飛輪

HMS還有一個(gè)容易被忽略但極其關(guān)鍵的應(yīng)用：自進(jìn)化。

HMS-base（不帶自進(jìn)化控制器）的準(zhǔn)確率是92.4%，加上自進(jìn)化控制器后達(dá)到92.8%。差距看起來不大，但這0.4%的提升來自六個(gè)精細(xì)的自進(jìn)化模塊，包括計(jì)數(shù)去重、相對(duì)日期錨定、精確日期回填、數(shù)值差異校準(zhǔn)、當(dāng)前與歷史狀態(tài)仲裁、雙層來源錨定。

翻譯成大白話：用戶使用周期越長(zhǎng)，系統(tǒng)會(huì)自動(dòng)學(xué)會(huì)諸如「計(jì)劃中的事件不該當(dāng)成已完成的來計(jì)數(shù)」「問上周六的事要先把上周六解析成具體日期」這類細(xì)微但關(guān)鍵的判斷。

準(zhǔn)確率在持續(xù)提升，Token消耗在持續(xù)下降，這是一個(gè)越用越強(qiáng)的技術(shù)飛輪。而這個(gè)飛輪本身，正是記憶最先能服務(wù)的對(duì)象：讓記憶系統(tǒng)自身越來越聰明。

伍

AI的下一個(gè)「CUDA時(shí)刻」

到這里，我們其實(shí)只談了記憶的第一副面孔：對(duì)內(nèi)的壓縮與重建。但開頭還埋著第二副面孔：對(duì)外的傳遞。Shadoweave真正的野心，在這一面。

再說一遍那個(gè)事實(shí)：人類文明能夠累積，不是因?yàn)槊總€(gè)人都更聰明，而是因?yàn)橛洃浛梢员粔嚎s、被重新整理，然后跨越個(gè)體與世代傳下去。前人把踩過的坑寫成書，后人讀幾個(gè)小時(shí)，就繼承了別人幾十年的教訓(xùn)。語(yǔ)言、文字、書籍、互聯(lián)網(wǎng)，人類每一次躍遷本質(zhì)上都是記憶的外化，以及智能傳遞方式的一次升級(jí)。

今天的AI，恰恰卡在這一環(huán)。每一個(gè)模型、每一個(gè)Agent、每一臺(tái)機(jī)器人，都在自己的小世界里從零攢記憶，無法繼承。編程助手學(xué)會(huì)的東西，客服Agent一無所知；這臺(tái)機(jī)器人辛苦積累的經(jīng)驗(yàn)，換一臺(tái)就得從頭再來。這就像一個(gè)沒有文字的部落：每個(gè)人都得親歷一切，誰也無法真正站在別人的肩上。

為什么記憶注定會(huì)獨(dú)立成層？讓硅基存儲(chǔ)成為碳基記憶和技能的載體。

計(jì)算機(jī)的體系結(jié)構(gòu)是一面鏡子。大模型本質(zhì)上是一個(gè)「認(rèn)知節(jié)點(diǎn)」，負(fù)責(zé)計(jì)算與推理；而記憶是一個(gè)與之正交的問題，關(guān)乎信息怎么組織、怎么檢索、怎么遺忘、怎么整合。就像處理器和存儲(chǔ)層級(jí)，從計(jì)算機(jī)誕生第一天起就是分立的兩套體系。沒有人會(huì)因?yàn)镃PU廠商強(qiáng)大，就斷言存儲(chǔ)沒有獨(dú)立價(jià)值；恰恰相反，由緩存、內(nèi)存、硬盤組成的存儲(chǔ)層級(jí)，自成一個(gè)萬億級(jí)產(chǎn)業(yè)，還定義了整個(gè)系統(tǒng)效率的上限。

AI正在重演這個(gè)結(jié)構(gòu)：今天的大模型、明天的新形態(tài)、走向物理世界的具身智能，都是不同形態(tài)的認(rèn)知節(jié)點(diǎn)，而它們無一例外，都需要同一樣?xùn)|西：一個(gè)能持久化、能跨會(huì)話、能隨使用而進(jìn)化的記憶層。

而一旦記憶能以一種中立、標(biāo)準(zhǔn)的形式，在不同模型、不同Agent、不同設(shè)備之間被共享和繼承，它就不升格成一層公共的基礎(chǔ)設(shè)施。一家模型廠商可以做綁定自家產(chǎn)品的淺層記憶，卻做不出跨廠商的通用層，因?yàn)橥ㄓ脤拥膬r(jià)值恰恰在于中立，而沒有誰愿意把自己的記憶托付在競(jìng)爭(zhēng)對(duì)手的地基上。

歷史上這樣的時(shí)刻并不陌生：1980年代真正的贏家不是某一臺(tái)PC，而是讓所有PC通用的操作系統(tǒng)；1990年代不是某一個(gè)瀏覽器，而是讓所有機(jī)器互聯(lián)的TCP/IP；2010年代不是某一塊芯片，而是讓所有算力能被調(diào)用的CUDA。

這正是Shadoweave給自己的定位：不做「又一個(gè)記憶存儲(chǔ)方案」，而做AI時(shí)代的記憶協(xié)議——Memory Controller。

陸

從協(xié)議到產(chǎn)品：兩只腳已經(jīng)著地

這層協(xié)議已經(jīng)長(zhǎng)出兩只腳。

面向每一個(gè)普通人，團(tuán)隊(duì)正在做一個(gè)叫Memory Bank的產(chǎn)品，你的第一個(gè)「?jìng)€(gè)人記憶賬戶」。

過去二十多年，你把數(shù)據(jù)、隱私和流量讓渡出去，換回免費(fèi)的互聯(lián)網(wǎng)內(nèi)容和服務(wù)。這筆交易的另一面，就是此刻你的照片在iCloud，會(huì)議記錄在飛書，聊天消息在微信，偏好散落在十幾個(gè)APP里。數(shù)據(jù)由你產(chǎn)生，資產(chǎn)卻記在平臺(tái)名下。所以你的AI助手想了解你？它可能連你上周開了幾個(gè)會(huì)都記不全。

AI時(shí)代，這筆交易要重新談了。你和各類智能體的每一次交互，都滾動(dòng)一次只屬于你的數(shù)據(jù)飛輪，而這些記憶第一次可以被傳輸、被交易、被驗(yàn)證。從平臺(tái)的燃料，交互數(shù)據(jù)變成個(gè)人的資產(chǎn)。根本的變化只有一個(gè)：數(shù)據(jù)的擁有者易主了。

Memory Bank要做的，是把這些散落各處的碎片，沉淀成一份可召回、可授權(quán)、可審計(jì)的個(gè)人記憶層。每一條記憶的來源、時(shí)間、可信度你都看得見，也隨時(shí)可以隱藏、刪除、凍結(jié)。

你手里還握著總開關(guān)：可以隨時(shí)關(guān)掉記憶采集，可以選純本地模式讓數(shù)據(jù)不出設(shè)備，也可以聯(lián)網(wǎng)。核心原則只有一條：記憶到底屬于誰，從來不該只是一句漂亮話，而是所有權(quán)易主之后，寫進(jìn)產(chǎn)品結(jié)構(gòu)里的默認(rèn)值。

面向開發(fā)者與企業(yè)，HMS已經(jīng)完成SDK封裝，可以直接交給基座模型廠商、Agent廠商和具身機(jī)器人廠商做集成測(cè)試。GitHub倉(cāng)庫(kù)已經(jīng)開放，技術(shù)報(bào)告中全部的復(fù)現(xiàn)數(shù)據(jù)與測(cè)試流程均可溯源。

地址：https://github.com/Shadow-Weave/HMS

HMS的五個(gè)動(dòng)詞「read/write/handoff/rollback/verify」定義了這個(gè)協(xié)議的基本接口。

未來，HMS將持久記憶融入感知、推理、控制與具身行動(dòng)。任何新的Agent、模型、機(jī)器人，只要接入HMS，就能立刻繼承過去的知識(shí)和行為規(guī)律，而不必從頭再學(xué)。

柒

記憶的終點(diǎn)，是文明演化

我們回到富內(nèi)斯。記憶必須會(huì)遺忘，所以能提煉；必須靠重建，所以能理解；必須可傳遞，所以能累積。

記憶的終點(diǎn)不是存住，而是傳承。和貨幣一樣，鎖進(jìn)保險(xiǎn)柜的錢只是紙，流通起來才是財(cái)富——數(shù)據(jù)只有交換，才有價(jià)值。

就在幾天前，強(qiáng)化學(xué)習(xí)之父Sutton官宣創(chuàng)業(yè)；幾個(gè)月前，他的學(xué)生、AlphaGo之父Silver做了同樣的事。師徒倆押的是同一句話：智能，從經(jīng)驗(yàn)里長(zhǎng)出來。

但很少有人追問上一環(huán)：經(jīng)驗(yàn)，從哪里長(zhǎng)出來？富內(nèi)斯給過反面答案：記住一切的人，提煉不出任何經(jīng)驗(yàn)。經(jīng)驗(yàn)，是記憶經(jīng)過高效抽象與表征之后的結(jié)晶。如果說記憶是礦石，經(jīng)驗(yàn)是金屬，那HMS就是中間那座冶煉廠。

至此，鏈條第一次完整：記憶沉淀為經(jīng)驗(yàn)，經(jīng)驗(yàn)長(zhǎng)出智能，智能被傳遞、被擴(kuò)散，匯成文明的演化。數(shù)據(jù)的價(jià)值，在每一次交換與繼承中被點(diǎn)燃。

終局是什么？一萬個(gè)人讀同一本《幾何原本》，一萬個(gè)大腦長(zhǎng)出同一套幾何直覺。當(dāng)無數(shù)模型、Agent、機(jī)器人接入同一個(gè)記憶層，一個(gè)個(gè)體踩過的坑，就是整個(gè)群體的本能：個(gè)體怎樣從記憶長(zhǎng)出智能，群體就怎樣長(zhǎng)出更大的智能，像一棵樹，每根枝椏都按整棵樹的方式生長(zhǎng)。

模型決定AI第一次見面有多驚艷，記憶決定這份聰明能否被結(jié)轉(zhuǎn)、被繼承、被千萬個(gè)同類共享。

聰明會(huì)貶值，經(jīng)驗(yàn)會(huì)復(fù)利。一個(gè)智能體的記憶叫經(jīng)驗(yàn)，一億個(gè)智能體的共享記憶，叫文明。第一個(gè)把「會(huì)傳遞」寫進(jìn)協(xié)議底層的人，Shadoweave已經(jīng)在路上。

圖源網(wǎng)絡(luò)侵刪

文章來源：公眾號(hào)“新智元”

粉絲福利領(lǐng)取

近期，公眾號(hào)收集了科研指導(dǎo)、編程學(xué)習(xí)、科學(xué)哲學(xué)、科學(xué)史、數(shù)學(xué)和物理科普書、中醫(yī)書籍、文學(xué)著作、升學(xué)就業(yè)相關(guān)資料等資源大禮包，點(diǎn)擊了解詳情

點(diǎn)擊資源推文頁(yè)，領(lǐng)取方式在文末