（来源：VCA创投社）

小时候，我们经常会听到大人夸某某“聪明”，他们往往是在夸两种能力：一是记忆力强，能够快速记住知识；二是理解能力强，能够深入理解内容。

放到AI身上，这套逻辑同样成立。

当前大模型的上下文窗口虽然在扩大，但面对用户长周期、海量级的个性化碎片信息时，模型无法判断哪些信息值得保留、哪些应该遗忘、哪些需要跨场景迁移，导致AI产品陷入“千人一面”的同质化困境，商业落地始终停留在浅层工具层面。

与每次从零开始处理任务的传统AI不同，具备记忆能力的AI能够持续保留用户的偏好、历史交互和行为习惯，并在一次次使用中形成对用户更加稳定的理解，再据此调整后续的回答和行动。对于需要长期协作的AI智能体而言，记忆正在成为决定产品体验和用户粘性的基础设施。

2026年8月，AI记忆基础设施创企深圳忆纪元科技有限公司（MemoraX AI）宣布完成数亿元种子++轮融资，由北洋海棠基金、尚势资本、仁爱资本联合领投，银杏谷资本跟投，华业天成、达泰资本等老股东持续加码。光源资本担任独家财务顾问。

这是MemoraX AI继今年4月种子轮、5月种子+轮融资后，在不到半年时间内斩获的第三轮大额融资。三轮累计融资额达数亿元人民币——其中首轮为数千万美元，次轮为数千万人民币，本轮为数亿元人民币。

本轮融资将重点投入大模型长期记忆底层核心技术攻坚，持续夯实公司在 AI 记忆赛道的行业领先地位。同时加速多场景落地布局，全面推进面向B端产业、C端交互式产品的记忆模块标准化研发与规模化商业化落地，构建技术与商业双增长曲线。

85后前华为首席专家创业

MemoraX AI（深圳忆纪元科技）成立于2026年3月，落户深圳南山区，专注打造下一代 AI 记忆系统——让 Agent 在交互中持续进化，不只是存储信息，而是在每一次交互中自我进化的"记忆大脑"。

公司的核心判断是：大模型若不能跨越从"存储"到"记忆"的鸿沟，就永远只是高效的搜索引擎，而非真正的智能伙伴。这一判断恰好踩中了 2026 年 AI 产业发展的核心矛盾——公开数据被大模型消化殆尽，模型能力的通用提升进入平台期，下一阶段竞争焦点必然下沉到"个性化"。

创始人兼CEO郝建业，本科毕业于哈尔滨工业大学，博士毕业于香港中文大学，研究方向聚焦博弈智能。博士毕业后，他先后在麻省理工学院计算机科学与人工智能实验室和新加坡科技设计大学从事博士后研究。

2015年，郝建业回国加入天津大学，主导成立了深度强化学习实验室——这是国内最早系统开展这一方向研究的科研团队之一。此后，他在学术领域持续深耕，一路成为天津大学菁英教授、博士生导师、国家优秀青年科学基金获得者，并入选全球前2%顶尖科学家榜单。他在Nature Communications/Machine Intelligence和ICML、NeurIPS、ICLR等人工智能领域顶会发表论文100余篇，获国际会议最佳论文奖4次、NeurIPS大会竞赛冠军4次。近两年，他在ICML、NeurIPS、ICLR三大顶会的成果产出全球排名前10，谷歌学术引用累计超1.5万次。

但更关键的是，郝建业并非传统学院派创业者。他先后担任华为诺亚方舟决策与推理实验室主任、华为大模型算法实验室主任、华为医疗军团技术总裁，是华为决策智能方向的首席专家。他主导从0到1孵化多个重量级产业项目，其团队成果在国产工业基础软件智能化、基础和行业大模型、自动驾驶、5G网络优化、工业物流调度、具身智能等领域广泛落地。

2025年11月底，郝建业离开华为，开始筹备创业。

在郝建业看来，基模本身解决的主要是一次性的计算和推理问题，但当大模型真正进入各行各业，用户与智能体之间的交互就不会是一次性的。随着交互不断发生，用户的历史行为、偏好、任务上下文和行业知识都会持续累积，模型也因此面临越来越长的上下文。上下文越长，成本和计算压力越高，而大量历史信息如何被有效保存、检索、理解，并在恰当的时机重新调用，也成为基模之外的一道新命题。

2026年3月，MemoraX AI在深圳正式成立。

团队核心成员主要来自两大体系，一方面是华为、阿里、腾讯等头部大厂的核心技术负责人，负责过千亿级规模大模型研发与Agent落地；另一方面是国内强化学习领域最具代表性的顶尖研究力量。纯学术团队强于探索却弱于落地，纯工业团队擅长产品却难建壁垒——MemoraX AI同时具备两者基因，形成了从理论创新到产业落地的全链路闭环能力。

据光源资本披露，公司注册消息刚传出时，就有大量投资人主动联系团队。AI行业不乏顶尖人才，但像郝建业这样兼具产业界大规模落地经验和学术界顶尖研究成果的创业者，极为稀缺。

MemoraX AI聚焦的是AI记忆赛道中最核心、也最难啃的骨头——大模型长期记忆能力。

当前大模型每次对话都从零开始处理，无法记住用户偏好、历史交互和行为习惯。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”。达泰资本管理合伙人方元直言：“人工智能大模型的'智力'水平一直在快速提升，但'记忆力'水平堪忧，已然成为向AGI演进的突出短板之一。”

长期记忆赛道并非无人区，但现有的解决方案大多停留在“外挂检索”的浅层探索——本质上是给AI配了一个笔记本，它只能翻阅查找，并不能真正记住用户。MemoraX AI选择了一条更难、但也更本质的路径：将记忆能力内化进模型。他们不是给AI外挂一个记忆库，而是让记忆成为模型的内生能力。

MemoraX AI认为，记忆能力不是规则搭出来的，是用Agentic RL训出来的，底层算法ReMix已被 ICLR 2026收录。

外挂RAG靠词向量相似度匹配决定"调不调用这段记忆"，MemoraX的记忆模型靠RL训练出来的决策能力判断"这段记忆对当前任务到底有没有用"。

从商业逻辑推断，记忆能力大概率是一个独立训练的记忆决策小模型，而非直接微调进主模型权重，因为后者意味着每接入一个企业客户就要重新训练一遍主模型，成本上走不通。

更值得关注的是它的潜在演化方向：一旦记忆决策模型足够成熟，可以以专家模块集成进下一代基础模型，这意味着MemoraX AI今天做的事，可能是在训练未来大模型的一个核心组件，终局是成为大模型厂商的供应商。

MemoraX AI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Agent记忆技术体系。

MemoraX AI的技术体现在三个维度：

记忆的持续进化能力：记忆不再是静态存储的信息集合，而是在交互中持续被理解、更新和重组。

记忆的精准召回能力：在文本类记忆测试集LoCoMo-Refined上取得82.65分SOTA，比第二名提升30%；联合牛津大学构建并开源了基于真实剧本的Agent Memory评测基准Mem，正确率60.3%，比第二名提升40%。

记忆的泛化复用能力：可实现跨场景记忆复用，在智能交互、企业知识管理、个性化数字陪伴等场景中快速适配。

按数据形态划分，MemoraX AI将记忆能力切分为文本、代码、多模态三类，分别构建相应的记忆模型，最终整合为一套通用、完整的记忆解决方案。

在商业化布局方面，MemoraX AI开展软硬一体的商业布局，在To B端，MemoraX AI的标准化记忆模块可赋能智能客服、企业知识管理、金融医疗法律等专业领域，打破重复问询的痛点，实现精准服务；To C端，瞄准的是个人智能助手这一锚点，打破当前通用AI助手“千人一面”的同质化困境，打造“千人千面”的专属智能伙伴，能够深度镌刻用户的习惯偏好、学习节奏与工作诉求。

据透露，预计在未来12个月内，MemoraX AI将推出面向B端企业知识管理与C端个性化交互的首批标准化记忆产品，实现记忆训练效率与精准度的指数级提升。

另外，目前公司已与华为云正式签署战略合作协议，成为入选华为云大模型战略合作厂商中唯一聚焦长期记忆赛道的企业。

五个月三轮，从千万美元到数亿元

MemoraX AI的融资节奏，在AI记忆赛道中堪称现象级。

种子轮（2026年4月）：完成千万美元融资，由L2F光源创业者基金、钟鼎资本联合领投，知名投资人及产业方共同参与。

种子+轮（2026年5月）：完成数千万人民币融资，由中金资本、达泰资本、华业天成联合领投。两轮累计融资金额超1亿元人民币。

种子++轮（2026年8月）：完成数亿元融资，由北洋海棠基金、尚势资本、仁爱资本联合领投，银杏谷资本跟投，华业天成、达泰资本等老股东持续加码。

五个月三轮融资——从千万美元到数亿元人民币，每一轮的金额都在跃升，每一轮的投资方都在扩容。

华业天成AI赛道投资人王堃表示：“Memory不只是Agent的功能模块，而是决定Agent能否真正'长大'的底层基础设施。”

达泰资本管理合伙人方元表示，高度看好MemoraX AI“将记忆能力内化到模型”的技术路径。王堃进一步指出，MemoraX选择了一条更本质、也更难的路径——以强化学习端到端训练记忆模型，让AI在交互中学会“记住什么、忘记什么与如何调用”。

光源资本合伙人李昊表示：“步入大模型发展的新时代，记忆相关能力从来都不是可有可无的额外功能，更是决定智能体能否实现自主运转、形成独有个性的关键核心所在。”

而MemoraX AI团队兼具算法深度与工程落地能力，有机会率先定义AI Memory的基础范式。

AI下半场的蓝海市场

为什么"AI记忆"在2026年突然成为独立赛道？

根本驱动力是数据红利的枯竭。丘脑智能（MemAura/OmniMemory）创始人张源表示，2025年春节DeepSeek爆火后，他明显感受到AI使用中的痛点——与AI的对话中很多事情需要重新解释和重复沟通，模型并不能真正理解用户过去的上下文。随后调研发现，国内几乎没有团队专门解决 AI 记忆的问题，海外探索也处于早期阶段。

更深层的产业逻辑是：

1、公开数据正被大模型快速消化，AI 在人类知识边界上达到平台期

2、模型能力的通用提升进入瓶颈，继续提升性能的边际用户价值递减

3、下一阶段 AI 的重要方向是"下沉到每个人身边"，从通用智能走向个性化智能

4、记忆是连接用户与 AI、形成个性化数据闭环的关键基础设施

5、即使多个基础模型长期共存，用户切换模型时仍会面临"记忆孤岛"问题

据第三方机构测算，全球AI记忆市场规模预计将从2025年的217.2亿美元增长至2026年的279.3亿美元，并有望在2031年达到982.8亿美元，年复合增长率为28.61%。有分析机构预测，中国智能体记忆市场规模将从2025年的14.4亿元激增至2030年的642.5亿元，期间复合增长率超过110%。

2026年以来，AI记忆赛道融资持续升温。

MemoraX AI五个月完成三轮融资，累计数亿元。

记忆张量（MemTensor）7月完成亿元Pre-A轮融资，由华为哈勃、荣耀战投、商汤国香资本、深创投、和玉资本共同投资。公司围绕MemOS记忆操作系统、记忆增强Agent和记忆原生通用基座模型方向展开研发。

丘脑智能8月完成数千万元种子轮融资，聚焦AI多模态长记忆技术研发。

当前AI记忆赛道的主流技术路线大致可分为两类：

外挂检索型：通过向量数据库等方式为AI提供外部记忆存储和检索能力。这类方案起步快，但本质仍是“静态信息检索”，难以实现真正的动态学习和记忆进化。

模型内生型：将记忆能力内化进模型本身，通过强化学习等方式让AI在交互中主动学习、提炼沉淀、动态更新记忆。MemoraX AI选择的就是这条更本质、也更难的路径。

无论是企业内部的业务系统，还是面向个人的AI助手与终端，都需要沉淀出属于自己的长期记忆，让AI越用越懂用户。不具备长期记忆能力的AI，永远只能是一个“用完即忘”的工具；而拥有记忆的AI，才能真正成为与人协作的智能伙伴。

记忆系统的核心价值在于“越用越懂用户”——随着更多用户和场景的接入，记忆模型对“什么值得记住、什么可以忘记、如何精准召回”的理解将不断加深。这种基于真实交互数据形成的专有资产，是任何通用大模型都无法替代的竞争壁垒。

当AI记忆从企业级应用走向个人化终端，市场天花板将被重新定义。

当然，MemoraX AI这些AI记忆企业还有一个必须要回答的问题：如果基础大模型把记忆内化掉，独立的记忆层还有存在的必要吗？

这是整个赛道最根本的风险问题。

OpenAI、Anthropic、DeepSeek等头部大模型都在持续扩展上下文窗口，a16z也在研究"持续学习"让模型直接更新参数。

MemoraX AI的答案是，上下文窗口扩展解决的是"看得到"的问题，解决不了"用得好"的问题。面对真实用户数年积累的海量个性化数据，暴力扩窗口既不经济也不精准。

他们认为，真正的个性化记忆需要一套专门的学习机制，这个能力不会随基础模型迭代自动涌现，而需要独立的记忆层来承载。

他们的观点正确与否，一切还需要交给市场来验证。

AI的下半场，卷的也许真的是记忆。而MemoraX AI的半年三轮融资，不过是这场"记忆竞赛"的起跑枪声。