在人工智能技術飛速發(fā)展的當下，一個顯著的現(xiàn)象是：盡管AI已經(jīng)展現(xiàn)出強大的能力，但它仍然無法真正“認識”用戶。它無法感知用戶昨天經(jīng)歷了什么，不了解用戶處于人生的哪個階段，也無法察覺今天的用戶與一個月前有何不同。這種局限性使得AI只能被動等待用戶發(fā)起詢問，然后盡力給出一個看似“正確”的回應，這種模式被業(yè)內稱為“被動智能”。

為了突破這一局限，眾多科技公司開始探索“記憶”功能。模型公司希望通過記憶功能讓回答更具個性化，應用層則期望通過記憶賦予AI溫度，使對話更加連貫。然而，這些嘗試大多停留在為特定場景服務的層面，目的是讓AI更好地即時“響應”用戶，而非真正“理解”用戶。

丘腦智能則選擇了一條不同的道路。該公司致力于將記憶打造成為一種基礎設施，通過理解用戶的身份、變化以及潛在需求，實現(xiàn)AI與用戶之間更深層次的連接。這一目標將分兩步實現(xiàn)。

第一步是構建完整的記憶體系。當前大多數(shù)記憶方案僅能處理文本信息，但人類的生活軌跡包含照片、語音、視頻等多種數(shù)據(jù)痕跡，且這些信息具有時間順序。丘腦智能的首要任務是解決“時序性”和“全模態(tài)”問題，使AI能夠理解用戶生活中所有類型的信息，并明確它們在時間軸上的位置。為此，該公司基于自研的時空知識圖譜框架（STKG），在多項長程記憶評測中取得了突破性進展。在針對Agent長期對話記憶的權威榜單LoCoMo測試中，其核心產(chǎn)品OmniMemory在保證P95檢索延遲低于2秒的前提下，綜合準確率達到82.5%，躋身全球AI記憶方案的第一梯隊，并于近期開始內測。

第二步是實現(xiàn)從被動響應到主動智能的躍遷。當AI擁有完整且具有時間感的記憶時，它將能夠主動預判用戶的需求。這一邏輯基于一個觀察：人類的行為具有連續(xù)性，今天的狀態(tài)是昨天的延續(xù)，明天的需求往往隱藏在今天的變化中。如果AI能夠捕捉到這種軌跡，就能推斷用戶接下來可能需要什么。這種能力將使人機交互模式發(fā)生根本性變革，從“人找信息”轉變?yōu)椤靶畔⒄胰恕?，最終實現(xiàn)“AI懂人”。

丘腦智能的CEO張源和CTO趙翔在對話中分享了他們對記憶、時間以及AI與人類關系的思考。張源表示，他與趙翔于2023年初相識，當時OpenAI的模型引發(fā)了行業(yè)震動，兩人均認為未來十年將是AI的黃金發(fā)展期。盡管當時國內基礎模型尚需迭代，但他們決定各自積累經(jīng)驗——趙翔在浙大從事相關研究，張源則加入一家自動駕駛域控公司擔任COO。到2025年初，隨著DeepSeek等模型的成熟，他們認為創(chuàng)業(yè)時機已到。作為高頻AI用戶，張源深刻體會到記憶孤島問題：在不同平臺上輸入大量提示詞后，更換模型時需重復輸入偏好設置，這一痛點促使他們決定自行解決記憶問題。

趙翔介紹了OmniMemory 1.0的技術特點。該產(chǎn)品將記憶能力封裝為SDK和API，通過時空知識圖譜（STKG）技術，以時間和空間作為記憶的物理錨點，支持視頻、音頻、對話、圖片等全模態(tài)輸入。與市面上大多數(shù)基于RAG的方案不同，OmniMemory通過構建結構化知識節(jié)點，將時間、地點、人物、事件之間的關系進行建模，從而實現(xiàn)了更高精度的記憶檢索。例如，當用戶詢問“我上次去杭州是什么時候”或“我最近見過哪些朋友”時，系統(tǒng)能夠準確召回相關信息。

在趙翔看來，時間性是記憶的核心要素。其他記憶產(chǎn)品通常將時間作為節(jié)點的屬性進行記錄，但在召回時仍依賴語義匹配，這可能導致召回結果包含相互矛盾的記憶。例如，用戶昨天說“我最近失眠很嚴重”，今天說“我昨晚睡眠好多了”，RAG方案可能同時召回這兩條信息，導致模型困惑。而OmniMemory的時空知識圖譜能夠識別這是同一狀態(tài)維度上的變化，即“睡眠狀態(tài)”從“失眠”轉變?yōu)椤案纳啤保瑥亩谡倩貢r優(yōu)先選擇最新狀態(tài)。

為了實現(xiàn)這一目標，丘腦智能構建了一套復雜的架構。該架構以時間維度為基礎，支持全模態(tài)的原始素材輸入，包括視頻幀中的人臉、物體、動作、場景等信息，文本對話的結構化處理，以及語音的嵌入和轉錄。在認知層，系統(tǒng)模仿人類記憶方式，從原始素材中抽象出時序事件，并通過算法聚類身份實體，形成“誰在哪里做了什么”的結構化記憶。最上層的狀態(tài)層則捕捉更細粒度的狀態(tài)轉換，例如“我今天上火”和“我明天好了”之間的變化，從而為模型提供判斷依據(jù)。

張源強調，丘腦智能從創(chuàng)業(yè)之初就明確了高精度記憶架構的目標。他們認為，AI的終極形態(tài)是主動智能，即AI能夠主動理解用戶需求并提供幫助。為了實現(xiàn)這一目標，記憶的底層架構必須具備時序性和全模態(tài)特性。例如，系統(tǒng)能夠根據(jù)用戶近期口腔潰瘍、上火、失眠的狀態(tài)，推斷出用戶當前不宜食用辛辣食物或咖啡，并在未來狀態(tài)變化時自動更新建議。

在主動智能的實現(xiàn)路徑上，丘腦智能正在探索“潛空間記憶”技術。趙翔解釋道，用戶在與AI交互過程中會積累大量偏好和習慣信號，這些細粒度信息對于個性化服務極具價值。潛空間記憶通過從圖譜中抽取偏好信息構建子圖，并將其壓縮為稠密向量，使模型能夠自然理解用戶的每一個需求點。這一過程類似于推薦算法的冷啟動階段：用戶最初刷到不感興趣的視頻，但通過幾次點贊行為，系統(tǒng)逐漸捕捉到其偏好，后續(xù)推薦內容便愈發(fā)精準。

然而，潛空間記憶的實現(xiàn)面臨技術挑戰(zhàn)。如何確保模型在壓縮信息時不丟失語義，以及如何構造端到端數(shù)據(jù)以支持強化學習，都是需要攻克的難題。盡管如此，張源和趙翔認為這一方向具有巨大潛力，可能催生面向C端的主動智能超級應用。他們比喻道，互聯(lián)網(wǎng)初期用戶通過搜索引擎獲取信息，推薦算法的出現(xiàn)催生了抖音等超級應用；如今AI生態(tài)中，用戶主要在DeepSeek、ChatGPT等平臺上提問，未來可能出現(xiàn)基于主動智能的超級應用，徹底改變人機交互方式。

在商業(yè)化方面，丘腦智能已啟動內測，客戶涵蓋IP運營、陪伴類解決方案供應商、純軟件陪伴產(chǎn)品等領域。張源表示，公司首先對標supabase，通過降低記憶使用門檻吸引開發(fā)者，隨后在記憶底座能力成熟的基礎上，期待自然生長出主動智能的ToC應用。不同行業(yè)對記憶的需求存在差異：面向女性用戶的陪伴產(chǎn)品更關注高精度記憶，以捕捉習慣喜好和戀愛細節(jié)；具身機器人對記憶的需求則更為剛性，例如記住用戶物品的存放位置。針對不同客戶類型，丘腦智能提供了私有化部署加API、聯(lián)合建模等多樣化解決方案。

趙翔補充道，潛空間記憶的構建需要積累大量用戶交互行為數(shù)據(jù)。這些數(shù)據(jù)經(jīng)過脫敏處理，不包含個人身份信息，但包含人類通用的行為邏輯，例如“人類表達憤怒時期望得到的安撫方式”。通過壓縮海量交互行為為機器可讀的稠密向量，系統(tǒng)能夠訓練出更懂用戶的潛空間模型。這一過程與推薦算法類似：用戶初始行為樣本有限時，推薦內容可能不精準，但隨著樣本積累，系統(tǒng)逐漸掌握用戶偏好，推薦效果顯著提升。

在成本控制方面，丘腦智能進行了極限測試。結果顯示，在1000萬向量邊的約束下，系統(tǒng)存儲極限可達1570天（不考慮遺忘機制）；若引入遺忘機制，則能以極低成本實現(xiàn)終身記憶。這一特性為大規(guī)模商業(yè)化應用提供了可能。

關于融資計劃，張源透露，公司自2025年3月開始籌備，11月正式注冊，12月在Benchmark評測中刷新SOTA記錄后，受到投資機構廣泛關注。目前融資進程正在積極推進，但團隊堅持在首個里程碑達成前依靠自有資金運營。他們認為，創(chuàng)始團隊需在極限條件下驗證信心和能力，再考慮外部融資。

在開源策略上，丘腦智能計劃通過代差代際開源降低記憶使用門檻。張源表示，單純開源代碼不足以實現(xiàn)記憶能力的普及，公司更注重構建開發(fā)者生態(tài)，通過自然語言調用或一行代碼調用的方式，使記憶成為AI應用的標配。他們相信，每一次交互范式的變革都會引發(fā)新一輪高增長，從按鍵手機到智能手機、從搜索到推薦的轉變均印證了這一點。丘腦智能的目標是成為AI時代主動智能超級應用的基礎設施提供商。