"东谈主类智能 = 推理 + 恒久系念"。

当 AI 推理才能的竞赛干预尖锐化，通盘行业运行意志到：infra 层面的系念缺失，正成为戒指 AI 走向个性化与自进化的最大瓶颈。

莫得恒久系念的 Agent，就像一个自然考上了清华、但每天醒来皆不观念亲妈的天才。而多数涌入系念赛谈的公司，好多本体上仅仅在作念向量数据库，把数据存起来，等东谈主来检索。

EverMind 想作念点不相通的。这家由远大集团孵化的公司，定位是为总共 AI Agent 提供一个通用的 " 系念层 "（Memory Layer）。它的中枢居品 EverOS 是一套开源的恒久系念系统，开发者不错把它接入我方的 Agent，让 AI 不仅能记着用户的历史对话和偏好，还能像东谈主相通对系念进行整理、更新，致使从曩昔的训导中学习和进化。

EverMind 的 CEO 邓亚峰，是一位在 AI 规模深耕二十余年的老兵。他毕业于清华大学，曾任 360 集团副总裁兼 AI 参议院院长、格灵深瞳 CTO，在诡计机视觉、多模态 AI 和 AI 制药等规模深耕多年。2025 年，他加入远大，带队从零启动 EverMind 的恒久系念名目。团队仅用四个月就在多项系念评测上达到了 SOTA。

咱们与邓亚峰进行了一次对话，聊了聊他为什么押注恒久系念，以及这项时刻到底要惩办什么问题。以下是对话实录，为阅读体验稍作剪辑。

为什么是 Long-term Memory（LTM）

硅星东谈主：在视觉、多模态、AI 制药这些规模皆作念到过很好的收获之后，您是何如锁定 " 恒久系念 " 这个标的的？

邓亚峰：作念 AI 制药的时候我最大的体会是，当数据产生得慢、不可快速迭代，时刻跨越即是有限的。是以之后选标的，我就想找一个能快速作念数据迭代闭环的规模。也计划过机器东谈主，但落地周期太长、数据赢得贫乏。转向言语模子之后，又濒临大模子在并吞一切的问题。OpenAI、Anthropic 车轮滔滔，创业公司的空间越来越小，必须找到一个有专有性的细分赛谈。

恒久系念正好险恶这几个条目：它是下一代 AI 的必备特色，参议得很少，跟推理才能相对正交，有很强的计谋寥寂性。其时这个标的相对冷门，公共还在作念 LLM 模子、Agent、post-training，但我认为莫得系念功能的 Agent，用户体验一定是受限的。今天这依然成了行业共鸣。

远大这边的视角也很专有。陈天桥先生曩昔十多年一直在 sponsor 脑科学和 mental health 的参议，对东谈主类智能的机制机理相等感趣味。这几年 AI 的发展让他运行想考一个问题：东谈主类智能正好不错简化为"推理 + 恒久系念"，推理这一半依然有无数巨头在卷了，恒久系念是不是一个极具计谋寥寂性的标的？这个判断和我我方的想考刚好吻合。

硅星东谈主：在您看来，Long-term Memory 到底要惩办什么中枢问题？

邓亚峰：三件事。

第一，冲破有限的高下文长度。目下模子高下文窗口基本到了 1M token，但系念数据量杰出这个戒指就没法用了。现存的 RAG 或压缩决策皆是工程息争，不是最优解。咱们作念 memory，本体上是帮模子更好地经管高下文，在极高压缩率、低 token 浪掷的前提下，让模子灵验运用无穷的历史信息。

第二，完结确凿的个性化。东谈主在疏导中会为对方成就 profile：身份、偏好、价值不雅、言语作风、办法。LTM 即是帮 Agent 构建和惊叹这么的用户画像，交互越多越懂你。自然，LTM 的个性化成就不仅限于 Profile Memory。

第三，Self-evolving，自进化。今天的 AI 靠 offline training 栽培才能，在和用户交互的经过中并不会变得更灵巧。我认为下一代 AI 一定是在交互中学习的，是一种 online learning。Long-term Memory 是完结自进化的要害：通过纪录和分析交互的得胜与失败，回归最好践诺，学问和想考方式皆随之跨越。

这三件事和东谈主类进化出恒久系念的旨趣是相通的。邃古时间，那处水草丰茂你要记着，那处有危急你也要记着，同期你还要证据季节和天气去展望将来，这片草地会变得更湿润如故会发洪水。况且参议标明，恒久系念匡助东谈主类组织老练样本，把不同训导分类团员，是以东谈主的泛化才能远强于模子。模子是把所非凡据不作念分裂地扔进去老练，很容易过拟合，或无隔离求概率。东谈主脑的恒久系念机制让学习更有结构，泛化更强。AI 的 Long-term Memory 要作念的，本体上亦然这件事。

Memory Layer 和 Agent 层

硅星东谈主：您提到的个性化和自进化，听起来更像 Agent 应用层的功能，不像 infra layer 能作念的事？

邓亚峰：这是一个很好的点。Infra layer 能作念一部分。咱们最近在作念一个行将开源的 feature，基于 memory 的自进化。不同 Agent 把运行的 trace 放到我的 memory 里，我不错证据得胜和失败的训导去回归最好 SOP。比如你作念了一个任务得胜了，我作念了一个近似的任务失败了，当我把多数用户的训导蕴蓄下来，就不错 learn from experience。这在系念层是不错作念到的。

如若想作念得更深，比如基于用户响应作念强化学习，那照实需要 Agent 层和 Memory Layer 协同。但 Memory Layer 在其中饰演要害扮装：帮 Agent 层组织数据，就像东谈主脑恒久系念补助学习的机制相通。

硅星东谈主：在您看来，接入 Memory Layer，Agent 最直不雅的智能栽培体目下哪？

邓亚峰：四个维度。

第一是服从，token 的极致压缩。这对阻挡资本至关蹙迫。如若咱们的居品能让 token 数绝顶着落，这件事的生意价值短长常大的。

第二是得胜率。咱们作念了基于 skill 的自进化机制，Agent 不错从曩昔训导中学习，某些策动实测栽培了 234.8%。比如你昨天用一个功能可能还会失败，但这两天有几个东谈主也用过了，系统学到了其中得胜的训导之后，你今天再用就得胜了。系统会变得越来越好。

第三是个性化。不同用户有不同的高下文和系念，每个东谈主的助手体验皆唯一无二。咱们里面有个 AI Native 的配合平台叫 Tanka，提供基于恒久系念的 AI 助手。背后的 LLM 和推理时刻是相通的，但因为每个东谈主的系念不同，聊出来的终结就绝对不相通。

第四是主动性。纪录了用户的手脚历史之后，Agent 不错展望下一步需求。比如我知谈你每天这个时候要买杯咖啡，我就不错提前教唆你。再进一步，我致使不错提前把事情作念了，再问你 " 这是不是你要的终结？" 就像一个能预判需求的好职工，你莫得 assign 的责任他依然作念完结。

系念何如更新，金鼎娱乐中国最新官方网址何如 " 健忘 "

硅星东谈主：我用 GPT 时常碰到这个问题：我的活命依然更新了，但它对我的观念还停在之前。比如之前跟它聊过的东谈主事物，在我现阶段的活命里依然不蹙迫了，但它还老是拿起，就让东谈主以为很烦。EverMind 何如处理系念的冲突和过期信息？

邓亚峰：咱们的机制分两步：在陈迹求（Online Memory Extraction）和离线进化（Offline Memory Evolution）。

在陈迹求，信息进来后作念 boundary detection，把吞并 topic 的内容聚到一齐，索求事实性的情景系念（episodic memory），再展望这个事实对将来的影响，咱们叫 forecast。系念不仅仅归档，要能就业于将来的决策。

离线进化，系统如期作念几件事：在更大范围信息上提真金不怕火用户 profile；作念反想和刷新，有点像 Claude Code 里 "dream" 作念的事，让模子回头注视之前的判断对分歧；还有处理系念更新，通过系念聚类策略（merge），把相似话题聚在一齐，冲突信息按期间线用最新的作念 update。

淡忘简洁讲是更难的。Update 相对容易，用最新的信息替代老的就行。但淡忘有一个周期性的问题：你昨天提到一个东谈主，系统以为他蹙迫；一星期前呢？一个月前呢？是不是就该忘了？咱们目下是在离线策略中把每条信息的期间放进去，辘集咱们的展望将来功能，让模子我方去估量这条信息的时效性。简洁说，在现时这个期间点还莫得作念到相等盼望，但我认为它是一个会被徐徐惩办的问题。

我的判断是：AI 的 " 淡忘 " 不应该是物理删除，数据存在磁盘上不贵，而是一种权重退换策略。近期信息权重高，远期信息权重低，但需要时仍能找回。东谈主类为什么需要淡忘？两个原因：一是东谈主脑是稚子耗系统，记太多东西能耗扛不住；二是你需要基于近期信息作念决策和展望。AI 不存在第一个戒指，它只需要在决策中把时效性和蹙迫性合理计划进去。从这个角度说，AI 的淡忘机制执行上不错比东谈主类更优。

开源生态与大厂竞争

硅星东谈主：EverOS 依然在 GitHub 上开源。但 OpenAI、Anthropic 也皆有我方的系念功能，用户依然蕴蓄了好多偏好数据在他们的平台上。第三方 Memory Layer 何如找到我方的位置？

邓亚峰：咱们的定位是作念一个 memory layer for agents，将来总共 Agent 皆需要系念功能，但没必要每个团队皆我方建一套 infra。咱们但愿成为阿谁协议数。

大厂一定会作念系念，但第三方系念层的空间来自一个浅陋事实：用户不会只用一个居品。你不会只用 Claude，也不会只用 OpenAI。你在各个居品上的历史信息皆有价值，是以反而需要一个确凿属于我方的跨平台系念佛管器具。这件事的驱能源是用户需要，不是咱们想作念如故大厂想作念。

另外，memory 经管不需要最顶尖的大模子。咱们用 4B 的模子能作念到 235B 级别的终结，更快、资本更低。对开发者来说，memory 将来不是 " 能不可 " 的问题，而是性价比的问题。

开源策略上，咱们相等透彻：开源版和腹地部署等价，数据绝对留在腹地，险恶隐讳要求高的用户。同期也有云版块，让不想我方部署的小团队即插即用。最中枢的算法全部开源。咱们也在作念一件事，帮用户把 Claude Code、OpenAI 和其他 Agent 里的 memory 数据买通，跨平台、跨端、谐和经管。跟好多东谈主聊完发现，这是一个很刚的需求。

硅星东谈主：记着的信息越多，安全风险也越大。这方面何如均衡？

邓亚峰：两个层面。信息安全，也即是系念会不会清楚，这跟云就业的安全挑战是等价的，需要塌实的时刻保险。另一个是系统要对明锐信息作念过滤。比如用户告诉你密码、银行账号，咱们有个 vault 机制，把精好意思锐信息拒绝存放，只在特地情况下激活。

部署模式上，系念的盼望形态是云霄和端侧辘集。用户的数字金钱存在腹地征战上，复杂处理借助云霄，双方作念同步。咱们的模子依然不错作念得很小，将来征战能跑 4B 模子，诡计就不错绝对部署到端上。

如若 AI 记着了你的一切

硅星东谈主：如若 AI 领有了相等长周期、相等精准的系念，它就不再仅仅器具了。您但愿您的 AI 助理记着什么，不想让它记着什么？

邓亚峰：我以为将来最盼望的景色有两种。一种是 " 贾维斯 "，24 小时随着你的 AI，你的任务和意图皆通过它完成，它只需要你阐明终结。另一种是数字分身。AI 充足了解你之后，不错代表你去 " 打工 "，省略作念 Agent 派遣。咱们每个东谈主皆有好多两年皆不会聊天的一又友，但彼此可能有值得疏导的信息。东谈主是串行的，AI 是并行的，你的数字分身不错和他的数字分身聊天，发现共同话题了来告诉你，" 你们两个应该聊聊这件事儿。" 这让我以为相等 exciting。

至于记什么、不记什么，盼望的 AI 要有鸿沟感和情商，知谈哪些话题在心扉上是明锐的。不外有预见的是，东谈主和 AI 的相处偶然比东谈主和东谈主更容易，你自然认为 AI 跟你是一边的，反而更气象倾吐一些不会跟一又友说的事情。

硅星东谈主：我对 memory 有个感受：它有点像东谈主类对期间感知的演变。在腕表普及之前，你外出之后其实不知谈目下是几点几分了，对期间唯唯一个模糊的感知。而目下有了手机，你不错遍地随时知谈目下的期间。而东谈主类目下对系念的感知，就像腕表出现之前东谈主类对期间的感知进程。您以为，如若 AI 有了精准的恒久系念，东谈主对自己阅历的感知会不会也发生近似的转机？

邓亚峰：这个譬如相等好。目下的东谈主类就像钟表刚发明时的景色，对我方作念过什么有约莫感知，但不精准。如若 AI 能长周期地精准纪录和经管你的个东谈主数据，东谈主对自我的了解会飞腾到一个目下无法设想的进程。

况且 AI 的系念才能不错弥补东谈主类的一个先天戒指：东谈主的能量有限，是以有东谈主擅长宏不雅野心，有东谈主擅长细节，很少有东谈主两样皆强。但 AI 的 Long-term Memory 不错既帮你梳理三年来的大事线索、作念更有远见的野心，又能在你需要时精准调出三年前某个时刻的具体细节。宏不雅和微不雅完整辘集，这是 AI 在 memory 上确凿让东谈主承诺的所在。

博亚体育app官方网站金鼎娱乐中国最新官方网址