国内唯一聚焦做多模态长记忆领域的初创企业——丘脑智能，近期完成了数千万元种子轮融资。该公司推出的原生多模态记忆基座，不仅填补了当前 AI 技术栈中的关键缺口，更被视为推动人工智能从“通用”走向“个性化”，进而迈向“主动智能”的关键基础设施。在 AI 时代，记忆能力的缺失已成为阻碍 Agent（智能体）真正融入物理世界、实现人类级交互的核心瓶颈。丘脑智能的入局，标志着这一万亿级赛道上，一款能解决“记忆孤岛”与“碎片化”难题的创新方案正式登场。
行业背景：记忆作为通向主动智能的门槛
核心痛点：从通用大模型到个性化需求的断层
当前 AI 模型训练主要依赖海量通用语料，导致训练后的模型内部缺乏针对特定用户的长期记忆能力。这种“遗忘”机制使得用户在不同会话间切换场景时，难以保留关键上下文，无法形成连贯的个人画像。对于追求深度交互的 Agent 而言，缺乏一个独立的记忆层，导致用户信息被分散在各个 Agent 中，难以实现高效的任务协作与状态追踪。丘脑智能指出，要实现真正的“主动智能”，即 AI 能在合适的时间、以恰当的方式主动获取用户信息，必须跨越这一记忆门槛。
技术路线：模仿人类大脑构建仿生记忆架构
MemAura 基座如何突破传统存储限制
针对行业普遍存在的成本高昂、上下文断裂及模态缺失三大痛点，丘脑智能推出了名为 MemAura 的多模态记忆基座。与传统方案直接将海量上下文塞入窗口或依赖文本摘要不同，MemAura 采用了仿生的记忆处理机制，精准模拟人类大脑的编码与认知过程。其核心流程包括：首先通过事件识别过滤冗余噪声；随后进行高保真编码；最后依据隐私属性进行冷热数据分区存储。
在性能表现上，MemAura 展现出显著优势：输入侧 Token 消耗降低 40%-49%，记忆检索延迟控制在 400 毫秒以内，端到端首次回答仅需 1 秒，综合准确率突破 80%。这一系列指标证明了其在低延迟与低成本下的卓越能力，尤其是在陪伴机器人等对响应速度要求极高的场景中，其延迟表现优于传统客服场景的秒级响应，为 Agent 提供了稳定可靠的状态追踪能力。
竞争格局：基模与记忆企业的生态位重构
市场现状：唯一定位多模态长记忆的初创时刻
尽管国内有多家关注 AI 记忆赛道的初创企业，但丘脑智能目前已是唯一全面涉足做多模态长记忆域的公司。目前市场上，多模态大模型厂商侧重于视觉感知、图文对齐及底层推理，而记忆企业则专注于跨模态信息检索、证据组织及状态更新。丘脑智能的崛起，打破了原有的分工壁垒，迫使行业重新思考”AI 厂商与记忆公司”应如何协同进化。
商业模式：灵活的可配置化能力封装
丘脑智能并未采取单一的销售模式，而是通过 API 调用量及场景授权组合的收费方式，构建了灵活的商业模式。其核心竞争力在于将 Memory 能力按照不同场景的权重，封装成多种 ADK（智能体开发包），客户可根据自身需求，如儿童陪伴、数字员工等垂类场景选择适配的 Memory 层。这种“按需加载”的策略，既降低了客户的集成门槛，又确保了不同应用场景下的针对性优化，为规模化应用提供了坚实的落地基础。
未来展望：从任务驱动向状态驱动进化
创始人愿景：Agent 终局在于基于记忆的状态感知
丘脑智能创始人兼 CEO 张源在访谈中明确，个性化的终点是主动智能。未来的智能体不应仅仅基于任务触发，而应基于持续记忆状态进行规划与自我驱动。当记忆系统成熟，我们有望在未来看到 Agent 能够利用历史记忆辅助规划，甚至完成自我驱动的复杂任务。丘脑智能正通过 E2P 技术微调与 Transformer 架构的持续迭代，探索在实验室环境下实现大幅度的 Token 节省与偏好持续学习，这将是通往主动智能生态的关键一步。
开源里程碑：定义多模态长记忆标准
行业突破：全球首个多模态长记忆 Benchmark 正式开源
2026 年 5 月，丘脑智能联合英伟达、港科大及港中文发布了全球首个做多模态长记忆 Benchmark，命名为 MEMLENS。该 Benchmark 将 27 个视觉语言大模型与 7 个 Memory Agent 置于同一套多模态数据下，进行了长达 256K 上下文长度的完整对照实验。实验结果揭示了一个关键趋势：传统模型在长上下文下表现急剧下降且易生幻觉，而 Memory Agent 虽相对稳定，但前文所述的缺陷依然存在。这一开源基准不仅验证了记忆架构设计的必要性，更为全行业提供了评估记忆能力的客观标准，加速了该技术路线的成熟与普及。
未来，随着多模态大规模语言模型与记忆架构的深度耦合，AI 将不再仅仅是信息的处理者，更将成为拥有长期记忆、能够理解语境并主动交互的智能伙伴。丘脑智能作为这一变革的先行者，正通过技术突破与生态构建，推动人工智能从通用走向个性化，最终实现从任务导向到状态驱动的范式转移。