华为前首席专家郝建业半年融三轮，要给大模型装上「记忆」

AI 大模型的基础能力体系逐渐成熟之后，「记忆」正在被产业界视为下一代竞争的关键维度。深圳忆纪元科技有限公司（MemoraX AI）近日宣布完成数亿元种子++轮融资，由尚势资本、海棠资本、仁爱资本联合领投，多家一线机构跟投。算上 4 月的种子轮与 5 月的种子+轮，这家成立不到半年的公司在不到半年内已完成三轮融资。

创始人背景：从华为决策智能首席专家到 AI 记忆创业者

MemoraX AI 创始人郝建业博士毕业于香港中文大学，师从梁浩锋教授，研究方向为博弈智能；此后在 MIT CSAIL 与新加坡科技与设计大学从事博士后研究。2015 年回国加入天津大学，主导成立深度强化学习实验室，是国内最早系统开展深度强化学习研究的团队之一。

在产业端，郝建业曾先后担任华为决策推理实验室主任、华为大模型算法实验室主任、华为医疗军团技术总裁，并任华为决策智能方向首席专家，主导多个产业项目并创造数百亿元经济效益。2025 年 11 月底离开华为后，他迅速投入 AI 记忆方向的创业。

在他看来，基模主要解决一次性计算与推理问题，但当大模型进入产业后，用户历史行为、偏好、任务上下文与行业知识会持续累积，上下文越长，成本与计算压力越高。「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」，正是基模之外的新命题。

技术路线：从外挂记忆走向「模型内生」

MemoraX AI 选择的是「模型内生」记忆路线，而非早期市场上常见的向量数据库外挂方案。郝建业认为，存储只是记忆的底层载体，真正的记忆能力还要解决信息如何被理解、形成、更新与调用，是一套需要长期训练与工程积累的系统能力。

当前海外已有相关探索：

• 谷歌 Hope 模型尝试为模型设计多个嵌套学习循环与不同时间尺度的记忆；
• Meta 尝试将可训练的超大参数记忆层嵌入 Transformer 架构，增强模型自身记忆能力。

MemoraX AI 按数据形态将记忆能力划分为文本、代码与多模态三类，分别构建记忆模型后整合为通用记忆解决方案。在 AI Coding 场景，公司已为 Codex、Claude Code 等编程 Agent 提供长期项目记忆；在交互式娱乐场景，其记忆引擎支持上千轮次连续交互，动态沉淀与召回关键信息。

评测基准与研究产出

公司同时在做两件事：一方面修正现有 benchmark，另一方面构建更贴近真实世界的评测数据。

• 在 LoCoMo-Refined（南京大学与上海 AI LAB 联合发布）上取得 82.65 分，位列 SOTA，较第二名提升约 30%；
• 联合牛津大学开源基于真实剧本的 Agent Memory 评测基准 ScriptMem，正确率 60.3%，较第二名提升约 40%；
• 联合牛津大学开源 Coding 领域 Agent Memory 评测基准 SWE-context-bench，任务解决率 45%，较第二名提升约 50%。

围绕大模型强化学习后训练、Test-Time Scaling 等方向，公司联合国内多家高校在 ICML 2026 入选论文 10 篇，创始团队还获得中国电子学会自然科学一等奖。

市场判断与产业落地

据第三方测算，全球 Agentic AI 编排与记忆系统市场规模预计将由 2027 年的约 439 亿元增长至 2030 年的约 1,992 亿元，期间复合增长率约 35.3%。a16z 合伙人 Olivia Moore 在今年 3 月的访谈中也判断，未来 AI 产品的记忆功能将成为核心优势。

目前公司已与医疗健康、智能家居、智能穿戴、具身智能等领域的客户开展合作，例如慢病管理中的长期健康状态理解、全屋智能中的家庭习惯沉淀等；同时与华为云签署战略合作协议，是入选华为云大模型战略合作厂商中唯一一家聚焦长期记忆赛道的企业。本轮融资资金将用于大模型长期记忆底层核心技术攻坚，并加速多场景落地与记忆模块标准化研发。