记忆张量完成亿元Pre-A融资，华为哈勃、深创投等共同押注AI记忆赛道

记忆张量（MemTensor）近日完成亿元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。这是国内AI记忆基础设施赛道的一笔标志性融资。值得关注的是，公司在一年内已完成两轮融资，此前天使轮近亿元由孚腾资本、算丰信息、中金资本等机构押注，彼时公司已实现数千万签约。

公司定位：面向长期智能的基模与基础设施

记忆张量由原阿里巴巴集团业务中台数据智能负责人、淘宝天猫数据平台负责人熊飞宇于2024年11月在上海创立，公司从「大模型缺乏长期记忆能力」这一系统性缺口切入，定位为面向长期智能的基模与基础设施公司：在系统层建设面向Agent的长期智能基础设施，在模型层探索记忆原生通用基模。

核心团队包括首席科学家杨泓康（普林斯顿大学博士，师从鄂维南院士）、CTO李志宇（人大博士，曾在阿里巴巴和小红书负责算法研发与商业化落地），顾问团队包括鄂维南院士及上海交通大学人工智能学院多位教授，团队成员多来自普林斯顿、北大、上海交大等高校及知名科技企业，平均年龄不到30岁。

技术路线：从Memory³到MemOS再到Metis

记忆张量逐步形成「理论—系统—模型」的技术路线，其核心工作包括：

• Memory³分层记忆理论：将AI记忆划分为参数记忆、激活记忆和明文记忆三类，分别为模型长期知识内化、推理过程动态状态、可显式读写的外部事实与经验。
• MemOS记忆操作系统：统一运行时管理三类记忆，使长期状态能够跨任务、跨推理过程被隔离、复用和持续维护；公司将其方法论概括为「记忆工程」，将记忆从模型附属功能转化为可定义、可度量、可调度、可治理的系统资源。
• Metis记忆原生基模：尝试把记忆的读写与更新机制进一步内化到模型架构、训练目标和推理过程中，让经过校验的有效经验逐步沉淀为可复用的长期能力。

据公司披露，MemOS在涵盖14款主流记忆框架的对比中综合性能排名第一；在长程复杂Agent任务上，Token消耗量降低近70%。目前，公司产品已进入端侧硬件、金融、工业等领域。

投资逻辑：AI从「参数竞赛」转向「系统化落地」

深创投团队认为，大模型产业正在从参数规模和单点应用竞争，进入系统化落地和产业级部署的新阶段。随着Agent、AI终端、具身智能和企业智能体的发展，模型能否长期运行、沉淀经验、持续学习，并在真实业务场景中形成可治理的状态资产，正成为下一阶段AI基础设施的重要命题。

为什么是「记忆」

熊飞宇表示，大模型距离真正的AGI还缺少几个底层能力：长期记忆、对世界建模的稳定性、以及在行动和反馈中闭环学习。Gartner预测，到2026年底40%的企业应用将集成任务型AI Agent，而2025年这一比例不足5%。Agent从一次性调用走向长期运行，意味着任务状态、业务事实、个人偏好和行动经验都需要被转化为可持续更新、授权调用和追溯治理的长期资产。

在端云协同架构下，记忆张量希望端侧模型负责持续感知、筛选和维护个人长期状态，云端模型提供通用推理与任务执行能力，两者通过受控的记忆交换协同，使智能体能够长期理解用户、适应场景并保留偏好。