AI记忆赛道迎亿元融资，上海团队MemTensor脱颖而出

近日，专注于下一代通用AI基础模型与长期智能基础设施的上海初创公司 MemTensor 宣布完成1亿元Pre-A轮融资。本轮融资由Hubble（华为）、荣耀战略投资、商汤国香资本、深创投和虞资本联合投资。此前，该公司已完成了近1亿元的天使轮融资，投资方包括峰瑞资本、算丰信息和中金资本等知名机构。

聚焦AI长期智能基础设施

MemTensor由前阿里集团商业平台数据智能负责人、淘宝天猫数据平台负责人熊飞宇于2024年11月在上海创立。公司从大模型当前缺乏长期记忆能力的系统性缺口出发，定位为长期智能基础设施公司：在系统层为Agent构建长期智能基础设施，在模型层探索记忆原生通用基础模型，并持续推进与长期智能相关的模型架构创新。

公司团队兼具基础研究与工程落地经验。首席科学家杨洪康毕业于普林斯顿大学，师从鄂维南院士；CTO李志宇拥有中国人民大学博士学位，曾负责阿里和小红书的算法研发与商业落地。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。团队平均年龄不到30岁，成员来自普林斯顿大学、北京大学、上海交通大学等国内外顶尖高校及知名科技企业。

从Memory³到MemOS的技术路线

MemTensor逐渐形成了“理论—系统—模型”的技术路线，从Memory³分层记忆理论，到MemOS记忆操作系统，再到代号为Metis的记忆原生基础模型。

其中，MemOS记忆操作系统是该路线的首个工程交付物。基于Memory³理论，MemOS将AI记忆分为参数记忆、活跃记忆和显式记忆：
- 参数记忆：负责模型能力与长期知识的内化。
- 活跃记忆：承载上下文与推理过程中的动态状态。
- 显式记忆：存储可显式读取、写入、更新和治理的外部事实与经验。

通过统一的运行时，MemOS对这三类记忆进行管理，使长期状态能够跨任务和推理过程进行隔离、复用和持续维护。

提出“记忆工程”概念

MemTensor将这套方法总结为“记忆工程”（Memory Engineering），旨在将记忆从模型的辅助功能，转化为可定义、可测量、可验证、可调度、可更新、可遗忘和可审计的系统资源。在Agent时代，记忆正在成为新的基础设施，而MemTensor正致力于解决这一核心痛点，推动AI从一次性工具向具备长期智能的伙伴演进。