人工智能終于迎來了自己的“內存管理革命”。

由上海交通大學與浙江大學牽頭的研究團隊，開發出全球首個專為AI設計的“記憶操作系統” MemOS。

創作團隊來自：記憶張量、上交、同濟、浙大、中科大、人大等

他們直指目前AI的核心短板：缺乏持久記憶機制，導致AI無法像人類一樣長期學習和積累經驗。

MemOS的提出，源于一個長期存在卻一直被低估的問題——現有大型語言模型，無法跨對話維持上下文與用戶偏好。

每一次聊天、每一段任務，幾乎都從零開始。哪怕你昨天剛告訴它你只吃素，今天它依然可能推薦烤羊排。

這不僅讓用戶體驗大打折扣，也讓企業級AI部署難以支撐復雜、多階段的應用場景。

現有技術如RAG（檢索增強生成）等，雖然嘗試引入外部信息，卻始終被學術界視作“無狀態的權宜之計”。

真正的問題不是“查找”，而是“記住”。

MemOS是什么？

MemOS不是一個插件，不是一種算法補丁。它是一個完整的操作系統，首次把“記憶”提升為和CPU、存儲同等重要的一級計算資源。

團隊給出的比喻是：正如早期計算機靠程序員手動管理內存，如今的AI系統也被困于原始的、無法統一調度的記憶結構。

MemOS改變了這一切。

它引入了全新的結構單元——“MemCubes”，每一個MemCube就是一塊可遷移、可組合、可進化的標準化記憶塊。

這些記憶塊不僅包含顯性的文本知識，還包括模型的參數調整、激活狀態、行為模式。

記憶，第一次以模塊化的方式，被封裝、調度、遷移和演化。

在一項名為LOCOMO的基準測試中，MemOS的表現遠超現有系統。

相比OpenAI當前的記憶機制，MemOS在時間推理任務中性能提升高達159%，總平均提升達38.98%。

尤其是在多輪對話、復雜邏輯推理等高負荷場景，MemOS幾乎在所有維度都排名第一。

不僅更聰明，還更快。

通過一項名為KV-cache注入的技術，MemOS在某些配置下將響應延遲降低了94%。

團隊指出，過去人們誤以為AI能力受限于模型規模或訓練數據，而這次的突破顯示：“記憶瓶頸”才是真正的掣肘。

AI 的新基建

圖片

MemOS的意義，不止于技術提升。它可能徹底重塑AI應用的基礎設施。

當前的AI系統，就像一群不會溝通的孤島。

你在一個平臺上構建出的知識體系，無法遷移到另一個平臺。

這對企業用戶尤其致命，比如一家市場部門在ChatGPT上構建了客戶畫像，卻無法將其無縫應用于新的廣告自動化系統中。

MemOS改變了這一現狀。

它支持“跨平臺記憶遷移”，讓AI記憶可以在不同設備、不同系統間自由流動。

研究團隊提出了一種前所未有的模式：記憶模塊的交易市場。

未來，醫生、工程師、律師等領域專家，可以將自己的經驗封裝成“記憶單元”，供他人購買并安裝至AI中。

比如，一位風濕免疫科醫生可以將幾十年診斷經驗打包為一組“診斷MemCube”。醫學生只需一鍵接入，即可擁有專家級的判斷路徑、提問方式與病例模式。

這不僅讓AI迅速獲得領域知識，也為專家提供全新的知識變現渠道。

在技術架構上，MemOS借鑒了傳統操作系統的設計理念，采用三層體系：

接口層處理API調用，操作層負責記憶生命周期調度，基礎層則管理存儲與治理。

其中最核心的調度組件MemScheduler，能夠根據使用頻率與任務類型，動態決定哪些記憶應永久保存，哪些應快速訪問，哪些應被淘汰。

過去AI關注“學了多少”，MemOS讓我們關注“記住了什么”。

這標志著一個新的學習范式誕生——“Mem-training”：用經驗驅動記憶，用記憶重構能力。

One More Thing

MemOS已作為開源項目發布，完整代碼上線GitHub，并支持包括HuggingFace、OpenAI、Ollama等主流平臺。

當前版本兼容Linux，Windows和macOS版本正在開發。

項目負責人表示，希望MemOS能推動AI從“靜態生成器”向“持續演化的記憶智能體”進化。

在全球范圍內，包括OpenAI、Anthropic、Google等科技巨頭都在尋找AI持久記憶的解決方案。

但相比他們局部性的嘗試，MemOS提供的是一次“系統級”的重構。

項目官網：https://memos.openmem.net 

項目論文：https://memos.openmem.net/paper_memos_v2 

代碼倉庫：https://github.com/MemTensor/MemOS Discord 

討論組：https://discord.gg/Txbx3gebZR OpenMem