五位AI企业负责人直面核心矛盾。 在AI加速渗透各行各业的今天，AI Agent已从炙手可热的概念，迈向价值验证的关键十字路口。它究竟是企业降本增效的利器，还是驱动增长的新引擎？ 在落地过程中，又面临哪些信任、成本与习惯的深层阻力？ 12月3日下午，在2025甲子引力年终盛典中，甲子光年智库院长宋涛作为主持人，对话卓世科技创始合伙人&COO李伟伟、红熊AICEO温德亮、深度原理 COO张露阳、蚂蚁数科AI原生科技总经理王磊、零一万物企业解决方案技术负责人王猛，围绕《智能体社会：人与AI共创的产业秩序》这一主题展开了 深入探讨。 这些观点共同揭示了一个趋势：AI Agent的价值正从技术能力转向真实的商业产出——它必须深入业务，解决问题，并交出可衡量的价值答卷。 以下为本场圆桌的文字实录，经「甲子光年」编辑，在不改变原意的基础上略有删改。 宋涛（主持人）：感谢各位嘉宾的到来，先请各位嘉宾简单的用一句话做自我介绍，介绍一下个人和你们的公司。 王猛（零一万物企业解决方案技术负责人）：我在大模型独角兽公司零一万物在负责打造万智企业大模型一站式平台，这是一款端到端的平台型产品，覆 盖从模型训练、工具链构建到应用开发的全 ...

大模型行业的“健忘症”瓶颈 - 行业一度陷入长上下文窗口的军备竞赛，从8k Token发展到追求百万乃至千万级窗口，期望模型能记住一切[3] - 但在实际商业场景中，如电商客服，即便接入顶流模型，对话超过十几轮后，AI仍会出现“健忘”，例如忘记用户的海鲜过敏史或早期提到的预算[4] - 技术原理上，Transformer架构的注意力机制在处理超长序列时存在严重衰减，导致“近因效应”，早期信息被后续对话稀释[5] - 为维持记忆，开发者需反复将历史对话打包重新输入模型，导致Token消耗快速增长，成本高昂[5] - 在多智能体复杂任务中，由于缺乏共享的长期记忆机制，不同AI智能体（如销售、客服、售后）之间信息割裂，导致决策冲突和服务混乱[6][7] - 当前技术框架下，企业投入大模型获得的智能体如同需要反复重申指令的“实习生”，存在成本高、易遗忘、协作割裂三大问题[7] “红熊AI”的解决方案：记忆熊 - 红熊AI于2024年11月开始研发，2025年11月正式对外发布“记忆熊”产品，旨在将“记忆”构建为可管理、可共享、可追溯的基础设施[10] - 其底层逻辑并非“记住更多”，而是“记住更有价值的信息”，借鉴人类记忆机制，将数据转化为信息、知识，最终形成可指导行为的记忆[11] - 系统模拟人类大脑记忆机制，构建分层记忆系统：“数字海马体”负责信息加工编码，“数字皮层”长期存储知识，“数字杏仁核”绑定情绪[14] - 具体包括：短期工作记忆（用于任务连接，通过情感倾向加权算法识别高优先级数据）、长期显性记忆（对应知识库）、以及隐性记忆（存储用户偏好、企业“暗知识”）[14] - 记忆由独立的“记忆模块”存储管理，而非固化于大模型参数中，系统通过记忆萃取引擎决定信息的保留、遗忘与调用时机[14] - 2025年11月30日，红熊AI将记忆熊产品完全开源[28] 记忆熊的核心技术优势与效果 - 构建记忆图谱，以结构化方式表达记忆内容，挖掘其相互关系，赋予AI联想与多跳推理能力，使信息更连贯、推理更准确[17] - 打通平台，让智能体共用同一套用户记忆，智能体群控记忆共享率达到99.99%，基本消除因记忆不同步导致的服务问题[17] - 通过记忆分层存储机制，压缩短期记忆为长期记忆摘要，使多轮对话累计的Token消耗降低90%，实现成本断崖式下降[17] - 使用动态语境校准和智能语义剪枝技术，将垂直场景的幻觉率压低到0.2%以下，端到端回应准确率达到99.6%[18] - 在复杂逻辑的多跳推理和时序记忆上表现领先，具备区分过去与现在的时间感[18] - 基于向量的非图谱版本，将搜索请求的中位响应时间（P50）控制在0.137秒；语音交互场景下应答延迟仅0.8秒，提升交互流畅度[18] 记忆的商业价值与行业影响 - 记忆的突破将重塑商业形态，使AI首次具备回答“我是谁”、“在与谁沟通”、“之前达成过什么共识”的能力，从而进入高信任度场景[21][22] - 记忆熊产品主线包括：隐性记忆显性化、记忆结构化处理、记忆场景化应用，旨在将交互沉淀为组织记忆[22] - 能够将企业依赖个人经验的“暗知识”（如金牌销售技巧、资深技工经验）结构化沉淀，转化为组织记忆，构筑企业护城河[22] - 通过“语义剪枝+记忆锚定+情境校准”机制，帮助大模型只保留与用户身份、历史行为及任务目标相关的核心记忆，解决内容越多成本越高、遗忘越快、幻觉越多的问题[22] - 将记忆变为组织资产，提升多智能体协同工作中的记忆共享率，是模型协同的关键[22] - 推动记忆从技术功能拓展为商业基础设施，标志AI从工具进入体系阶段[23] - 参数规模的竞争终将结束，记忆可能成为真正的操作系统级入口，AI的下一场竞争焦点是“谁更记得住”[25] - 记忆是通往通用人工智能（AGI）的必由之路，当前大模型在逻辑推理、长期规划和自我进化上的进步空间，根源在于缺乏稳定、连续且可塑的记忆系统[26]