行业趋势：AI Agent记忆能力成为发展关键 - 2026年初，AI行业在Agentic Memory方向快速进化，将大模型能力推向新高度[1] - 行业共识发生转向，认为没有记忆的Agent只是高级自动补全工具，处理复杂长期任务需要跨会话、结构化的长期记忆机制[1] - 红杉资本合伙人指出，未来Agent的核心挑战是实现“持久化身份”，即在长时间运行中保持一致的理解和上下文记忆[3] - 记忆层被视为Agent迈向好用的“关键能力”，是AI技术圈和资本押注的新风口[2][3] 公司产品：Feeling AI发布MemBrain1.0 - Feeling AI团队发布MemBrain1.0，在多项主流记忆基准评测中取得全新SOTA成绩[3] - 公司在2025年浮出水面，创始人戴勃是生成式AI领域青年科学家，曾任职于NTU和上海AI实验室[4] - 团队已完成两轮超亿元人民币融资，是国内最早尝试世界模型和3D动态交互的团队之一[4] - 核心团队来自清华、港中文、NTU及米哈游、英伟达、商汤等机构，包括清华姚班毕业生[19] 技术性能：MemBrain1.0评测结果领先 - 在LoCoMo基准测试中准确率达93.25%，在LongMemEval基准测试中准确率达84.6%，均获SOTA[9] - 在PersonaMem-v2测试基准上以51.50%的准确率超越现有公开方法[10] - 在KnowMeBench Level III最高难度两个评测中，比现有评测结果大幅提升超300%[3][11] - 具体数据：Mind-Body Interaction评测得分82.2，远超MemOS的21.5；Expert-Annotated Psychoanalysis评测得分63.9，远超MemOS的22.6[12] 算法创新：MemBrain1.0的核心优势 - 采用Agentic思路重构记忆系统，将实体提取、会话摘要生成等核心环节拆解为独立且能协同作战的子Agent[14] - 通过精细化的实体-时间上下文管理设计，在时序任务及多会话场景任务下取得显著提升[9][16] - 优化信息组织方式，将相关信息组织成可按需加载的“语义单元”，让LLM能够深度参与推理，减少语义转化损耗[17] - 设计提供了高部署灵活度，并为异步记忆更新等工程需求预留了扩展空间[15] 战略布局：记忆能力与世界模型愿景 - 公司将世界模型实现分为InteractBrain（理解、记忆与规划）、InteractSkill（能力与执行）和InteractRender（渲染与呈现）三层[24] - MemBrain所代表的记忆能力是InteractBrain的关键组成部分，旨在为世界模型构建护城河[24][25] - 团队早在2024年就押注世界模型，目标是让世界模型真正走向动态世界的智能交互[19][25] - 公司认为，与动态物理世界交互的核心将由“人”变为“人和AI”[25] 市场前景：记忆系统成为AI基础设施 - 行业明确信号显示，解决Agent的“随时失忆症”是通往AGI的下一把钥匙[27] - 记忆能力被公认为Agent的灵魂，智能大脑的竞争正走向卓越记忆能力的比拼[27] - 英伟达科学家Jim Fan指出，Agent的下一步演进在于高效的技能库索引与自我反思机制，而非参数量的无限堆砌[27] - Memory for Agentic AI正成为基础设施层的核心标配，推动AI从“无状态”单次调用向“有意识”持续进化跨越[27]