“记忆会是AI时代的主角，多模态记忆平台将成为AI时代的基础设施范式。”

作者丨成仲轩

编辑丨董子博

初见离哲（本名占超群，质变科技创始人兼CEO）时，他习惯性地用双手比划，仿佛在将空气中无形的碎片聚拢、串联?！?#20154的记忆是碎片的，”他说，“而无数碎片化的知识，就像无数溪流汇成湖?！?#36825形象地解释了质变科技核心产品“记忆湖（MemoryLake）”的由来，也指向了当前企业AI升级中最关键的挑战与机遇。

如今，企业AI正面临一个分水岭：一边是仅能处理对话的“智能玩具”；另一边，则有望成为能持续理解、学习并给出行动级决策的“业务伙伴”。二者的本质区别，并不完全取决于模型本身的大小，而在于AI是否拥有一个能够理解、串联并推理现实世界复杂信息的能力——即多模态记忆。

这并非简单的功能叠加，而是一次认知范式革命：它要求AI从单纯处理会话场景，转向理解企业生产场景中由文本、表格、音视频、工作流交织而成的连续“决策轨迹”。离哲与他的团队，正致力于通过MemoryLake，成为这场静默革命的关键构建者。

作为前阿里研究员，如今质变科技的CEO，离哲为何选择“记忆”这条未来可能竞争激烈的赛道？（AI 行业还有哪些发展新动向？背后又有哪些不为人知的行业故事？雷峰网 AI PM 十人谈正持续推进中，欢迎添加作者微信：GO-GO-ZEPPELI，交流信息，分享认知。）

以下是雷峰网和离哲的对话，作者进行了不改变原意的编辑整理：

01

记忆碎片，汇聚成湖（MemoryLake）

雷峰网：您为什么会想去做记忆这件事？

离哲：这与 AI 行业的发展趋势有关。我们可以把这一轮的 AI 发展分成三个阶段：

第一个阶段就是 2024年之前，大家更多的感受是 AI 能体会到价值，能连接到企业，所以大家会选择做向量数据库，做知识库。它要解决进入企业、跨过企业生产价值的第一道门槛。因为很多东西是没有太多生产效率提升的，比如问答，所以进入企业的第一件事情，就是通过向量数据库在大模型和数据之间连接起第一道桥梁。虽然这道桥梁离生产还非常远，但它确实解决了第一阶段的问题，让 AI 和数据能连起来。

期间，我们发现这里面的发展空间很大。一方面，数据不只是一个向量表征；另一方面，人的知识是分隐性和显性的。如同一篇新闻稿，如果你是媒体人，会比普通人更容易判断内容的新闻性，这就是你的隐性知识。但 AI 不知道，这就导致它很难落地。

第二个阶段是从 2024 年开始的，起因有两个：第一，模型成本下降以及性能提升；第二，出现了一些示范应用，比如一些通用智能体应用，所以 2024 年到 2025 年更多解决的是示范应用的问题，就是除了聊天工具以外的第一层示范应用。示范应用最大的问题不是不好用，而是没有完全介入企业工作流，无法评估、无法兜底、无法追责。

第三个阶段是� 年下半年开始的，如果说前两年还是生产效率的探索，现在就要往企业生产效率平台演进了，对可信可靠、复杂性都提出了很高要求, 企业开始用“生产系统”的标准来要求 AI，而不是“演示效果”的标准。过去大家会说自己提升了多少，但其实都是“时间的节省”。时间压缩能提升试错速度，但在如芯片制造、风控这类高约束场景里，瓶颈往往不在时间，而在物理和风险边界。这背后也涉及到今年进入企业要解决的几个问题，首先是真正围绕价值展开，再往后才是效率、准确性、复杂性等问题。

这些东西要怎么提升？尤其是很多隐性知识如何显现？比如风投，同样是被投企业的三张表，为什么普通人看不出来，但 VC 就能看出很多“门道”？因为这些“门道”是他们已经内化了的逻辑。换句话说，内化了的隐性知识是最有含金量的。这不同于我们现在常说的“数字人”，它只是把人的表象数字化，但没有做到内化，没有把人的隐性的东西数字化。如何让这些隐性的东西“显现”出来？就需要记忆。

雷峰网：在现阶段，企业要实现从“生产效率探索”到“生产效率平台”的跨越，您认为最需要突破的是什么？

离哲：关键在于如何让这些隐性知识“显现”出来？就需要多模态记忆。

多模态记忆是企业刚需，决策轨迹天生就是多模态的。企业中的一次采购决策，线索可能来自一份PDF报告（文本）、一次会议录音（音频）中的关键论点、一组历史价格曲线（图表）和审批流中的批注（结构化数据）。传统“会话级别”的记忆，仅是这条连续、混杂轨迹的一个孤立切片，丢失了绝大部分上下文与记忆链。多模态记忆平台的目标，是完整复现这条“决策轨迹”，让AI能在全量记忆基础上进行推理。

构建多模态记忆有很高的技术门槛，它要求一整套记忆化工程技术栈和独立的多模态数据大模型来处理，包括：

多模态表征与对齐：将文本、图像、表格等不同模态的信息，映射到统一的语义空间，并建立跨模态的关联（例如，将报告中的文字“销量大涨”与PPT里的折线图峰值对齐）。

深度理解与结构化提取：通过专用模型（如MemoryLake-D1），从复杂文档、图表中提取逻辑关系和结构化知识，而非简单转写文字。

记忆的状态管理：处理记忆的逻辑冲突、更新、增强、反思与合成等，这是一个动态的、持续的过程。

这也解释了为什么通用大模型厂商或传统数据平台难以胜任：前者缺乏深度结构化理解与系统级记忆管理能力；后者则缺乏顶层的多模态认知与推理能力。从这个层面来看，多模态记忆不是功能升级，而是AI范式革命。

雷峰网：这是否意味着，多模态记忆平台的成功，就是建立一套不同于传统文本处理的数据理解、表征、存储、管理与计算体系？

离哲：是的，这正是核心。我们训练MemoryLake-D1，不是为了做一个更好的OCR或语音转文本工具，那是功能优化。我们的目标是建立一套统一的“多模态记忆框架”，让表格的逻辑、图片的语义、语音的情绪都能被结构化地理解和关联，成为可推理的记忆单元。这确实需要从底层模型到以记忆为中心的存储计算架构的全面革新。

雷峰网：为什么会取 MemoryLake（记忆湖）这个名字？

离哲：本质上是因为人的记忆也是碎片的、多源的、多类型的，比如说我今天看到你，可能有多个角度：第一是行业高知名度；第二是你来了我们公司；第三你是个媒体；第四我们有个交流；第五我们的面容、沟通过程中的音频等。总之它是一个碎片化的知识，就像是无数溪流汇成湖，它是一个动态、流动的集合，我们需要什么就从里面动态去基于意图“捞”，或者说你需要的时候，就根据意图、Context Window Size 实时帮你构建出来。

特别说明下，虽然现在大家都在提短期、中期、长期记忆，需要做静态的压缩、遗忘等，主要原因是人脑的存储容量、算力很有限；而真实世界不应该是静态进行预先压缩，而是采用全新的分布式多模态存储与计算能力，尽可能全部存储与组织，根据真实问题按需动态实时构建专属的精炼且完整的记忆。

具体到 MemoryLake-D1 ，因为它是数据Data的首字母，又是第一代，所以叫“D1”。

雷峰网：MemoryLake 的产品形态是怎样的？您如何看待这种产品形态？

离哲：MemoryLake 有多种形态，最常见的形态之一就是做成 API和兼容已有规范（如兼容mem0、MCP、OpenMemory）。这样用户就可以直接去使用熟悉的大模型和 Agent，就很容易连接上我们，默认就有多模态记忆并且连接到海量数据。

在海外，MemoryLake 的绝大部分场景是被集成，比如 ChatGPT 和 Claude。我们的记忆刚好可以把任意的数据转成任意一个大模型或Agent 支持的记忆形态，所以 MemoryLake 是插件形态还是别的什么形态都不重要。

MemoryLake 将作为一个长期存在的记忆层，而不会被某一个模型或工具锁死。

雷峰网：具体到 MemoryLake-D1，它主要解决了哪些方面的问题？调用成本如何？

离哲：MemoryLake-D1 主要解决的是数据理解的问题，就是我怎么更好地去理解 Excel、PDF 等多模态内容，因为个性化的业务表格是非常复杂的（Excel 很大程度上是最好最复杂的软件）。为了解决这个问题，我们投入很大资源去标注与合成数据，并结合用户的反馈，训练自己的多模态数据理解模型 MemoryLake-D1 来解决这个问题。

至于 MemoryLake-D1 的调用成本，相比自己调用OCR 模型以及多模态视觉模型要低不少。不过这里面也涉及到权衡，你是要速度、灵活性、准确度？不同选择还不太一样。比如“极快”，我们可以采用预静态编译Skills 的模式生成 coding，持续复用实现高性能、低灵活性、低成本解析。

雷峰网：MemoryLake 的后续更新方向是什么？难点又在哪里？

离哲：MemoryLake-D1 目前主要还是文字、表格、图片、文档、数据库、音频，后续主要增强视频和音频。

相比图片，音视频会更困难一些。因为音频、视频有语速、有情绪，处理起来比较复杂。比如某个游戏玩家很愤怒，但当你把他的“愤怒”语音转文本后，很容易丢掉语速和情绪，进而改变这个玩家的最初语意。

这其实也是 AI 发展到当下面临的一个问题：会在转换的过程丢掉很多重要的信息。因为很多信息是隐性的，但模型与数据理解能力又是有限的。

02

内化隐性知识，构建决策智能

雷峰网：您之前反复提到“隐性知识”，如何将其内化到相关企业当中？

离哲：我觉得但凡要落地AI的企业，首先要做的是把企业员工过往的重要工作过程形成决策轨迹，把多模态的语音、视频、文本、文档、审批等多模态的决策轨迹化，后面才有效率的提升和突破点。

雷峰网：具体到质变科技，又是怎么做的？

离哲：首先需要明确一点，决策轨迹的完善不是一蹴而就的，它会越做越强，越来越完善。此外，从我们过往的实践来看，我们从第一天开始就认为：未来的终极智能一定是行动智能和决策智能，有决策智能，才有行动智能，所以我们第一天就在做决策智能体，从 2024 年开始研发，当时的核心思想就是“Every chat is software”；架构就是基于通用大模型生成思维树、然后自演进模式迭代生成局部代码来做这件事情，只有这样才能实现决策的可解释、可干预、可信可靠、可执行。

比如我们做了高考的相关智能体。因为高考的所有过程和决策是公开的，所以高考也可以做预测。比如有人提问，说自己的性格比较孤僻，适合读什么专业？然后把分数线、城市、性别输入，智能体给他推荐相关的专业。又比如说有人想根据地理位置、家庭经济条件等因素进行选择，哪些学校更适合留学？哪些更适合保研？智能体都能给出相应的推荐。

虽然这背后涉及到非常复杂的决策体系，但从本质上来说，如果决策本身跟快速验证强相关，就相对好做。至于很多隐性的信息，其实是被“藏”起来了。就比如像张雪峰这样经验丰富的辅导老师，自然而然隐去自己过往积累的丰富的决策过程。

雷峰网：这是否意味着决策智能/AI个性化决策市场已经进入红海？以及当下面临着哪些发展难题？

离哲：这倒不会，AI个性化决策市场还是很大的，你要说决策智能难不难做？难做。只是很多难做的原因是因为没法验证或激励，或者说验证周期漫长。

怎么样把这些东西“显现”出来，就需要用到记忆以及大模型的深度思考能力，二者深度融合。在底层构建庞大的静态记忆如实体提取、知识Skill 化，在用的时候动态分层构建起来，这其实也是我们自己做的第一类产品。

至于第二类产品，就是我们后来服务的一些办公场景和游戏场景。

雷峰网：游戏场景？这个要怎么理解？

离哲：我一直觉得，游戏本质上是真实社会的投射，甚至是一个提前演化的更丰富的社会实验场。

过去的游戏是静态的——你一旦下线，世界就停在那里等你回来。但现在不一样了，很多 AI 游戏里，你下线之后，这个世界并不会暂停，而是会以接近真实世界、甚至更快很多倍的速度继续运转。

游戏里的角色会继续生活、做选择、产生变化。某种意义上，它已经不只是“给人玩的系统”，而是一个持续运行的虚拟社会，在用更高的时间密度，去映射和放大真实世界的运行逻辑。

此外，除了天然离用户近、离价值评估近，游戏还有一个好处——容忍度高。在游戏里，记忆或 AI 理解局部错误还不会造成严重影响，但是AI 在企业场景的容忍度极低。

雷峰网：可以就AI 在企业侧的低容忍度展开讲讲吗？

离哲：在容忍度这件事情上，在很多现实场景中远远超出大家想象的难，因为很多错误一旦发生，后果是不可逆的。比如电商、客服，但凡涉及退货、赔款等规模性金融损失都很复杂。又比如保险，针对不同的人、不同的症状，保险费率也都不一样。

雷峰网：企业对 AI 的低容忍度，对 AI 发展的最大影响是什么？

离哲：我觉得“低容忍度”对 AI 发展的最大影响，不是简单的“不敢用”，而是企业没法接受一个行为不可解释、结果不可追溯、问题反复出现无法优化的系统。

这几年 AI 进企业之所以一直“雷声大、雨点小”，并不是模型不够聪明，而是很多系统每一次判断都像第一次做决定——它不记得自己之前为什么这么判断，也没法把决策依据完整地还原出来。

一旦出问题，企业最害怕的除了效率损失，还有三件事：为什么会错？错在哪里？以后还能不能避免？如果这些问题回答不了，哪怕系统再聪明，企业也不敢把它放进真正的生产和决策链条里。

从这个角度看，企业对 AI 的低容忍度，本质上是在逼 AI 从“能回答”，走向一个有记忆、有上下文、能解释自己行为、能解决问题的系统。这也是为什么我认为，记忆不是锦上添花，而是 AI 能不能真正进企业的前提条件。

雷峰网：既然如此，质变科技当前的用户构成是怎样的？

离哲：主要分为三类：第一类偏办公；第二类偏金融；第三类偏AI游戏、具身智能等新行业。

在消费市场领域，MemoryLake 服务了全球超过 150 万 专业数据用户。在行业实践领域，MemoryLake服务了国内超大规模（生产系统中�万亿级记录、亿级文档）的文档办公、头部的企业移动办公软件、大模型、大型国央企等企业，在与全球云大厂和AI典型厂商等竞争中，MemoryLake在成本、准确召回率和延迟等性能指标方面有着数倍于对手的优势，如在某严苛的办公场景端到端评测中达�.8 % 准确率。

03

泛化或将打败垂类

雷峰网：综合国内外市场、平台，您目前会关注示范应用的哪些方面？

离哲：分两类，通用和垂类。通用应用更多还是在做聊天层次，如果按业务深度分，ChatGPT 和 Claude 的业务深度可能在第一层，对很多企业业务以及数据理解还不够，执行还不够可靠，智能体公司可能在第二层，大量垂类平台可能在第三层，以及更深度定制+长周期交付的如Palantir可能在第四层。

虽然这些平台都在做某一类或者某一个深度的示范应用，但背后也存在逐渐吞噬的过程：随着通用大模型的不断增强，越往后，可能会吃掉越多的垂类深度。等到一定时间后，今天所谓的 FDE+平台、刚刚兴起的 BPO等商业模式也就不一定存在。

雷峰网：可以就通用/泛化与垂类的关系展开说说吗？

离哲：我觉得泛化大概率会打败垂类。

今天很多企业（尤其是很多垂类创业公司）做的所谓垂类，缺少壁垒（有数据或数据模型的除外）。只是今天有很多企业在应用AI的不同阶段，从适配、接入改造再到价值升级的不同阶段中，需要一些角色如当前所谓的垂类来辅助完成阶段性任务。所以大家在这段时间会感觉垂类有价值，会觉得垂类能提高自己的效率，因为大家的起点都比较低。等大家都发展起来后，垂类的价值就不特别明显了。

雷峰网：您得出“泛化会打败垂类”这一结论的依据是什么？

离哲：我们在服务很多海外客户的时候，能明显感觉到他们对 ChatGPT、 Claude 的依赖远超垂类。这主要是因为通用大模型的演进很快，通用大模型的生态也很强大，他们现在的工具都在往上适配。在适配的过程中，它的能力也会越来越强，你会发现 ChatGPT 、Claude 每次发布新版本后，一些浅层垂类就容易被淘汰。

比如Claude 前不久推出了Interactive Tools，这是件标志性大事，可能会颠覆未来软件的发展。因为它预示着未来任何软件都可以headless 化，不需要有界面，而且它𶞑/26 还定义和发布了一套规范—MCP Apps，围绕LLM的一体化UI以及跨应用交互规范，这才是真的革命SaaS最后一环。

LLM负责思考，Agent Skills负责注入领域知识，记忆湖负责链接以及组织多模态数据，MCP负责 通讯/调用/局部界面生成（MCPApps），新一代的应用范式实现软件业更迭。当App 融入 MCP Apps 生态之后，受到最大伤害的就是垂类。在这之前，小垂类可能说我比大公司做的好， Interactive Tools出来后，当前的垂类可能都会受到冲击。

雷峰网：您判断“泛化或将打败垂类”，而记忆具有“引力效应”。这是否可以理解为，多模态记忆平台将成为AI时代的基础设施范式？就像云时代的数据平台。

离哲：是的。记忆会是AI 时代的主角，记忆平台解决的不仅是“记得住”，更是“如何深度理解”、“如何深度组织”、“如何动态基于Query 构建”的范式问题。当通用大模型的能力通过像MCP/Agent Skills/OpenMemory这样的规范与多模态记忆平台深度融合，它就获得了持续进化的、可信的“经验”和“知识”。这改变了软件构建的范式。我们坚信，定义并实现这套“记忆驱动智能”新范式的公司，将有机会成为AI时代的基石企业。

雷峰网：质变科技在未来如果有像 Manus 这样的机会，会考虑卖吗？

离哲：我们不会卖，虽然现在有很多公司想并购我们，但我们认为记忆这件事情在未来有很大的发展空间，是AI 时代的核心技术设施之一。因为记忆是有引力效应的，越用越好用，价值越来越大；模型可以随需切换，但是记忆是企业需要持续构建的核心资产。加之我们有平台能力、记忆能力、最佳实践的优势，我们是有机会做出一个像Databricks、Snowflake 那样的公司。

此外，国家将人工智能定位为新时代国家战略性核心技术与新质生产力，强调 AI 不只是技术产业工具，而是推动现代化建设的“基础设施”和“关键力量”。从构建基础设施的视角来看，记忆平台也是核心基础设施之一。

雷峰网：在保持独立性的前提下，质变科技会朝哪些方向发力？

离哲：在核心技术方面：我们会持续构建多模态能力如支持图片、视频、音频以及更多的数据源，增强MemoryLake-D1多模态数据模型的准确度、分布式记忆计算能力，提升产品端到端的精准度、可解释性、可干预性、安全性；

在市场拓展方面，我们会着重开拓游戏、办公、具身智能、金融等极具发展前景的市场领域；

在技术研究方面，我们将深入对分布式记忆计算能力（记忆规模会持续加速增长）、端到端的记忆评估体系建设。

欢迎添加作者微信：GO-GO-ZEPPELI，了解AI行业的更多内部故事与发展新动向。