Agent Memory走到十字路口：AML榜单与AI变现未来

type

status

date

slug

summary

category

icon

password

网址

这一年，Memory 赛道都经历了什么？

就算你请到世界上最好的私人助理，Ta 也不可能记住你这辈子说过的每一句话、读过你写的每一封邮件和每一份文档，但 AI 系统有可能做到接近无限的Memory能力，记住用户、偏好和长期的对话历史，而不是每次都从零开始。

这句话出自 OpenAI CEO —— Sam Altman 跟独立科技媒体 Big Technology 的创始人 Alex Kantrowitz 的一次播客对话，后来在 GPT-6 的规划里、在「无限完美Memory」这个说法里，又被反复提起。

当时不少人把这些话当成营销话术。

但这一年过去，各种 Agent Harness 相继推出，「把记忆能力内化进模型本身」的产品也陆续出现，大家才意识到，Agent Memory 才是真正能兑现这句话的核心之一。

而围绕 Agent Memory 的想象力，已经开始落地。这一年多，数十上百家做 Agent Memory 的创业公司陆续入局，一堆人挤进一条赛道，谁也不知道自己押注的技术路线对不对。

8 月 12 日，背后由清华大学、北京大学等一众机构支持的 Agent Memory Leaderboard（中文名「记忆之巅排行榜」）放出了首期成绩，目前该项目上榜 Huggingface Spaces Trending 首屏。

该榜单正好给了我们一个切入口，得以一窥这条赛道现在的真实水平。

🚥

这篇文章，我们想梳理一下 Agent Memory 这条赛道，走到哪一步了，做到什么程度了，技术路线又分了哪几派。

Agent Memory 赛道，外冷内热

Agent Memory 这条赛道里，有实力的玩家不算少：学术血统最纯正的 Letta，脱胎于伯克利 BAIR 实验室的 MemGPT 论文，2024 年成立就拿到千万美元种子轮。

Zep 靠时序知识图谱把 LongMemEval 准确率做到 63.8%，专攻「事实会过期」这类场景；Mem0 接入门槛低，是用户最多的厂商之一。成立一年多的 SuperMemory 已融资近 300 万美元，主打把 Gmail、Notion、GitHub 这些外部数据源接进 Agent Memory。

但整个赛道仍是「外冷内热」。

今年 7 月 New Market Pitch 的行业报告显示，Agent Memory Systems 全年只占 Agentic AI 融资总额约 0.78%，原因是大多数Memory系统的核心引擎开源，技术壁垒单薄。

更麻烦的是模型厂商自己也在下场。

今年 5 月，Anthropic 在 Claude Managed Agents 里同时上线 Dreaming、Outcomes、Multi-Agent Orchestration 三个功能，直接对标 LangGraph、CrewAI 这类编排工具，创业公司原本售卖的「Memory层」服务被平台方部分内化。

争夺用户上，Memory也成了平台的筹码：今年 3 月 Anthropic 先给 Claude 上线Memory迁移，三周后 Google 跟进，Gemini 开始支持从 ChatGPT、Claude 导入完整对话历史。

不过平台自带的 Memory 目前还停在用户偏好这类浅层信息，处理不了结构化知识。这也为创业公司留下了差异化创新的机会。相比一年前，市场机会正进一步向垂直场景、专业能力和技术壁垒集中。

持续学习

除了帮 Agent 记住用户，Memory还有另一层用途，更值得关注，即：让 Agent 自己越用越聪明，实现持续学习的效果。

今年上半年，伯克利等团队发了一篇 FST 的论文，吸引了大量目光，核心是将可持续更新的 Agent Context 视为快权重、模型参数视为慢权重。实验显示其最高提高约 3 倍样本效率，并在连续任务中显著优于纯 RL。

媒体传播者们对于这篇论文的判断是「持续学习比推理重要 1000 倍」。而持续学习的核心之一，就是 Agent Memory。

Agent Memory 这条赛道，因此进入了一个很卷的阶段，一边是资金没跟上热度，一边是模型厂商自己在收编地盘，创业公司急需能拿出来说服投资人和客户的证据。

榜单就成了最简单、最直白的证据来源。

榜单背后的 Agent Memory

现在，市面上其实已经不缺跟 Agent Memory 相关的评测和榜单，而且每一个榜单背后，都有相当扎实的机构和技术背景。

比如，走综合路线的 AMB 和 Bench'd，是做Memory产品的创业团队自己搭的独立评测站，刻意跟商业公司保持一点距离，主要查刷分。AMA-Bench 则专注于长程的工作 Memory，作者名单里面还有 Meta 的研究员参与。

像文章开头所提到的 AML 属于新晋平台，其在 8 月 12 日放出了首期结果。热度很高，有超过 100 个团队提交了注册申请，一些海外博主也在转发相关信息。

这家评测榜单受到关注的原因在于其考试科目比较全面，文本Memory覆盖事实召回、多跳推理、时间与事件、Memory治理、个性化、上下文执行、安全与隐私七个方向，代码Memory则考察系统能不能复用历史调试和开发经验。

而且，在其官方所列的联合主办单位里，有清华大学、北京大学、复旦大学、上海交通大学、上海人工智能实验室、中国科学院自动化研究所、香港中文大学、香港科技大学等接近 30 家机构。

从结果来看，AML 这次放榜分了两条线，商业产品榜和开源方法榜。

商业产品榜这边，MemoraX 以 58.0 分排名第一，领先程度很高，七个能力维度全部拿下第一，写入和检索效率也稳居第一梯队。

开源方法榜这边，InvMem、ReFind、ActiveMemoryIndex 以 45.1、45.0、44.8 分排前三，分差很小，谁也没有拉开明显身位，三家的技术取向也不一样，各有优势。

其中，商业产品榜第一的 MemoraX 值得多说两句。

这是一家今年 3 月才成立的公司，今年 4 月种子轮、5 月种子 + 轮融资后，短时间内又拿到了第三轮大额融资。联合领投方有北洋海棠基金、尚势资本、仁爱资本，银杏谷资本跟投，华业天成、达泰资本等老股东继续加码投资。

很多人开始关注这家公司，一部分原因是它今年在 ICML 2026 上入选了 10 篇论文，其中 2 篇被选为 Spotlight（焦点论文）。

一家成立不到半年的公司能在顶会上拿到这个密度的论文产出，放在整个 Agent Memory 创业公司里都不多见，这也是把它当成理解这条赛道技术路线的一个抓手的原因，它某种程度上是这批 Agent Memory 新创团队技术打法的一个缩影。

MemoraX 的官方技术描述是「可学习Memory策略引擎、Memory基模、自演进 Agent Harness」，跟传统向量数据库相似度检索的路线不一样。其强调的是Memory本身能持续自我进化、动态更新，还能跨场景复用。

这套打法不是第一次被验证。

AML 这次的评测数据本身就整合了 LoCoMo-Refined 这类已有基准，而 MemoraX 更早的时候已经在 LoCoMo-Refined 上单独跑出过 82.65 分，比第二名高出 30% 以上。

这个基准由南京大学和上海人工智能实验室发布，意义在于把评测标准收紧之后，不少此前跑分不错的系统分数出现了明显回落，原因是过去的裁判标准偏宽松。

MemoraX 是在这套收紧后的标准下拿到 82.65 分的，他们的技术路线也是从这时候开始被更多人注意到。

当时，MemoraX 自己的说法是，把整个Memory系统建模成一个可学习的序列决策过程，写入、检索、利用这三个环节的每一步，都被当成可以被评估、可以被优化的决策，用任务最终的端到端结果做 reward，让系统在多轮使用里不断调整自己的策略，逐步收敛到更好的行为。

Memory因此从「记一次用一次」的静态组件，变成了一个用得越多、表现越好的动态系统。存了多少数据、用了什么向量库，不是决定一个Memory系统会不会越用越好的关键。

真正的关键，是有没有一个自行持续学习的闭环。

结合 MemoraX 之前公开过的技术细节，这套闭环具体可以拆解成写入、检索、利用三个环节。

这套先诊断、再优化、反复迭代的机制，可能会成为 Agent Memory 未来的基操。

Memory 的过去一年和未来一年

对关注这条赛道的人来说，AML 首期榜单的意义，可能不在名次本身。

从单一 Benchmark、到统一 Leaderborad，这些结果吸引注意力的一大原因是标准化评测让Memory能力变得可比较，让整个行业加速。最近 1 年层出不穷的 Agent Memory 榜单，说明了 Memory 赛道今天站的位置，很重要。

「外挂式」Memory 库胜在成熟、合规、即插即用，「内生式」路线胜在上限和想象空间。一期榜单证明不了哪条路线终局会赢，但它会让接下来的每一次产品迭代、每一轮技术选型，都多一个可引用的参照系。

其次，Memory 的商业化路径正在清晰。Mem0 的 API 调用量一年涨了 5 倍，说明「Memory As A Service」的付费意愿是真实的。

企业侧对私有化部署、多租户隔离、权限审计的要求，又会把竞争拉向工程厚度的比拼。这个赛道的收入模型，大概率会介于模型 API 和数据库之间。而这两个市场，都出过百亿美元级别的公司。

Agent 要从「单次对话工具」变成「能长线协作的同事」，Memory 是绕不开的那块拼图。现在，这块拼图有了公开的成绩单。

🚥

顺着这条故事线看下来，Memory 早就不只是「记住信息」这么简单。

它跟 Agent 的能力深度绑定在一起，变成了「Agent Memory」这样一个独立的技术方向，想象空间也跟着打开了不少，接下来大概率还是个热门赛道。

从 Mem0 这类做得早、规模最大的技术路线，到这次 MemoraX 展示出来的打法，思路差别都不算小。

之后，我们会长期关注 Agent Memory 赛道。

文章来自于微信公众号 “十字路口Crossing”，作者 “十字路口Crossing”