AI Infra：MemOS，为 LLM 系统分层管理长期记忆的操作系统
一、MemTensor（记忆张量）
- 成立时间：2024.11，上海自贸区，由算法创新研究院孵化。
- 团队：大模型+系统架构专家联合创业，中科院院士学术背书。
- 融资：2025年6月完成天使轮，国投孚腾领投，专注MemOS平台研发与商业化。
二、核心技术
MemOS：“记忆操作系统”
- 突破传统静态参数限制，将“记忆”作为可管理资源
Memory³框架：分层记忆建模（工作/长期/专业知识），提升效率与可追溯性。
MemCube单元：跨模型、任务的记忆封装结构，支持动态更新与压缩。
开源 https://github.com/MemTensor/MemOS
三、性能表现
- 基准测试：LOCOMO中，多步推理较OpenAI提升159%，准确率+39%，Token开销-61%。
- 落地场景：招商证券、中国银行、中国电信试点中，用于对话机器人、知识管理、智能搜索等，效果优于现有模型。
四、生态合作
- 与上交大、中科院等机构共建研发机制。
- 推动“MemOS联合开发计划”，覆盖Agent、个人助理、多主体协作。
五、市场与风险
- 机遇：金融、政务等领域对“持续记忆”需求增长。
- 竞争：现有RAG及实验性方案多为外挂式扩展，MemOS提供系统级治理，具备先发优势。
- 挑战：技术复杂度高，客户采纳门槛，开源与商业边界需清晰。
六、总结
MemTensor以MemOS为核心，凭借原创技术、资本支持和早期行业试点，已在AI记忆领域占据领先地位。未来关键：技术迭代、生态建设与商业模式落地。
MemOS = LLM 的记忆操作系统：存储、检索、管理信息 → 上下文感知 × 连贯 × 个性化交互