中国研发 MemOS：首个让 AI 拥有人类式记忆的操作系统

中国研究人员日前发布了一项名为MemOS的开创性成果，这是一种专为人工智能设计的“内存操作系统”，旨在解决AI系统长期以来难以像人类一样具备持续记忆和学习能力的问题。这一研究由上海交通大学和浙江大学等多个顶尖机构的研究团队共同完成，论文于7月4日在预印本平台arXiv上发表。 传统的操作系统管理着CPU和存储资源，而MemOS将内存视为一种核心计算资源，可以被调度、共享和随时间演变。研究团队在论文中提到：“大型语言模型（LLMs）已成为促进通用人工智能（AGI）发展的基础设施，但这些系统缺乏明确的内存管理系统，阻碍了其在长期情境推理、持续个性化和知识一致性方面的进步。” 现有的AI系统往往面临“内存孤岛”问题，即无法在会话之间维持一致的用户偏好、累积的知识或行为模式，这给用户体验带来了极大的困扰。 MemOS通过引入“MemCubes”——标准化的内存单元——来封装不同类型的信息，如显式文本知识、参数级调整和模型激活状态。这种统一的内存管理框架使得AI系统能够更有效地处理跨会话的任务。测试结果显示，MemOS在多个指标上显著优于现有的基线方法。特别是在长时间推理任务方面，MemOS相较于OpenAI的内存系统，整体性能提升了38.98%，具体场景下的多跳推理和时间推理性能更是提高了159%。 此外，MemOS还大幅提升了系统的效率，某些配置下首次响应时间延迟减少了94%。这意味着通过更好地管理内存，AI系统不仅可以提高推理能力，还能更快地响应用户需求。 这项技术对企业AI的部署具有重大意义。MemOS的跨平台内存迁移功能允许AI记忆在不同系统和设备间共享，打破了现有的“内存孤岛”。例如，营销团队可以在一个AI平台上开发详细的客户画像，然后无缝迁移到另一个平台进行活动规划。这对于需要处理复杂多阶段工作的企业尤为重要。 研究团队还提出了“付费内存模块”的概念，即领域专家可以将他们的专业知识打包成可购买的内存单位。比如，有经验的医生可以将特定疾病的诊断方法、问诊路径和典型病例整合到一个结构化的内存模块中，供其他AI系统安装使用。这一模式可能改变专业领域知识的分发和盈利方式，从而推动更多高质量领域的知识普及和使用。 MemOS的技术架构借鉴了传统操作系统的三层设计，包括接口层、操作层和基础设施层。其中，MemScheduler组件动态管理各种类型的内存，从临时激活状态到永久参数修改，根据使用模式和任务需求选择最优的存储和检索策略。这是现有AI内存管理方法的重大突破，目前大多数系统要么将内存完全静态嵌入模型参数，要么将其限制在短暂的对话上下文中。 研究团队将MemOS作为开源项目发布，完整代码已公开在GitHub上，并提供了与HuggingFace、OpenAI和Ollama等主要AI平台的集成支持。这样的开放策略旨在加速技术的普及和社区开发，而不是追求专有技术带来的短期利益。项目负责人李志宇表示：“我们希望MemOS能够帮助AI从静态生成器转变为不断演进的、由内存驱动的智能体。” 随着各大AI公司纷纷尝试解决当前AI系统的内存局限，如OpenAI为ChatGPT引入内存功能，以及谷歌和Anthropic等企业在持久上下文方面进行实验，可见这一挑战已成为行业的重要竞争焦点。业内人士认为，下一个重要的AI突破可能不是来自更大的模型或更多的训练数据，而是来自能够更好地模拟人类认知能力的架构创新。MEMORYOS的研究不仅证明了将内存放入计算资源首位的重要性，也暗示未来的AI发展方向可能会更加关注架构优化而非硬件扩展。 MemOS的发布标志着AI研究正在逐步向更加有状态、持续积累知识的方向发展。对于企业技术领导者来说，这项新技术有望实现真正的上下文保持和持续改进，而不只是将每次交互视为孤立事件。未来，研究团队将继续探索跨模型内存共享、自演化内存块和更广泛的“内存市场”生态系统。这些进展或许将为AI技术带来革命性的变革。