在人工智能领域，推理能力的竞争已进入白热化阶段，而长期记忆的缺失正成为制约AI向个性化与自进化方向发展的关键瓶颈。当前，许多涌入记忆赛道的企业主要聚焦于向量数据库，仅实现数据的存储与检索功能。然而，一家由盛大集团孵化的企业EverMind，正试图通过构建通用的“记忆层”打破这一局限，为AI Agent提供具备整理、更新及学习能力的长期记忆系统。
EverMind的核心产品EverOS是一套开源的长期记忆解决方案，开发者可将其接入自有Agent，使AI不仅能记录用户的历史对话与偏好，还能像人类一样对记忆进行结构化处理，甚至从过往经验中实现能力进化。该公司CEO邓亚峰在AI领域拥有超过二十年的经验，曾任职于360集团与格灵深瞳，主导过计算机视觉、多模态AI及AI制药等项目。2025年，他加入盛大集团并带领团队启动长期记忆项目，仅用四个月便在多项评测中达到行业领先水平。
邓亚峰指出，选择长期记忆方向源于对数据迭代效率的考量。此前在AI制药领域的经历让他意识到，数据生成速度缓慢会严重限制技术进步。相比之下，长期记忆具备快速闭环迭代潜力，且与推理能力形成互补，战略独立性显著。盛大集团创始人陈天桥对脑科学与心理健康研究的长期投入，也进一步印证了“推理+长期记忆”构成人类智能核心的假设，这与邓亚峰的判断不谋而合。
长期记忆技术需解决三大核心问题：突破上下文长度限制、实现个性化交互及支持自进化能力。当前模型受限于上下文窗口容量，而现有解决方案如RAG或数据压缩仅为工程妥协。EverMind通过高效记忆管理，使模型在极低token消耗下利用无限历史信息。在个性化方面，系统通过构建用户画像（包括身份、偏好、价值观等）实现深度交互，且记忆范围不仅限于基础信息。自进化机制则通过分析交互成败案例，总结最佳实践并动态更新知识体系，类似人类通过经验积累提升能力的过程。
关于记忆层与Agent层的功能划分，邓亚峰解释称，记忆层可独立完成部分自进化任务。例如，通过聚合多个Agent的运行轨迹，系统能提炼出通用操作流程（SOP）。若需实现基于用户反馈的强化学习，则需两层协同，但记忆层仍承担数据组织的核心角色。接入记忆层后，Agent的智能提升体现在四个维度：通过token压缩降低成本、基于技能学习的任务成功率提升234.8%、个性化体验因独立记忆库而差异显著，以及通过行为预测实现主动服务。
针对记忆更新与遗忘机制，EverMind采用在线提取与离线进化双策略。在线阶段，系统通过边界检测聚合同一主题信息，提取事实性记忆并预测其未来影响；离线阶段则定期更新用户画像、反思历史判断，并通过聚类策略合并相似记忆、用最新信息覆盖冲突内容。遗忘机制的设计更具挑战性，系统目前通过时间衰减模型调整信息权重，近期记忆权重高而远期记忆权重低，但数据仍可追溯。邓亚峰认为，AI的遗忘无需物理删除数据，而应通过权重分配优化决策效率，这一机制未来可能超越人类记忆的局限性。
在开源生态与大厂竞争方面，EverOS通过GitHub开源构建开发者社区。尽管OpenAI、Anthropic等企业已推出记忆功能，但用户跨平台使用需求催生了第三方记忆管理工具的市场。EverMind定位为Agent的通用记忆层，以40亿参数模型实现与2350亿参数模型相当的效果，兼顾效率与成本。其开源策略包含本地部署与云服务双模式，核心算法完全公开，并支持跨平台记忆数据整合，满足用户对隐私与便捷性的双重需求。
数据安全方面，系统通过信息安全防护与敏感信息隔离双层保障记忆隐私。高敏感数据如密码、银行账号等存储于独立“保险库”，仅在特定场景下激活。部署模式上，记忆层采用云端与端侧结合方案，用户数字资产主要存储于本地设备，复杂计算借助云端完成。随着模型轻量化发展，未来40亿参数模型可直接运行于终端设备，实现完全本地化部署。
当被问及AI记忆的伦理边界时，邓亚峰设想两种理想形态：一是全天候辅助的“贾维斯”式助手，用户仅需确认结果；二是数字分身代理社交，AI可代表用户与他人交流并筛选有价值信息。他强调，理想AI应具备情感感知能力，自动规避敏感话题。有趣的是，用户对AI的信任感可能使其更愿意倾诉隐私，这为记忆管理提出了更高要求。若AI能精确记录长期记忆，人类对自身经历的认知或将从“模糊感知”升级为“精准回溯”，类似钟表发明后人类对时间的精确管理。这种能力不仅能梳理宏观人生脉络，还可精准调用微观细节，实现认知维度的跨越式提升。
