对话丘脑智能：当AI memory理解了“时间”，下一个抖音就要出现了

52 0 0

文章摘要

当前AI技术虽已具备强大能力，但仍停留在被动响应阶段，无法真正理解用户的个性化需求与时间维度上的变化。丘脑智能提出的“时序性+全模态”记忆架构，试图通过时空知识图谱（STKG）技术突破这一局限。其核心产品OmniMemory在LoCoMo测试中实现82.5%综合准确率，P95检索延迟低于2秒，通过结构化存储时间、空间、多模态数据，解决了传统RAG方案缺乏时序建模的痛点。

记忆完整化是构建主动智能的第一步。不同于仅处理文本的现有方案，该系统能整合照片、语音、视频等全模态数据，并建立时间轴关联。例如用户“上周在杭州见朋友”的语音记录会被转化为包含时空坐标的知识节点，与后续“最近见过哪些朋友”的提问自动关联。技术架构分为四层：底层时间维度、原始素材层、认知层（事件抽象）和状态层（细粒度变化追踪），模拟人类从物理感知到认知的完整过程。

潜空间记忆技术代表着从被动到主动的范式跃迁。通过将海量交互行为压缩为机器可读的稠密向量，系统能像推荐算法般预判用户需求。这种技术已在陪伴类AI、具身机器人等领域显现价值——机器人能记住数月前收纳物品的位置，而伴侣AI可捕捉恋爱细节的变化。商业化层面，公司采取分级策略：对高付费能力的B+客户提供私有化部署，对出货量大的B-客户采用脱敏联合建模，以此积累通用Life Context数据。

时序性成为区分技术代际的关键。传统方案将时间作为节点属性，可能同时召回“失眠”与“睡眠改善”等矛盾记忆。STKG则能识别状态转换，确保反馈最新事实。这种能力在医疗健康等场景尤为重要，如系统能追踪用户从“上火”到“康复”的完整周期，并推导出饮食禁忌的变化规律。

团队计划分阶段实现目标：短期成为记忆领域的Supabase，降低技术使用门槛；长期构建主动智能的基础设施。其技术路径强调“一张蓝图绘到底”，即使面对潜空间注入、语义对齐等工程难点，仍坚持高精度架构的底层设计。目前产品已进入内测阶段，客户覆盖IP运营、法律金融等多个领域，未来可能催生“从人找信息到AI懂人”的交互革命。