阿里前员工打造“破壁”龙虾：能提升大模型记忆力吗？

AI正在从“能计算”走向“会决策”，而记忆是这场跃迁的关键。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

企业AI落地遭遇的困境正在变得清晰。数据分散在表格、PDF、音视频等载体中，系统无法形成连贯认知。高管分析项目风险时，模型找不到历史问题与市场趋势的关联；金融机构做风险预警时，系统无法追溯决策依据；制造企业排查质量问题，人工作业需要数周，模型响应需要数小时。

问题的根源在于，传统以数据为中心的系统只是对零散数据的存储与调用。而企业真正需要的是具备记忆能力，能够理解业务逻辑、关联多源信息、支撑复杂决策的认知状态。

占超群在阿里巴巴工作了十年多，主导搭建了国内营收最高的云原生数据仓库体系。他带领的团队曾在 TPC-H 和 TPC-DS 两项全球数据库基准测试中同时登顶，这是中国公司的首次。他还担任过阿里妈妈达摩盘架构师和城市大脑多个项目的总架构师。处理几十万亿级别数据的经验，让他比大多数人更早看到数据驱动的局限。

离开阿里后，占超群作为质变科技创始人兼CEO，带领团队研发了多模态记忆平台MemoryLake致力于让AI不再是孤岛，拥有了“人类”的记忆。

近日，又推出多模态记忆平台MemoryLake龙虾版，定位是打造AI时代的“记忆护照”，让记忆在ChatGPT、Claude、OpenClaw等AI平台间无缝迁移。

在这次对话中，占超群首次系统阐释了生产级AI记忆基础设施的底层逻辑、MemoryLake的技术护城河，以及AI世界为何需要”记忆护照”。

以下为与占超群的对话全文，略有删减：

智客ZhiKer：从阿里云出来创业，最大的感受是什么？

占超群：真正创业后，最大的不同是可以用更快的行动，做更大规模的突破性创新，与用户的距离更近，能够直接感受到他们的需求和反馈，创新也更 Solid。

当然，创业的挑战也很明显。在阿里背后有近乎无限的人力和资源支持，现在每个决策都需要反复权衡，很多事情必须亲力亲为，从客户拜访、产品设计、架构、产品原型实现甚至 Vibe Coding等都要亲自参与，也会参与一些前期原型开发。

智客ZhiKer：简单聊聊您在阿里的主要工作，以及后来为什么决定出来创业吧？

占超群：在阿里的 11 年，我主要做了两件事：一是完成技术从工具到产品再到全球化商品的演进；二是在大规模应用场景中实现数据价值最大化。

至于为什么创业，主要基于两个判断。

第一是云计算还有很大机会。未来五年，随着网络带宽和硬件性能的突破，软件形态会发生根本性变革，就像手机催生移动互联网一样，整个软件架构也会重构。

第二是AI会彻底改变数据的使用方式。过去数据分析主要服务高管，未来 AI 可以直接服务 Agent，而且视频、音频都会被数据化，数据的规模、价值、用户规模将远超以往。

我一直想做颠覆性创新。2024 年，我认为云和AI的结合会催生一个全新的市场，这是一个前所未有的机会。

智客ZhiKer：MemoryLake是一个什么样的产品，核心技术架构是怎样的？相比于其他记忆方案，最关键的差异在哪里？

占超群：MemoryLake 是一个多模态记忆平台，由MemoryLake-D1多模态理解大模型、MemoryLake记忆引擎、Relyt多模态数据平台，这三层打通了记忆从提取、计算到存储的全流程。

技术护城河体现在五个方面：

第一，多模态记忆理解能力。 MemoryLake-D1是业内首个专注记忆理解的领域模型，能解析复杂的Excel布局、扫描版PDF、流程图、会议音视频等。在头部文档办公企业场景中，通用方案的准确率只有60-70%，我们实现了99.8%的召回率。

第二，认知记忆体系。 我们构建了六种记忆类型，背景记忆、对话记忆、事件记忆、事实记忆、反思记忆、技能记忆。这种分类让AI能像人脑一样，根据问题场景精准定位相关记忆，而不是在海量聊天记录中盲目搜索。

第三，多跳推理能力。 这是记忆“活”起来的关键。当用户问“我应该投资这个医疗AI项目吗”，系统不是简单检索关键词，而是进行四跳推理，检索项目信息、关联过往投资教训、匹配投资偏好、综合外部行业报告，最终输出的是基于记忆图谱的因果推理。

在全球极具挑战性的长程对话记忆基准测试LoCoMo上MemoryLake以94.03%的综合得分位列全球第一。

第四，生产级性能指标。 我们实现了最高91%的Token成本下降，让长期记忆第一次具备大规模落地的经济性；在关键任务中达到99.8%的准确召回率；支持PB级记忆容量，毫秒级检索延迟。

第五，开放数据集成。我们内置了4000万学术论文、300万SEC文件、50万临床试验、实时金融数据、200万化合物、1000万美国专利等海量开放数据集。

智客ZhiKer：为什么又推出了MemoryLake龙虾版？

占超群：MemoryLake龙虾版面向开源智能体OpenClaw（俗称“龙虾”）提供永久、可迁移、认知积累的多模态记忆。采用“记忆护照”方案，就像护照让你在不同国家无需重新证明身份一样，能让你的记忆在不同 AI 平台之间自由穿梭。

当你的工作平台从 Telegram 迁移到ClaudeCode 时，AI 依然记得你三个月前提到的项目细节，这种体验仿佛它真的认识你。

这是记忆基础设施最核心的价值之一，它并非绑定某个模型或智能体的功能，而是一个独立于模型和智能体的中立层。企业可以自由选择最适合的模型，而记忆资产始终归企业所有，并能够持续积累。

当前大家热衷于“养龙虾”，但这只是记忆的起点，而非终点。

真正的记忆生产力，应让AI从本科生水平起步，拥有自己的知识体系，能够判断信息来源的可靠性，面对矛盾信息会思考、会判断，能看懂图表、听懂录音视频，并将每一次交互都沉淀为可复用的能力，而不只是给出一句“用户喜欢深色模式”这样简单的回应。

智客ZhiKer：目前市场表现和商业化进展如何？

占超群：在海外 C 端，我们推出了决策智能体产品 Powerdrill，主要面向金融、教育、政府等领域的专业数据人士，用于日常数据分析和决策汇报。基础版收费标准为 19.9 美元/月，针对需要博士级别开放研究并且引经据典、有理有据、深度溯源的规格收费为 199 美元/月。我们预计未来 ToC 业务将迎来爆发式增长。

在企业领域，MemoryLake 已服务于超大规模的文档办公企业、头部的企业移动办公应用、大模型企业以及大型国央企等。

智客ZhiKer：企业客户最关心的安全性和可解释性，你们是如何保障的？

占超群：这是企业客户的核心关切，我们从三个层面来保障。

可追溯性：每条记忆节点采用 Content - Addressable Storage，通过 SHA - 256 生成唯一 commitID，支持分支、合并、回滚操作，仅存储增量变化。每条事实都携带完整的溯源元数据（来源 AI、会话 ID、时间戳、置信度），通过 append - only 日志保证防篡改。可以追溯任何一条事实的原始来源，并导出符合合规要求的完整证明链。

可解释性：这是我特别强调的一点，我们首创了每一步可预览和解释的机制。系统不会给出一个黑盒结果，而是向用户展示推理路径、使用的记忆、所做的假设以及置信度。引擎返回的是结构化、精炼且完整的记忆片段，而非冗长的原始全文。

可干预性：我们提供版本控制、权限管控与合规审计。企业可以设置不同角色的访问权限，能够回溯到任何历史版本，还可以进行人工干预和修正记忆。操作过程是可控的，并非完全自动化的黑盒。

这些机制使得 MemoryLake 能够作为可信赖的长期记忆中枢嵌入企业业务，满足严苛的安全与合规要求。我们服务的客户包括金融、制造、政府等对安全要求极高的行业，这套体系已经经过实践验证。

此外，我们在生产环境中已经成功管理 10 万亿 + 条记录和 1 亿 + 份文档，同时保持了毫秒级检索延迟，实现了规模化与安全性的同步保障。

智客ZhiKer：接下来的重点方向是什么？

占超群：在产品研发领域，我们将持续优化记忆产品的多模态能力，如支持图片、视频、音频以及更多的数据库；继续加大 MemoryLake 多模态数据模型的准确度以及数据转换能力；不断提升 Sandbox 安全能力以及分布式记忆计算能力。

在市场拓展层面，我们将大力加强市场推广工作，着重开拓游戏、办公、具身智能、金融等极具发展前景以及高价值的市场领域。

在技术研究方面，我们将始终密切关注行业前沿技术，如采用 AgentSkills 全面提升可干预性；增强分布式记忆计算能力以增加记忆的规模，以及提升端到端的记忆评估能力。与此同时，加大对隐性知识的研究与挖掘力度，探寻将隐性知识数字化的有效途径。

智客ZhiKer：您希望未来 3-5 年，质变科技能成为一家什么样的公司？

占超群：模型的护城河在于算力和数据，而记忆的护城河在于“信任”与“中立”。企业不会愿意把积累了数年、涉及核心业务的认知记忆，锁死在一个特定模型厂商的生态里。他们需要一个像Snowflake一样、能自由连接任何模型和AI的中立记忆层。

记忆是有引力效应的，越用越好用，价值越来越大；模型和智能体可能随需切换，但记忆基础设施是个人和组织需要持续构建的核心资产。 作为全球少有的兼具记忆能力、模型能力和数据平台能力于一体的全栈玩家，我们有机会做出一个像Databricks、Snowflake那样的AI时代基石企业。（作者｜郭虹妘）