丘脑智能获数千万元种子轮融资，押注多模态长记忆与主动智能
据36氪报道，专注多模态长记忆的创业公司丘脑智能近日完成数千万元种子轮融资，投资方包括深圳一线基金和产业资本。本轮资金将主要用于技术研发和人才补充。丘脑智能的核心方向是为 AI 应用提供原生多模态记忆基座，试图解决大模型在跨会话、跨任务、跨模态场景中“记不住、记不准、记得贵”的问题，并进一步把 AI 从通用问答推向更个性化、可主动交互的阶段。
这家公司成立于2025年11月，创始人兼 CEO 张源毕业于北京大学，具备电子与经济双学科背景，曾在自动驾驶公司担任 COO，也有创投行业与具身智能相关经历。来源显示，团队平均年龄约26岁，核心成员来自阿里达摩院、腾讯、商汤、港中文、港中深、北大、西交大、KIT、复旦等企业和高校。
为什么“记忆层”可能成为 AI 新基础设施
在当前大模型应用中，Memory 正逐渐成为一个独立议题。所谓主动智能，指 AI 不只是等待用户提问，而是在足够理解用户偏好、历史行为和当前情境的基础上，在合适时间以合适方式主动提供帮助。要实现这一点，模型必须具备稳定、长期、可调用的用户记忆。
丘脑智能的判断是，记忆层会作为独立基础设施长期存在，而不是完全内置在某一个基础模型中。原因在于，不同基础模型的训练语料、能力边界和产品生态各不相同，用户也常在多家模型和应用之间切换。如果记忆被锁在单一模型或单一 Agent 内部，就会形成“记忆孤岛”，影响个性化体验和任务连续性。
对中文 AI 应用开发者来说，这一判断很有现实意义。无论是客服、数字员工、陪伴机器人，还是个人效率工具，用户都不希望每次对话都从零开始。一个中立的、以用户为中心的记忆层，可能承担类似“AI 时代用户状态库”的角色，让不同模型和 Agent 在授权范围内共享必要上下文。
MemAura：面向长记忆的原生多模态基座
丘脑智能已在6月上线名为 MemAura 的记忆基座，向客户提供 ADK（智能体开发包）和 API 服务。来源显示，MemAura 支持长记忆积累和快速调用，并采用高效上下文机制来降低推理成本。其披露的表现包括：输入侧 Token 综合消耗降低40%-49%，记忆检索延迟控制在400毫秒以内，端到端首次回答可做到1秒以内，综合准确率可达80%以上。
传统记忆方案往往依赖对用户输入进行抽取、压缩、摘要，再存入信息库或图谱，之后由 Agent 检索调用。MemAura 的思路则更强调“仿生”处理：先识别事件，保留关键信息并过滤噪声；再对信息进行编码；最后将隐私与非隐私记忆分区隔离。同时，它还采用冷热存储策略，高频访问证据进入热存储以加快检索，低频数据进入冷存储以节约资源。
值得注意的是，丘脑智能强调的是原生多模态记忆。也就是说，记忆系统不只是把图片、音频等内容先转成文本再存储，而是从架构上考虑视觉、音频等多模态信息的保存与调用。对于陪伴硬件、具身智能和多模态 Agent 来说，这一点可能比纯文本聊天场景更关键。
当前 Memory 赛道的关键痛点
来源提到，现阶段 Memory 领域仍存在多项未解决问题。丘脑智能试图切入的并不是简单的“聊天记录保存”，而是更底层的记忆管理与调用机制。
- 成本高：不少方案直接把大量历史上下文塞进窗口，导致推理 Token 消耗和调用成本上升。
- 上下文断裂：跨 session、跨任务的对话往往难以自然衔接，用户需要反复解释背景。
- 模态缺失：多数记忆系统仍偏文本，难以完整处理视觉、音频等多模态输入。
- 时间理解不足：来源指出，受架构影响，大模型在持续时序理解上仍面临挑战，容易出现时间关系混乱。
- Agent 记忆孤岛：多个智能体协作时，用户信息散落在不同 Agent 中，影响任务执行效果。
影响与解读：主动智能会先在硬件和垂类 Agent 落地
从商业化路径看，丘脑智能当前客户主要包括出货量较大的陪伴硬件，例如陪伴机器人等，也包括 AI 客服、数字员工等垂类 Agent 场景。客户可通过记忆 API，让基础模型在回答与执行任务时调用原始信息，从而提升交互连续性和个性化效果。
这也说明，多模态长记忆短期内更可能先成为 B 端能力组件，而不是直接以独立消费级应用爆发。硬件厂商需要让设备“越用越懂人”，企业 Agent 则需要在长期服务中积累客户偏好、工单背景和流程经验。相比单次问答，这些场景更依赖稳定记忆。
不过，Memory 赛道仍处于早期。来源显示，丘脑智能认为多模态记忆是一个潜在规模很大的方向，但目前关注者并不多，竞争尚不激烈。对于行业而言，真正的考验不只在技术指标，还包括隐私治理、数据授权、跨模型兼容、调用成本以及在真实业务中的可解释性。
如果说过去两年 AI 应用的重点是“让模型会回答”，那么下一阶段的竞争可能转向“让 AI 记得住、用得好、懂分寸”。丘脑智能押注的多模态长记忆，正是通往主动智能的一块关键拼图。