上交、同济、浙大、中科大、人大联手发布MemOS：全球首个赋予AI类人记忆的操作系统
人工智能终于迎来了自己的“内存管理革命”。
由上海交通大学与浙江大学牵头的研究团队，开发出全球首个专为AI设计的“记忆操作系统” MemOS。
创作团队来自：记忆张量、上交、同济、浙大、中科大、人大等
他们直指目前AI的核心短板：缺乏持久记忆机制，导致AI无法像人类一样长期学习和积累经验。
MemOS的提出，源于一个长期存在却一直被低估的问题——现有大型语言模型，无法跨对话维持上下文与用户偏好。
每一次聊天、每一段任务，几乎都从零开始。哪怕你昨天刚告诉它你只吃素，今天它依然可能推荐烤羊排。
这不仅让用户体验大打折扣，也让企业级AI部署难以支撑复杂、多阶段的应用场景。
现有技术如RAG（检索增强生成）等，虽然尝试引入外部信息，却始终被学术界视作“无状态的权宜之计”。
真正的问题不是“查找”，而是“记住”。
MemOS是什么？
MemOS不是一个插件，不是一种算法补丁。它是一个完整的操作系统，首次把“记忆”提升为和CPU、存储同等重要的一级计算资源。
团队给出的比喻是：正如早期计算机靠程序员手动管理内存，如今的AI系统也被困于原始的、无法统一调度的记忆结构。
MemOS改变了这一切。
它引入了全新的结构单元——“MemCubes”，每一个MemCube就是一块可迁移、可组合、可进化的标准化记忆块。
这些记忆块不仅包含显性的文本知识，还包括模型的参数调整、激活状态、行为模式。
记忆，第一次以模块化的方式，被封装、调度、迁移和演化。
在一项名为LOCOMO的基准测试中，MemOS的表现远超现有系统。
相比OpenAI当前的记忆机制，MemOS在时间推理任务中性能提升高达159%，总平均提升达38.98%。
尤其是在多轮对话、复杂逻辑推理等高负荷场景，MemOS几乎在所有维度都排名第一。
不仅更聪明，还更快。
通过一项名为KV-cache注入的技术，MemOS在某些配置下将响应延迟降低了94%。
团队指出，过去人们误以为AI能力受限于模型规模或训练数据，而这次的突破显示：“记忆瓶颈”才是真正的掣肘。
AI 的新基建
图片
MemOS的意义，不止于技术提升。它可能彻底重塑AI应用的基础设施。
当前的AI系统，就像一群不会沟通的孤岛。
你在一个平台上构建出的知识体系，无法迁移到另一个平台。
这对企业用户尤其致命，比如一家市场部门在ChatGPT上构建了客户画像，却无法将其无缝应用于新的广告自动化系统中。
MemOS改变了这一现状。
它支持“跨平台记忆迁移”，让AI记忆可以在不同设备、不同系统间自由流动。
研究团队提出了一种前所未有的模式：记忆模块的交易市场。
未来，医生、工程师、律师等领域专家，可以将自己的经验封装成“记忆单元”，供他人购买并安装至AI中。
比如，一位风湿免疫科医生可以将几十年诊断经验打包为一组“诊断MemCube”。医学生只需一键接入，即可拥有专家级的判断路径、提问方式与病例模式。
这不仅让AI迅速获得领域知识，也为专家提供全新的知识变现渠道。
在技术架构上，MemOS借鉴了传统操作系统的设计理念，采用三层体系：
接口层处理API调用，操作层负责记忆生命周期调度，基础层则管理存储与治理。
其中最核心的调度组件MemScheduler，能够根据使用频率与任务类型，动态决定哪些记忆应永久保存，哪些应快速访问，哪些应被淘汰。
过去AI关注“学了多少”，MemOS让我们关注“记住了什么”。
这标志着一个新的学习范式诞生——“Mem-training”：用经验驱动记忆，用记忆重构能力。
One More ThingMemOS已作为开源项目发布，完整代码上线GitHub，并支持包括HuggingFace、OpenAI、Ollama等主流平台。
当前版本兼容Linux，Windows和macOS版本正在开发。
项目负责人表示，希望MemOS能推动AI从“静态生成器”向“持续演化的记忆智能体”进化。
在全球范围内，包括OpenAI、Anthropic、Google等科技巨头都在寻找AI持久记忆的解决方案。
但相比他们局部性的尝试，MemOS提供的是一次“系统级”的重构。
项目官网：https://memos.openmem.net
项目论文：https://memos.openmem.net/paper_memos_v2
代码仓库：https://github.com/MemTensor/MemOS Discord
讨论组：https://discord.gg/Txbx3gebZR OpenMem
