丘腦智能據報完成數千萬元種子輪，推出 MemAura 多模態長記憶基座：Token 消耗降 40%–49%

36Kr 報導，成立於 2025 年 11 月的丘腦智能已完成數千萬元種子輪，投資方包括深圳一線基金與產業資本，資金將用於技術研發與人才補充。公司創辦人兼 CEO 張源具北京大學電子與經濟雙學科背景，團隊成員主要來自阿里達摩院、騰訊、商湯及多所高校，平均年齡約 26 歲。 丘腦智能在 6 月推出原生多模態記憶基座 MemAura，透過 ADK（智能體開發包）與 API 提供服務，主打跨工作階段、跨任務及跨模態的長期記憶。據報，MemAura 可讓輸入側 Token 綜合消耗降低 40%–49%，記憶檢索延遲控制在 400 毫秒內，端到端首次回答時間低於 1 秒，綜合準確率超過 80%。其客戶目前包括陪伴機器人等陪伴硬體，以及 AI 客服、數位員工等垂直 Agent 場景；商業模式則採 API 呼叫量與場景授權組合計費。 MemAura 的記憶處理流程包括事件識別、資訊編碼，以及將隱私與非隱私記憶分區隔離，並以熱儲存處理高頻存取證據、冷儲存保存低頻資料。丘腦智能表示，傳統方案常將大量上下文直接放入視窗，或先轉成文字再儲存，容易造成推理成本高、跨工作階段上下文斷裂，以及視覺與音訊資訊缺失；MemAura 則採用仿生記憶架構，試圖保留多模態資訊與時間狀態。 公司技術路線已完成兩次迭代。第一代 STKG（時空知識圖譜）在 LoCoMo 與 LongMemEval 測試中取得 SOTA；之後團隊轉向模仿人類海馬體編碼、認知地圖與皮質層整合的 MemAura 架構，以降低延遲與 Token 支出。據報，傳統線上客服記憶方案延遲可能約 10 秒、陪伴場景約 2 秒，MemAura 則可控制在 400 毫秒內。團隊目前也在探索 E2P（Embedding-to-Prefix）及 Transformer 微調，並在實驗室環境測試節省 Token 支出與近似持續學習的偏好抽取效果。 2026 年 5 月，丘腦智能據報聯合英偉達、港科大與港中文發布多模態長記憶 Benchmark「MEMLENS」，並已開源，曾登上 Hugging Face AI 領域 Daily Paper 前三。該測試將 27 個視覺語言大模型與 7 個 Memory Agent 放在同一套多模態資料上，針對 32K、100K、128K 與 256K 四種上下文長度進行比較。報導稱，視覺語言大模型通常直接把內容完整放入上下文，長度增加後表現急劇下降；Memory Agent 表現較穩定，但部分架構會在寫入階段損失大量視覺與多模態資料。測試也發現，隨上下文變長，兩類系統都更容易產生幻覺，部分 Memory 後訓練方法還會削弱模型拒答能力。 張源主張，基礎模型應專注於視覺感知、圖文對齊與底層推理，記憶公司則處理跨模態資訊檢索、證據組織與狀態更新；Memory 的核心不只是儲存，而是判斷哪些資訊應寫入、召回哪些記憶，以及何時主動發起召回。丘腦智能將長期記憶視為 AI 從通用走向個人化、進一步發展主動智能的中間基礎設施，並預期家庭機器人與其他具身智能場景落地前，對多模態長記憶的需求將增加。