21世纪经济报道记者赵云帆报道

图灵测试告诉我们，评估人工智能的方式是测试它们在幕后能否被人类对话分辨出来——然而，即便当今AI已经开始着手解决人类社会最难的课题，普通人依然能够通过一些简单的任务或多轮对话，轻易地分辨AI和人类。

2026年初，人工智能再一次向“完成图灵测试”迈进一步：一款开源AI应用“小龙虾”OpenClaw，不仅展示了其按指示完成人类任务的潜力，还表现出了更接近真人的互动方式——主动性、个性彰显、嬉笑怒骂，并且显而易见地“更加懂你”。

而其秘密，在于 OpenClaw 的数个精巧设计：通过定时反馈与主动互动，为AI注入“心跳”；通过预加载文件，形成个性，为AI注入“灵魂”。

还有，更重要的是：通过提取、记录并重塑人机互动上下文，为AI注入“记忆”。

OpenAI创始人山姆·奥特曼曾表示，记忆是 “AGI（通用人工智能）最后一块拼图”。这一点正逐渐成为硅谷2026年的新共识。2026年年初，数个聚焦AI记忆的初创公司获得大笔融资。独立研究机构轻松为AI记忆产业预测出近千亿美元的潜在产值。

而仅仅是 OpenClaw 通过简单设置所提升的AI记忆，给用户带来的奇幻体验，就足以证明这个“最后的AGI拼图”，正开始逐步受到重视。

当AI有了记忆

AI记忆的难点在于，当前作为AI核心的Transformer自注意力机制对文本的运算并非随上下文长度线性增长，而是平方级增长。这意味着悠长的记忆与当前AI计算模式存在天然的“不对付”。

“虽然大模型一直在解决上下文长度的问题，比如从早期的几百K到几兆的量级，但仍然不可能做到无限长。这意味着范式需要变化。我们认为AI时代，一定会有AI应用去解决无限长上下文的问题。”头部AI记忆企业技术负责人张强（化名）告诉21世纪经济报道记者。

而OpenClaw的横空出世，则用一种非常直观与简单的方式，为我们展示了记忆提升对AI能力与体验的改善。

当人们“解剖”OpenClaw的源文件时，发现其解决记忆问题的方式“很简单”：一个名为“记忆”的临时记忆文件，一个以“日期”为名的每日日记文件，以及一个以一周为周期的周记文件。

这一参考人类“短时记忆”和“长时记忆”所设计的系统，并不像许多主打AI记忆的产品一样技术难度极高，但却在调用有限资源的前提下，给用户带来了前所未有的体验。

比如，用户可以随手将项目记录、灵感碎片、会议要点发给“小龙虾”，让它自动归档到记忆系统。再比如，可以拍摄食物照片发给“小龙虾”，它会自动识别并记录，提醒用户记录胃部感受，自动交叉分析食物和症状数据，帮助识别可能的过敏模式等。

除了内容记忆，OpenClaw还通过Skill（技能）文件进行“技能记忆”，比如，将执行过的任务进行总结，代码生成与封装，再通过目录进行调用。这使得OpenClaw随着使用次数的增加，任务执行能力变得更为精确，并且Token消耗也会减少。

以上种种对人类记忆功能的“复现”，让“小龙虾”可以执行更多简单对话无法完成的工作——而其实现方案，只不过是用智能体嫁接了几个简单的标记文件，便可真正意义上成为用户的个人助手。

降低资源消耗

AI记忆的发展潜力，一定程度上是由当前大语言模型的痛点所决定的。

过去，AI记忆缺陷的表征，体现为每次对话重复计算上下文带来的巨额资源消耗，并且幻觉随长度增加而增多等。同时，智能体在任务间的连贯性表现也差强人意。

与此同时，虽然AI作为知识库回答稳定，也只能保证当下这轮对话的连贯性，正确性却并不会随着对话的深入大幅改善：除非你非常会提问。

以及，针对不同的使用者，AI的个性化表现却完全漂移不定等问题层出不穷。而一旦AI拥有了记忆，它便能养成针对性的各种习惯，如语言习惯、工作习惯、生活习惯等。

也正是由于智能体通过定义学会了学习与记忆，部署 OpenClaw 便有了一个花名——“养龙虾”。

更具现实意义的是，AI记忆可以将算力消耗从“重复计算”转为“高效复用”，显著降低了计算开销和延迟，使长上下文处理变得可行且经济，并且能从根本上解决一些智能体功能调用因经济性过差无法实现商业化的痛点。

当然，目前AI记忆作为一项产业，也只是在早期。更长的、更专业的面向B端的AI记忆范式也有待更为具体和定制化的开发。

“我们认为，目前的AI记忆行业还在1.0时代，该模式是将准备存入记忆的数据进行提前计算，让其简化或易于计算。目前，绝大多数AI记忆企业都在这个领域进行投入或研发。”张强（化名）告诉记者。

“下一代可能是在当前基础上进行额外投入或方法迭代，因为本身这些工作都会和AI模型的结构有非常大的关联，所以记忆与AI智能本身可能呈现正交关系。因此记忆在技术上是非常有挑战，并且大家都需要，应用场景也非常丰富的领域。”他表示。

巨大的市场空间

根据数据研究机构 Mordor Intelligence 预估，作为独立基础设施的 Agent 编排与记忆系统，到2030年产值约284.5亿美元。而作为记忆最强刚需场景的AI智能体，到2030年市场规模约503-526亿美元。

而如果按照张强（化名）告诉记者的“AI智能与AI记忆呈正交关系”的预测，以上市场规模可能只是一个保守的计算。

简单来说，AI记忆的市场空间，取决于它能给AI智能创造的能力空间与经济集约效益。AI智能创造的经济规模越高，AI记忆的空间自然而然会变得更大。

在硅谷，资本已经注意到了AI记忆的潜力。

去年，美国公司Mem0在2025年10月完成2400万美元A轮融资，其通用记忆层已成为亚马逊旗下AWS Agent SDK的独家提供商。中国公司红熊AI紧随其后，于12月完成8000万元人民币Pre-A+轮融资，估值达7.5亿元，其“类人”三级记忆系统引发关注。

同期，中国企业记忆张量、穗升科技等初创公司获得融资，正逐步走向台前。而业内知名的、由盛大集团孵化的 Evermind 则在一定程度上成为全球AI记忆领域的重要玩家。

“模型角度，更长的上下文与记忆能力突破和更强的自主思考、反思、创造的能力。”浙商证券在其研报中指出：“展望2026年，模型演进将聚焦于超长上下文记忆、全模态感知与世界模型。AI正从辅助副驾驶Copilot跃迁至交付结果的Agent，其处理复杂任务的时长有望跨越8小时临界点。碎片化任务向端到端项目交付的能力提升，标志着AI正式从提效工具演变为可规模化部署的数字劳动力，实质性触发第四次工业革命。”