简介
记忆作为人工智能的核心，随着智能体和具身智能的高速和深入发展，其地位和重要性愈发凸显。本论坛将围绕具身智能以及智能体的融合记忆系统展开，从不同的层次和角度，探讨记忆系统的前沿研究、技术挑战、实际应用以及落地案例，包含系统架构、性能瓶颈、安全与隐私以及未来发展等方方面面的深入剖析和碰撞，出发新的灵感，持续推动记忆系统的前沿创新和实际落地。
简介为官网原文，部分内容可能未写完。
人员
主席
- 宋继强 · 英特尔中国研究院
嘉宾
- 仉尚航 · 北京大学
- 毛世杰 · 联想研究院
- 蔡建涛 · 腾讯
- 张益民 · 眸深智能
- 吴向斌 · 英特尔中国研究院
报告安排
开场致辞
宋继强 · 英特尔中国研究院
让机器人像人一样运动和思考
仉尚航 · 北京大学
简介
具身多模态大模型引领了人工智能与机器人融合研究的新范式，而现实世界中的具身智能体往往面对开放环境中跨本体、跨场景、跨任务等泛化性挑战，如何以具身大模型为基础让机器人像人一样运动和思考成为关键难题。本次报告将介绍一系列关于具身多模态大模型的研究工作，包括具身大脑大模型、具身智能端到端视觉-语言-动作大模型、具身世界模型，并最终介绍从一体化到自进化的技术路径。
机器人与行业智能最新实践
毛世杰 · 联想研究院
简介
本报告以图灵对机器智能的经典设想为起点，系统分析了机器人技术的发展历史与当前现状。报告提出了一套构建现代机器人应用的系统框架，详细阐述了其中的硬件基础、整体方案及核心算法。在此基础上，全面剖析了当前机器人在各行业领域的最新应用实践，并对机器人未来的智能化发展方向提出了前瞻性展望。
工业级通用智能体记忆：Marvis 记忆系统架构设计与实践
蔡建涛 · 腾讯
简介
记忆能力是智能体执行复杂任务、保障跨会话一致性的核心基础。当前主流智能体普遍采用"上下文压缩 + 文件持久化"的记忆架构，面临上下文压缩失真、关键信息缺失、对话连贯性不足、记忆检索精度低、记忆冲突与语义漂移、任务经验复用效果差等突出问题。本报告将深入介绍 Marvis 自研的长短分层记忆系统：在短期记忆层面，创新性提出"轮间-轮内"双轨压缩机制——轮间压缩以全局对话连贯性为优化目标，轮内压缩聚焦单任务执行精度；在长期记忆层面，持续迭代优化记忆抽取、经验巩固、冲突消解与时序遗忘算法，重点构建面向任务经验的进化型记忆体系，并通过记忆锚点注入、异步消息注入、智能体自主翻查等全套记忆注入机制，实现智能体任务能力的持续沉淀与迭代优化。
符号方法与大模型融合的具身智能体长期记忆
张益民 · 眸深智能
简介
具身智能体架构中长期记忆是一个非常关键的部分，但目前已有方案仍然面临大模型幻觉、可解释性差等难题。另外我们认为记忆不仅仅是简单的存储，它还可以为世界模型、持续学习、因果推理提供基础。本报告将深入梳理智能体记忆在人工智能学术史上的历史渊源和近期相关进展，并分享我们符号 大模型混合方法方面的研究，尤其是面向养老服务的具身智能体长期记忆统一架构，也将展望未来该架构与世界模型、持续学习、因果推理等方面的结合。
具身记忆的不可能三角：时延、能效与隐私下的异构系统设计
吴向斌 · 英特尔中国研究院
简介
具身智能体长期运行于物理世界，其记忆系统同时面临三重约束：控制回路要求记忆读写在毫秒级完成；本体功耗与散热预算有限，持续的写入、检索与巩固须以极低单位能耗实现；个人与场景记忆高度敏感，数据应尽量留在端侧。低时延与隐私共同推动计算下沉本体，能效上限却使单一算力单元难以承载完整记忆负载，三者构成具身记忆的“不可能三角”。本报告从系统视角剖析这一矛盾：把记忆的编码、检索与巩固纳入控制回路的时延与能耗预算，深入探讨面向异构硬件的记忆分层映射与调度，实现隐私可控、软硬件协同的记忆架构。