简介
基于2026年2月秀湖会议的重要共识，学界与产业界进一步认识到，“记忆”正成为个性化智能体迈向长期智能的关键基础设施。本论坛以“个性化智能体的全景记忆技术”为主题，汇聚国家级高层次人才、杰青、长江学者及记忆智能独角兽企业创始人，共同探讨下一代智能体记忆体系的发展趋势与核心挑战 论坛聚焦从“局部记忆智能体”向“全景记忆智能体”的演进。论坛聚焦从“局部记忆智能体”向“全景记忆智能体”的演进，探索覆盖多模态、多场景、跨时间的统一记忆体系，实现对用户状态、偏好与目标演化的长期理解，支撑智能体长期认知与主动服务。论坛将围绕记忆生成、端侧演化、跨模态融合、记忆与推理协同等关键议题展开研讨。
简介为官网原文，部分内容可能未写完。
人员
主席
- 王茜莺 · 联想集团
- 马思伟 · 北京大学
嘉宾
- 王昊奋 · 同济大学
- 张宁豫 · 浙江大学
- Shawn Shen（沈俊潇） · Memories.ai
- 韩军功 · 清华大学自动化系
- 熊飞宇 · 记忆张量（上海）科技有限公司
- 李辉 · 联想集团
报告安排
全景记忆：2026智能体记忆技术十大趋势与挑战
王昊奋 · 同济大学
简介
面向智能体向长期陪伴伙伴演进的趋势，研判下一代智能体记忆领域十大核心挑战与前沿趋势。围绕统一记忆架构、多模态记忆、端侧隐私学习、记忆与推理协同、类脑记忆机制、用户动态建模、记忆可信治理、跨智能体记忆共享、记忆幻觉防控、主动情境服务展开探讨。畅想突破碎片化记忆困局的技术路线，展望具备长期认知能力的个性化智能体未来形态。
大模型智能体多模态记忆系统
张宁豫 · 浙江大学
简介
随着大模型智能体向长期运行、自主学习与持续交互方向发展，记忆能力已成为支撑智能体持续学习、个性化服务和复杂任务执行的关键基础。本报告围绕大模型智能体多模态记忆系统及其应用展开，构建面向文本、视频等多模态信息的统一记忆框架，实现多模态数据的高效存储、组织、管理与检索。同时，系统进一步面向移动设备提供端侧记忆能力，兼顾记忆效率与可靠性，为大模型智能体提供高效、可靠且易于部署的记忆基础设施，助力智能体实现长程、个性化和智能化的服务。
让 AI 记得住你:端侧视觉记忆与个人 AI 的下一步
Shawn Shen（沈俊潇） · Memories.ai
简介
今天大模型最大的缺口不是不够聪明,而是不记得你——所有"个性化"都停在几轮对话的上下文窗口里。我们在做的是一层视觉记忆(visual memory):把屏幕和摄像头持续看到的东西,变成可检索、可推理的长期记忆,而不是一堆躺着的录像。这一层跑在端侧,数据不出设备,配合 AI PC、手机和可穿戴上的算力,让 agent 第一次拥有跨天、跨应用、跨场景的个人上下文。我会讲我们在 Luci Desktop 以及与联想等 OEM 落地过程中踩过的真问题:记什么、怎么压缩、隐私边界怎么划、端侧模型的能力天花板在哪。最后聊一个判断:当每台设备都带上视觉记忆之后,个人 AI 的产品形态和数据飞轮会长成什么样。
面向个性化智能体的自演化技能沉淀与效率优化
韩军功 · 清华大学自动化系
简介
大模型智能体在真实办公场景中反复执行任务，却往往“用过即忘”，成功经验无法固化为可复用的能力，造成token与算力的持续浪费。本报告提出一种自演化技能沉淀框架：智能体在任务执行中自动将成功轨迹提炼为结构化、可检索、可组合的技能单元，作为程序性记忆纳入个性化记忆体系，实现“越用越聪明”。技能库随用户任务不断生长，形成千人千面的能力资产，使个性化与效率优化统一于同一路径。进一步地，沉淀的技能可用于小模型后训练，使3B级模型在办公任务上对标更大规模模型的表现，显著降低推理成本。报告还将介绍基于多节点GPU集群的自演化实验环境与沙箱，及在标准化基准上的量化验证结果。
Metis：从无状态大模型到记忆原生基础模型
熊飞宇 · 记忆张量（上海）科技有限公司
简介
本次报告将介绍“记忆基础模型”这一新范式，以及我们构建的首个原型 Metis。传统大模型在多轮交互中本质上是无状态的，历史信息通常依赖上下文回放、RAG 等外部模块；Metis 则在模型主干中引入可持续、动态演化的原生记忆状态，将历史交互压缩到模型内部，并通过记忆注意力参与后续推理。通过面向记忆的专项训练，Metis 能够在前向计算中自主完成记住、更新、遗忘和反思等记忆过程；推理过程中模型权重保持冻结，原生记忆状态仅通过无梯度的前向计算即可持续更新。报告还将结合实验结果，讨论这一技术路线在记忆压缩、跨轮状态保持、计算效率和长期个性化交互方面的能力与边界，以及它对下一代有状态、可演化智能体的意义。
AI Twin: 全景记忆驱动Agent走向智能分身
李辉 · 联想集团
简介
随着Agent从任务执行走向长期陪伴，如何让AI真正“懂你、像你、替你思考和行动”，正在成为下一代智能体的重要挑战。本报告从认知神经科学中的人类记忆机制出发，探讨记忆如何塑造个体认知、决策与人格，并进一步介绍基于全景多模态数据构建个性化记忆系统的方法。报告将分享一种受人类情景记忆、语义记忆与程序记忆启发的AI Memory架构，通过构建可演化的个性化记忆图谱，使Agent逐步实现“Know What I Know、Think What I Would Think、Do What I Would Do”，向具备长期认知连续性的智能分身（AI Twin）演进。结合真实用户研究与产业实践，报告还将讨论记忆驱动Agent的关键技术路径、应用场景及未来挑战