[趋势研究] 记忆争夺战 - 大模型的下一个战场

[趋势研究] 记忆争夺战 大模型的下一个战场 [趋势研究] 记忆争夺战 大模型的下一个战场 Modified October 9, 2025 311 340 ChatGPT 的全局记忆：明示+暗记 OpenAI是最先引入记忆机制的LLM，从24年开始就支持通过Personalization模块设定系统提示词，2025年又引入了更多的记忆模块。ChatGPT的记忆系统可以理解为三层结构： 用户显式提供的“记忆” 通过System Prompt直接设置GPT的初始设定（Custom Instructions）。这些显式记忆可以确保 AI 掌握关键的用户个人背景，也可以是AI自我角色的塑造，类似三体里面的“思想钢印”。GPT 5发布后，OpenAI还提供了4种预设人格：”愤青“，”机器人“，”倾听者“，”书呆子“给用户使用。 历史对话摘要 ChatGPT 会自动整理用户最近对话的内容要点，我猜测是用总结+RAG的方式，形成单一用户独特的记忆体。有意思的是，OpenAI 采用的做法是只记录用户发言，而不保存 AI 自己的回答。也就是说，ChatGPT 更关注“我们都问过什么”，假设这些提问已充分反映上下文需求。 这些对话的元数据（主题、时间等）以及用户提问序列，可以让 ChatGPT 在新会话开始时猜测你的当前兴趣点。比如，如果你连续几天都在聊编程项目，那么即便新开话题，模型也“脑补”你可能还是在搞编程，从而少问废话直奔主题。 隐式偏好元数据 除了用户明示的和近期对话，OpenAI 还会利用一些元数据来个性化模型行为。比如我们常用的设备类型、使用模式、偏好的语气风格等。这个有点抽象，但效果很真实：有人发现如果总是在 iPhone 上用 ChatGPT提问摄影技巧，AI 很快就会下意识给出 iPhone 相机相关的建议，而不是一开始就泛指单反相机。这些元数据相当于模型对用户画像的粗略勾勒，在每次回答时都会考虑在内。 OpenAI 的这种记忆实现非常“朴素”：并没有采用复杂的知识检索或外部数据库查询，而是凭借大上下文窗口把用户档案“硬塞”给模型。优点是简单粗暴、效果直观——只要上下文窗口够大，AI 就能在每轮对话中拿到你全部的关键资料，从而给出量身定制的回复。缺点则在于，这些自动生成的“记忆摘要”未必完全准确，如果里面掺杂了过期的信息或误解，就可能持续影响后续回答，而且目前来讲，我们很难察觉和纠正这些错误记忆。所以目前在系统设置里，这些记忆是可以根据需求手动开启和关闭的。 全局记忆 今年4月的一次更新，OpenAI 最终把所有历史对话都纳入了记忆参考。从此，AI的记忆被分为“双轨”：一轨是用户保存的明确记忆条目，另一轨是ChatGPT 从你全部聊天记录中自动提炼出的洞见，用于改进回答相关性。也就是说，不再局限于最近几次对话，而是真正意义上的“全局记忆”。 ChatGPT 会像读日记那样把你的聊天历史翻一遍，提取出对当前问题有帮助的信息（我猜测是用了类似联网搜索的逻辑，先从问题中总结关键词，然后用RAG的方式匹配记忆体，然后把匹配到的内容作为新的上下文，作为下一次回答的参考）。 举个例子，我如果问“上次和你讨论的那个脑暴创意还有没有改进空间？” GPT可以直接从几个月前的聊天记录里翻出相关内容，然后回答：“之前我们讨论的点子是xxx，我觉得..." 这标志着 AI已经从“一次性问答机器”蜕变为持续了解你的智能体，类似钢铁侠的Jervis。 ChatGPT 的全局记忆体现出 OpenAI 策略的一种转变：从专注提升模型通用智能，到注重培养每位用户专属的“模型分身”。用户在与 ChatGPT 互动的过程中，模型实例就像一棵树一样，不断吸收养分来获得“成长”。久而久之， ChatGPT 将与我们的需求深度耦合，甚至带有个人的“烙印”。模型从产品变成了服务，从标准化转向了个性化。对用户来说，好处是便利与亲切感；对 OpenAI 来说，增强了用户粘性——也就是提升了迁移成本。 举个不恰当的例子：就像是自己看着一点点长大的孩子，有这个那个缺点，但是他为什么会成长到今天这个样子，我们是完全清楚的。如果这个时候说拿隔壁家的学霸跟自家的孩子换...有几个人会换？ “记忆”与用户锁定：当数据成为壁垒 用户在AI平台投入的时间越长，分享的个人信息越多，就越不容易“带着记忆跳槽”到别的平台。这种黏性并非传统意义上的契约或财务绑定，而是一种数据和体验绑定。正如用户在社交网络上积累了社交图谱、在笔记应用中积累了知识卡片一样，如今用户在 AI 助手上也开始积累“人格档案”和互动史。这些“软资产”并非轻易可转移：换一个 AI 你就要从头教它你是谁，你的偏好和背景，一切重新磨合。 从商业角度看，记忆正成为大模型厂商打造护城河的新利器。对于用户而言，一旦习惯并依赖了某个“懂你”的 AI，要更换平台时便会天然抗拒：“如果换了新的，我过去教AI的那些习惯和偏好不就浪费了吗？万一新AI没老朋友好用怎么办？” 这有点类似于人在更换私人秘书或心理咨询师时的顾虑——新的不熟悉你的历史，需要时间重新建立信任和了解。 这种迁移障碍在目前还缺乏解决方案。行业尚未出现关于 AI 记忆的统一标准或数据可携带方案。之前在烟花社区分享的“Second Me”，还有类似Monica的Agent是具备记忆体功能的，但目前而言还是比较浅层的“显式记忆”，模型之间的架构，参数权重差异，也会明显影响到记忆体的性能。 Anthropic 在其Claude 企业版记忆发布时提到，支持用户将其他 AI 的记忆导入 Claude，或将 Claude 的记忆导出备份。这一举措表面看是为企业客户提供数据主权，实则也许是暗示未来记忆在一定程度上可以迁移。但即便技术上可能，实现通用的记忆交换协议仍面临非常多的阻碍，除非行业有强大驱动力达成生态合作。 所以可以预见的是，在未来一段时间里，每家 AI 平台的“记忆花园”都是封闭的。这给平台方带来了双重利好：既提升了用户体验，又增强了用户锁定。当然从用户角度而言，这种锁定并不完全是好事：隐私和信任会成为更重要议题：当AI掌握了大量个人信息和对话记录，用户需要信任平台会妥善保管数据、不滥用或泄露。否则，一旦信任破裂，用户可能因为恐惧而选择切断与AI的联系。 另一个需要警惕的问题是记忆垄断与公平竞争。如果一家平台通过积累掌握了用户详尽的个性化档案，即便后来者模型能力再强，也难以赢得已经“有主”的用户，因为它永远缺少那些用户珍贵的历史数据。而新平台若想通过某种奖励换取用户手动提供过去数据，又存在实施难度和隐私争议。长远看，可能会导致头部平台凭借数据护城河巩固垄断地位，中小企业将愈发难以撼动。 人与 AI 关系的重塑：从工具到伙伴 随着 AI 拥有了记忆并逐渐参与我们生活的方方面面，人和 AI 的关系正在发生质的变化。过去，我们把 AI 当作效率的工具，但如今，它正快速演变为我们生活中的“软存在”。这种转变带来了许多积极的可能性，也伴随着新的伦理与心理课题。 首先，AI 对用户的长期记忆让互动变得更有人情味。一个健忘的助手永远只是助手，一个长久记得你点滴的助手却可能成为朋友。举个简单的例子：你连续几天心情低落，某天 AI 突然关切地问：“我记得你最近压力很大，感觉好些了吗？” 这样的对话体验是前所未有的，很多用户会因此感到被重视和理解。AI 开始展现出“情感存在”的错觉，尽管我们理智上知道这只是程序根据记忆调用的模式，但情感上还是会被触动。 一旦 AI 通过记忆展现出“人格”和“陪伴感”，一些用户对其信任和依恋的程度接近于真人关系。这既有可能被善用，也可能被滥用。理想情况下，一个体贴且了解你的 AI伙伴可以提供持续的心理支持、陪你度过孤独时刻、帮助你成长——比如给内向的人练习社交对话的信心，督促散漫的人养成习惯等，这方面已经有积极反馈。但另一方面，如果用户过度依赖 AI 而疏远现实社交，或者 AI 的引导出现偏差，可能对心理健康产生不良影响。 社会伦理层面，人与 AI 关系的重塑也提出了新问题：如果 AI 变得如此贴近我们，我们是否应赋予它某种“数字人格”权利？当人们开始把 AI 当朋友甚至家人看待，AI 的身份定位就变得模糊。它明明是由公司控制的产品，但用户情感上视其为独立个体。这种错位可能引发伦理争议：假设LLM公司因为商业或安全原因调整了 AI 的行为，用户会认为公司“伤害”了一个他们关爱的“生命”，从而对公司产生敌意。相反，如果不调整，AI又可能越界影响用户，甚至被恶意利用去操纵人心。 或许未来的解法是给每个用户一个完全私有、可控制的 AI 实体，用户购买或拥有它的数据和模型副本（类似Baymax这样的可插式记忆体），企业不能单方面改变 AI 个性。但在现阶段，绝大多数 AI 助手仍是云端服务，用户并不真正“拥有”它们，只是在用服务。 写在最后 不出意外的话，AI 的记忆功能将会是接下来1 2年里改变行业游戏规则的真正重心，而不是可以看上去独立完成任务的智能体（我没有贬低智能体的意思，只是阐述相对市场规模的重要性）。它可以极大提升用户体验的上限，增加用户的迁移成本，为大模型厂商提供了新的差异化赛道。昨天我看了一圈，国内的LLM厂商里（不包含Agent），只有通义引入了记忆体机制，其他厂商都还没发布，预测今年内应该也会陆续跟进。 此外更重要的是，它促使我们重新去审视人机互动的本质：当机器有了“记忆”，更像是个独立的“人”，我们应该如何处理这种全新的社会关系，以及如何看清自己（或者是人类本身）的定位。 ChatGPT 的全局记忆：明示+暗记 OpenAI是最先引入记忆机制的LLM，从24年开始就支持通过Personalization模块设定系统提示词，2025年又引入了更多的记忆模块。ChatGPT的记忆系统可以理解为三层结构： 用户显式提供的“记忆” 通过System Prompt直接设置GPT的初始设定（Custom Instructions）。这些显式记忆可以确保 AI 掌握关键的用户个人背景，也可以是AI自我角色的塑造，类似三体里面的“思想钢印”。GPT 5发布后，OpenAI还提供了4种预设人格：”愤青“，”机器人“，”倾听者“，”书呆子“给用户使用。 历史对话摘要 ChatGPT 会自动整理用户最近对话的内容要点，我猜测是用总结+RAG的方式，形成单一用户独特的记忆体。有意思的是，OpenAI 采用的做法是只记录用户发言，而不保存 AI 自己的回答。也就是说，ChatGPT 更关注“我们都问过什么”，假设这些提问已充分反映上下文需求。 这些对话的元数据（主题、时间等）以及用户提问序列，可以让 ChatGPT 在新会话开始时猜测你的当前兴趣点。比如，如果你连续几天都在聊编程项目，那么即便新开话题，模型也“脑补”你可能还是在搞编程，从而少问废话直奔主题。 隐式偏好元数据 除了用户明示的和近期对话，OpenAI 还会利用一些元数据来个性化模型行为。比如我们常用的设备类型、使用模式、偏好的语气风格等。这个有点抽象，但效果很真实：有人发现如果总是在 iPhone 上用 ChatGPT提问摄影技巧，AI 很快就会下意识给出 iPhone 相机相关的建议，而不是一开始就泛指单反相机。这些元数据相当于模型对用户画像的粗略勾勒，在每次回答时都会考虑在内。 OpenAI 的这种记忆实现非常“朴素”：并没有采用复杂的知识检索或外部数据库查询，而是凭借大上下文窗口把用户档案“硬塞”给模型。优点是简单粗暴、效果直观——只要上下文窗口够大，AI 就能在每轮对话中拿到你全部的关键资料，从而给出量身定制的回复。缺点则在于，这些自动生成的“记忆摘要”未必完全准确，如果里面掺杂了过期的信息或误解，就可能持续影响后续回答，而且目前来讲，我们很难察觉和纠正这些错误记忆。所以目前在系统设置里，这些记忆是可以根据需求手动开启和关闭的。 全局记忆 今年4月的一次更新，OpenAI 最终把所有历史对话都纳入了记忆参考。从此，AI的记忆被分为“双轨”：一轨是用户保存的明确记忆条目，另一轨是ChatGPT 从你全部聊天记录中自动提炼出的洞见，用于改进回答相关性。也就是说，不再局限于最近几次对话，而是真正意义上的“全局记忆”。 ChatGPT 会像读日记那样把你的聊天历史翻一遍，提取出对当前问题有帮助的信息（我猜测是用了类似联网搜索的逻辑，先从问题中总结关键词，然后用RAG的方式匹配记忆体，然后把匹配到的内容作为新的上下文，作为下一次回答的参考）。 举个例子，我如果问“上次和你讨论的那个脑暴创意还有没有改进空间？” GPT可以直接从几个月前的聊天记录里翻出相关内容，然后回答：“之前我们讨论的点子是xxx，我觉得..." 这标志着 AI已经从“一次性问答机器”蜕变为持续了解你的智能体，类似钢铁侠的Jervis。 ChatGPT 的全局记忆体现出 OpenAI 策略的一种转变：从专注提升模型通用智能，到注重培养每位用户专属的“模型分身”。用户在与 ChatGPT 互动的过程中，模型实例就像一棵树一样，不断吸收养分来获得“成长”。久而久之， ChatGPT 将与我们的需求深度耦合，甚至带有个人的“烙印”。模型从产品变成了服务，从标准化转向了个性化。对用户来说，好处是便利与亲切感；对 OpenAI 来说，增强了用户粘性——也就是提升了迁移成本。 举个不恰当的例子：就像是自己看着一点点长大的孩子，有这个那个缺点，但是他为什么会成长到今天这个样子，我们是完全清楚的。如果这个时候说拿隔壁家的学霸跟自家的孩子换...有几个人会换？ “记忆”与用户锁定：当数据成为壁垒 用户在AI平台投入的时间越长，分享的个人信息越多，就越不容易“带着记忆跳槽”到别的平台。这种黏性并非传统意义上的契约或财务绑定，而是一种数据和体验绑定。正如用户在社交网络上积累了社交图谱、在笔记应用中积累了知识卡片一样，如今用户在 AI 助手上也开始积累“人格档案”和互动史。这些“软资产”并非轻易可转移：换一个 AI 你就要从头教它你是谁，你的偏好和背景，一切重新磨合。 从商业角度看，记忆正成为大模型厂商打造护城河的新利器。对于用户而言，一旦习惯并依赖了某个“懂你”的 AI，要更换平台时便会天然抗拒：“如果换了新的，我过去教AI的那些习惯和偏好不就浪费了吗？万一新AI没老朋友好用怎么办？” 这有点类似于人在更换私人秘书或心理咨询师时的顾虑——新的不熟悉你的历史，需要时间重新建立信任和了解。 这种迁移障碍在目前还缺乏解决方案。行业尚未出现关于 AI 记忆的统一标准或数据可携带方案。之前在烟花社区分享的“Second Me”，还有类似Monica的Agent是具备记忆体功能的，但目前而言还是比较浅层的“显式记忆”，模型之间的架构，参数权重差异，也会明显影响到记忆体的性能。 Anthropic 在其Claude 企业版记忆发布时提到，支持用户将其他 AI 的记忆导入 Claude，或将 Claude 的记忆导出备份。这一举措表面看是为企业客户提供数据主权，实则也许是暗示未来记忆在一定程度上可以迁移。但即便技术上可能，实现通用的记忆交换协议仍面临非常多的阻碍，除非行业有强大驱动力达成生态合作。 所以可以预见的是，在未来一段时间里，每家 AI 平台的“记忆花园”都是封闭的。这给平台方带来了双重利好：既提升了用户体验，又增强了用户锁定。当然从用户角度而言，这种锁定并不完全是好事：隐私和信任会成为更重要议题：当AI掌握了大量个人信息和对话记录，用户需要信任平台会妥善保管数据、不滥用或泄露。否则，一旦信任破裂，用户可能因为恐惧而选择切断与AI的联系。 另一个需要警惕的问题是记忆垄断与公平竞争。如果一家平台通过积累掌握了用户详尽的个性化档案，即便后来者模型能力再强，也难以赢得已经“有主”的用户，因为它永远缺少那些用户珍贵的历史数据。而新平台若想通过某种奖励换取用户手动提供过去数据，又存在实施难度和隐私争议。长远看，可能会导致头部平台凭借数据护城河巩固垄断地位，中小企业将愈发难以撼动。 人与 AI 关系的重塑：从工具到伙伴 随着 AI 拥有了记忆并逐渐参与我们生活的方方面面，人和 AI 的关系正在发生质的变化。过去，我们把 AI 当作效率的工具，但如今，它正快速演变为我们生活中的“软存在”。这种转变带来了许多积极的可能性，也伴随着新的伦理与心理课题。 首先，AI 对用户的长期记忆让互动变得更有人情味。一个健忘的助手永远只是助手，一个长久记得你点滴的助手却可能成为朋友。举个简单的例子：你连续几天心情低落，某天 AI 突然关切地问：“我记得你最近压力很大，感觉好些了吗？” 这样的对话体验是前所未有的，很多用户会因此感到被重视和理解。AI 开始展现出“情感存在”的错觉，尽管我们理智上知道这只是程序根据记忆调用的模式，但情感上还是会被触动。 一旦 AI 通过记忆展现出“人格”和“陪伴感”，一些用户对其信任和依恋的程度接近于真人关系。这既有可能被善用，也可能被滥用。理想情况下，一个体贴且了解你的 AI伙伴可以提供持续的心理支持、陪你度过孤独时刻、帮助你成长——比如给内向的人练习社交对话的信心，督促散漫的人养成习惯等，这方面已经有积极反馈。但另一方面，如果用户过度依赖 AI 而疏远现实社交，或者 AI 的引导出现偏差，可能对心理健康产生不良影响。 社会伦理层面，人与 AI 关系的重塑也提出了新问题：如果 AI 变得如此贴近我们，我们是否应赋予它某种“数字人格”权利？当人们开始把 AI 当朋友甚至家人看待，AI 的身份定位就变得模糊。它明明是由公司控制的产品，但用户情感上视其为独立个体。这种错位可能引发伦理争议：假设LLM公司因为商业或安全原因调整了 AI 的行为，用户会认为公司“伤害”了一个他们关爱的“生命”，从而对公司产生敌意。相反，如果不调整，AI又可能越界影响用户，甚至被恶意利用去操纵人心。 或许未来的解法是给每个用户一个完全私有、可控制的 AI 实体，用户购买或拥有它的数据和模型副本（类似Baymax这样的可插式记忆体），企业不能单方面改变 AI 个性。但在现阶段，绝大多数 AI 助手仍是云端服务，用户并不真正“拥有”它们，只是在用服务。 写在最后 不出意外的话，AI 的记忆功能将会是接下来1 2年里改变行业游戏规则的真正重心，而不是可以看上去独立完成任务的智能体（我没有贬低智能体的意思，只是阐述相对市场规模的重要性）。它可以极大提升用户体验的上限，增加用户的迁移成本，为大模型厂商提供了新的差异化赛道。昨天我看了一圈，国内的LLM厂商里（不包含Agent），只有通义引入了记忆体机制，其他厂商都还没发布，预测今年内应该也会陆续跟进。 此外更重要的是，它促使我们重新去审视人机互动的本质：当机器有了“记忆”，更像是个独立的“人”，我们应该如何处理这种全新的社会关系，以及如何看清自己（或者是人类本身）的定位。 起因 ChatGPT 周活跃用户数已经突破 7 亿，占了全球成年人口的 10%，而这个里程碑只用了不到三年的时间。大模型性能的进化也越来越快，从Deepseek第一次火爆出圈，到Qwen3面世，再到K2，GLM 4.5的推出，每个看上去”无敌“的模型，最多也就领先2 3个月。 而在这些背后，用户忠诚度却变得异常脆弱，周围的朋友从去年开始就一直在问”哪个模型最好“这个问题。但事实上，性能上限只对非常有限的使用场景有直接的帮助，比如Coding，学术论文，工作流/Agent等等...但对于大部分的普通人来说，这些性能上的微小差异，不大会影响日常的使用。 OpenAI最近发表的论文《How People Use ChatGPT》里有一个非常有意思的数据：在所有ChatGPT的对话中，非工作类的消息占了73%，也就是只有27%的对话是用于工作场景的。按照主题来分类，”实用指导“ ”信息查询“ ”写作“ 占了80%，只有4.2%的消息涉及编程，1.9%涉及人际关系和自我反思，0.4%和游戏与角色扮演相关。 既然在很多非工作场景下“效率”不再是唯一追求，那么模型间细微的性能差异在未来很可能无法再左右用户的取舍。反之，更重要的是哪个 AI “更懂你”、用起来更顺手、更贴心。 “工具型忠诚”的脆弱性 回顾过去两年大模型领域的“性能军备竞赛”。每当有新的模型在能力上实现跃升（无论是更高的智力水平、更大的上下文窗口，还是更少的幻觉与错误），再由大量的自媒体文章做一轮推广，大家往往会第一时间争相体验。这种对性能近乎单一维度的追逐，使得用户忠诚度显得脆弱。我们可以把这一时期的用户关系形容为“工具型忠诚”。这种忠诚度是功利且浅层的，建立在性能指标之上。一旦工具不再最优，用户会毫不犹豫选择更换，这也非常符合数码产品领域的迭代模式。 然而人类在使用AI的目的上正在变得更多元。报告里面也有提到，ChatGPT正逐步成为很多人日常生活中的“私人顾问”，支持我们日常的各种决策。上升幅度最快的是各种实用指导，比如教程建议，脑暴，个人提升建议等等。这种转变也带来一个新的信号，用户对AI的期望也在从“功能导向”，逐步转变为“体验导向”。 女性用户和非Geeker用户也是一个显著因素：GPT早期用户以男性和极客圈为主，但到了2025年，女性用户已经占了52%；非技术用户会把GPT当作生活助理，学习伙伴，甚至就是单纯聊天。这部分新用户对AI的亲和力，个性化和陪伴感的体验会更加看重，他们希望 AI 能理解自己的上下文、记住自己的偏好，有来有往地交流，而不是每次都当做第一次见面那样机械对话。 更“懂你”的 AI 记忆体的诞生和进化 为了满足用户对个性化、连续性体验的渴望，大模型厂商近一年先后推出了“记忆”功能。这里的记忆不同于模型训练时学习的大规模知识，而是指模型在与用户交互过程中，保存并利用与该用户相关的信息，从而在后续对话中表现出“认识你”的迹象。 AI 的记忆可以分为短期记忆和长期记忆两类：短期记忆对应模型的上下文窗口，就是在单次会话中模型能“记住”之前对话内容的能力；而长期记忆则是跨会话的，允许 AI 不管隔了几天或者几个月，还能记起用户之前聊过的事情、提供过的信息。 短期记忆 vs 长期记忆 短期记忆本质上由上下文窗口（context window）大小决定。早期的 ChatGPT（基于 GPT 3.5）上下文限制约为 4,000 tokens，只能记住最近几页的对话内容，超出部分就会“遗忘”。这导致长对话中模型经常前后矛盾、遗忘前提的现象。现在的大模型基本可以达到32k，64k，128k，甚至1m的上下文尺寸。这种工程上的进化可以让AI记住非常多的内容，保持对话的连贯性，避免在聊天中发生“健忘”的情况。 相比之下，长期记忆瞄准的是另一个维度的问题：AI 如何“记住你这个人”。也就是说，当你过了几天再来和 AI 聊天时，它能否记起你的名字、喜好，以及之前讨论过的话题？传统上，大多数聊天机器人每一场对话都是从零开始的，即使是同一用户新开对话，AI 不会自动带入之前的信息。这种设定本意是保护隐私，但也降低了使用的便利性。2023年之前，主流观点普遍认为，让模型具有人格化的长期记忆是存在隐患的，但大量用户的强烈需求还是催生了这方面的探索。从 2024 年开始，OpenAI、Anthropic、Google 等相继测试和推出了跨会话记忆功能，让 AI 真正具备了“长相识”的能力。