大模型的聪明程度，不应只看深度学习的“静态脑回路”。因为，层数再多，如果陷入训练即冻结的模式，也只能沦为知识固化的“笨大脑”。
真正的聪明，是需要像人类的大脑一样，兼具实时学习的“动态神经网络”与长期记忆的“海马体”，既能吸收政策变动、用户反馈等新数据，又能沉淀用户习惯、交互历史，形成专属记忆图谱，让模型进化为智能体。
但是，理想很丰满，现实很骨感。
行业现状：几家巨头抢跑“记忆赛道”
目前，已经有一部分大模型厂商意识到长期记忆的价值，并进行了探索。谷歌、OpenAI、微软等科技巨头，纷纷推出了自己的长期记忆解决方案。
2024年12月，谷歌发布了关于Titans的论文，阐释其通过将新增知识压训至神经网络，具备了神经长期记忆技术能力，能做到200万tokens的长期记忆。
同样是在2024年，OpenAI推出了ChatGPT Memory版本。而且在今年4月份，宣布了重大升级：AI将记住你的聊天历史，对话中主动推荐你喜爱的电影演员新作，企业会议自动提炼发言要点，教师可定制个性化学习方案。
今年3月份，微软则通过KBLam技术，这是一种知识库增强的技术，能支持单卡200万tokens，适合结构化知识及专业领域的推理。
那么，他们实现的效果如何？
这几家在一定程度上提升了大模型的长期记忆能力，但谷歌的Titans模型记忆容量和推理效率有待提升；OpenAI的ChatGPT Memory版本主要依靠服务器存储；微软的KBLam技术则更多地适用于结构化知识领域。
在大模型记忆的探索上，行业越来越意识到，真正的长期记忆，必须长进神经网络里。
任度·归藏：让长期记忆长进神经网络里
难道没有一家有新突破吗？当然有。
如果你一直关注大模型行业，你会发现一家名为传神语联的人工智能公司，最近推出了任度·归藏大模型，主打实时学习与长期记忆。与前面的几家不同，任度·归藏通过对新增知识的高效、实时学习，将知识压缩进神经网络。相比于谷歌titans 200万tokens，任度·归藏可以实现500万tokens的长期记忆，能做到长文本理解、复杂任务推理、个性化对话、长期记忆用户习惯等。
值得注意的是，这是国内首个且唯一实现实时学习与长期记忆的大模型。
据了解，在2024年11月，传神语联就已经针对B端场景，发布了具备实时学习与长期记忆的任度大模型，当时还没有一家有这样的能力。任度·归藏则是面向C端，国内也暂未出现同类大模型，国外就是前面提到的谷歌、OpenAI、微软这3家。
由此可见，传神语联在长期记忆赛道上，有两大优势，一是“研究得早”，是先行者。二是“研究得好”，从理论到应用都十分成熟。
那么，任度·归藏是如何做到的呢？
任度·归藏能力的关键在于，其基于自研的机器学习框架zANN构建出来的创新性混合信息熵架构moH。这一架构颇有创新性，是由两个异构化神经网络组成：动态学习神经网络和基础推理神经网络。这两个网络通过共享嵌入层和表示层，巧妙地实现了数据实时学习和推理联动。
在处理用户信息时，外部数据在动态学习网络中训练完成后，其知识被压缩并嵌入到基础推理神经网络中，从而实现了长期记忆。
这种创新性的技术架构，使得任度·归藏具备了高效的学习和记忆能力，还保持了原有神经网络的稳定性和精准度。
大模型的下半场：拼“实时学习与长期记忆”
为什么这么判断呢？
因为究其根本，大模型核心能力在于对文本、图像、语音等多种数据的学习和模式提取。也就是说，只有实时学习用户数据，长期记忆用户知识，驱动用户决策，大模型才有大规模落地的可能。
但是，这个过程面临两个问题，一是如何高效处理海量数据，传统的“大数据+大算力+大模型”一体化架构在处理新增数据时，不能兼顾效率与模型稳定性；二是如何确保用户数据安全。很明显，数据安全问题是企业采用大模型时的一大顾虑，而且，企业把私有数据注入大模型，也会影响模型的推理能力。
如何解决？数推分离是很好的路径。这一方式将数据处理与推理引擎相分离，既高效处理数据，又确保数据安全。
其实，在2024年5月，OpenAI的掌舵人萨姆·奥尔特曼在演讲中提过，GPT-5或GPT-6可能尝试将数据与推理引擎分离。但他仅是提出设想，没有付诸行动。
传神语联就不一样了，理论行动都有。传神语联何恩培认为，“我们应该自信地站出来，因为数推分离是传神语联一直在做的事情，而且已经推出了相应的产品。”
何恩培所说的行动，要追溯到2021年。那时，传神语联在交付一个法律大模型，客户提出了新的需求，“我每天产生的新数据怎么办？能不能让大模型实时学习、实时处理新数据？”就这样，传神语联在法律大模型项目中创造性地实现了数推分离。
由此可见，传神语联对数推分离的研究是有深度的，是延续性的。这也解释了为什么传神语联能先于前面提到的几家国际大厂，在实时学习、长期记忆上能取得一系列进展。
当其他AI还在回答是什么，传神语联已经通过任度·归藏，开始思考为什么这对你重要；当大家还在卷参数，传神语联已经验证了大模型轻量化的智慧之路。可以判断，在大模型下半场，传神语联将凭借先发优势、技术优势，继续深耕实时学习与长期记忆，带来对大模型的超前探索。对于这样的局面，我们充满期待。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
