2026年上半年，记忆从一个技术概念变成了一个 行业 赛道。

5月底，腾讯云 发布了 Agent Memory， 长期记忆 准确率从48%拉升至76%。 刚刚过去的 7月 ，阿里云 在数据库产品线密集布局 Agent记忆能力 。 同时，火山引擎 Viking团队 也 开源 了 OpenViking 项目 ，将 Token消耗成本 降低91%，GitHub Star突破2.1万。

记忆行业的 融资落地同步 在 加速。

7月，记忆张量完成亿元级Pre-A轮融资，投资方 以天使为主， 包括华为哈勃和荣耀战投。 同期， 红熊AI完成数亿元A+轮融资，投后估值近30亿元。资本开始用真金白银投票 记忆赛道 。

根据爱分析测算， 记忆市场规模 2027年将达到78.5亿元，到2030年市场规模将增长至642.5亿元，期间复合增速超过110% 。如此可观的市场规模，使得各路玩家竞相下场。那么， 到底 哪些厂商 在参与这场 记忆的 竞争？

01 各路厂商会师 “记忆”，五类玩家撑起新兴赛道

爱分析在调研20余家厂商后发现，当前中国记忆市场的参与者可以归纳为五个类别。有意思的是，大家都挂着记忆的招牌，心里盘算的却是完全不同的生意。

云大厂 从 数据库 出发 ，想把记忆做成存储基础设施的一次AI升级，把熟悉的客户顺手迁过来。模型厂商则把记忆当成让自家模型更聪明、 消耗 更多Token的附属能力，记忆好不好用，关键看能不能喂饱模型。独立记忆平台强调不站队任何模型，把记忆抬到与基础模型并列的独立数据主权资产，靠中立性撕开 市场 缺口。企业记忆应用厂商从业务效果倒推，把记忆当作推理的前置引擎，谁能帮营销多转化，谁就赢。消费记忆产品最激进，干脆让用户为记忆本身付费，把后台能力变成前台商品。

这五类玩家 资源禀赋不同，下注 的方向也不一样 ，基本逻辑是屁股决定脑袋 。有人 认为， 记忆 会率先 引爆开发者生态 、成为 Agent基础设施； 有人 认为记忆天生是 B端 企业 属性，必须主攻企业市场商业化；有人认为记忆驱动的消费硬件将成为 2027年的现象级产品， 消费者会直接买单。

图 1：记忆市场玩家分类图谱

02 云大厂：从数据库团队长出记忆产品，记忆被定义为下一代数据库

云大厂是记忆市场 最为积极 的玩家 ，特别是数据库团队 。腾讯云Agent Memory由TencentDB数据库团队主导，阿里云 也是在数据库产品线上寻求记忆产品的突破，而火山引擎年初开源的项目 OpenViking，同样源自VikingDB 向量数据库团队。

云大厂的核心出发点是一致的 ， 记忆是数据库能力的自然延伸。腾讯云数据库副总经理罗云判断，未来的数据库需要管理Agent组织，主Agent与 子 Agent之间的权限授予、主备切换、数据多版本管理，这些过去是数据库的边角料需求，现在变成了核心命题。

阿里云数据库资深产品专家葛双博的判断更加形象，模型决定 AI多聪明，数据库决定AI能跑多远，AI的上限由模型决定，下限由数据库决定。

爱分析认为，不仅是云大厂，现在的 数据库 厂商预计未来 都 会 把自己定义为AI记忆公司 ，在数据库厂商视角中， 记忆本质上是AI时代的数据存取系统。

从竞争维度 来看 ，云大厂在记忆赛道上的优势 也是从数据库延伸而来，其 底层向量数据库和海量数据存储经验 ， 是 其他 厂商难以 短期 追赶的积累。 同时，云大厂的数据库拥有成熟的 企业级安全合规体系 ， 降低了企业采购时的合规顾虑。

但爱分析 认为 ，云大厂 做 记忆面临两个核心约束。

第一，视角天然偏向存储与检索，关注的是记住什么、怎么存、怎么取，而对记忆的全生命周期管理，包括什么时候该记、该忘、该合并、该覆盖 、如何迭代进化 ，关注 度 不足。

第二，资源投入不足 ，有鸡肋嫌疑 。 云大厂的 记忆团队通常是数据库部门的子项目，人力配置和战略优先级 并不高，这与记忆在未来 AI   Infra的地位并不相符，极可能成为鸡肋。

云大厂是当前 记忆 市场上产品化程度最高、最容易被客户理解和采购的品类形态，但 它 解决的核心问题是存储基础设施的AI升级，而非 推动 A gent更好的 积累经验 以及自我进化 。

03 模型厂商：让记忆服务于模型生态，记忆是增强能力而非独立产品

模型厂商做记忆的出发点和云大厂完全不同 ，他们的出发点是为了让模型能力更强， Token消耗更多 。 更重要的是，模型厂商都将持续学习作为下一个跃迁能力点，而记忆就是实现持续学习的必备基础。比如，智谱做 GLM-5.2规划时，就将记忆作为要关键突破的技术。

智谱创始人唐杰在 2026年初的内部信中，明确将记忆列为下一代模型的核心命题，“已经广泛使用近10年的Transformer架构显露出不足，包括超长上下文的计算开销、记忆机制、更新机制等。”

模型厂商 这条路径的核心逻辑 ， 是把记忆定义为模型的附属增强能力 ，其记忆 的架构设计天然 倾向于自身的 模型生态，记忆的价值通过模型 或者 Agent 效果提升来体现。 因此，在模型厂商认知中，记忆要让自身的 模型更好用，记忆本身不独立于模型而存在。

从竞争维度 来看 ，模型厂商的优势来自 于 模型主战场的势能溢出 ，尤其突出的就是数据飞轮。用户调用模型过程中，产生了大量可以用于提升记忆能力的数据，这些数据会用于下一代的记忆架构调优。

但安全合规是模型厂商最明显的软肋。他们的治理体系要求用户数据必须闭环回流、服务于自家模型，这种把所有隐私数据攥在自己手里不放开的做法，天然踩在合规的灰色地带上。

爱分析判断，模型厂商做记忆有一个解不开的结，记忆系统从一开始就被绑死在自己的模型生态上，想把它用到别家模型或别家应用里，几乎没有空间。

04 独立记忆平台，率先提出自进化

独立记忆平台的出发点 是另一个思路，他们 不把记忆视为某个数据库或某个模型的附属功能，而是将其定义 为与基础模型并列的 独立 AI Infra 。

这条路径的核心主张 ， 可以归纳为三点。

第一，记忆的中立性本身就是最大的价值。模型的边界在无限扩张，不可抑制的吸收全人类的知识、个人的经验、企业的 Knowhow，这对于商业世界造成巨大的破坏。记忆的中立性，使其成为AI时代最强的数据主权象征，避免个人与组织被模型蒸馏成为“废弃物”。 MemVerge联合创始人范承工表示，“ 无论是个人还是企业，都应该有自己的一套记忆系统 ”。

第二，记忆 是 AI时代最先提出自进化的代表。 质变科技 CEO占超群在交流中表示，“ 记忆是智能体进化的基础设施。 ” 记忆 每天都在接收新的数据，通过持续的 反思、 验证、 遗忘 、冲突管理等方式自进化 。 相比模型的数据飞轮，独立记忆平台的数据飞轮更加完美，因为其进化过程发生在终端的个人、组织一侧，是自发完成的，不需要人的参与。

第三，独立记忆平台的兼容性强， 可以和任何模型、任何应用组合，这种架构自由度是 其他类型玩家 无法提供的。

从竞争维度 来看 ，独立平台的优势在不同维度上各有体现。

首先，独立记忆平台都在训练专注于记忆的小模型。参考人脑，小参数模型更适配记忆体系。一方面，推理调用记忆时响应速度必须快，大参数模型会导致延迟。另一方面，从数据主权角度出发，记忆未来的趋势是端侧或者本地化的模型，小参数模型算力需求低、更加契合需求。

其次， 产品能力方面，独立平台覆盖了记忆全生命周期 。以质变科技为例，其 workspace、project、actor三层架构实现了组织记忆与个体记忆的协同。在企业内部，法务部门、研发部门、运营团队各自的数据沉淀在不同的project中，但在同一个workspace下协同演进。这套组织记忆堆叠体系，目前在其他记忆产品中几乎看不到同类设计。

05 企业记忆应用厂商，从业务效果倒逼记忆能力

企业记忆应用 厂商 走了一条更直接的路 ， 从业务效果反向定义记忆。 他们 的核心出发点 是，更好的推理效果来自于 记忆 优化 ， 由此可以彻底颠覆传统企业应用软件。通过 先调记忆再 调 模型， 执行效果大幅 提升 ， Token消耗 也显著 降低。

红熊 AI温德亮在访谈中表示，“ 这个行业最后一定不是讲谁技术最好，而是讲谁商业化最好。 ” 这条路径的核心优势 正是 在于商业验证最直接。 企业 客户不关心记忆的技术架构，只关心 记忆驱动的 客服机器人 回复效果是否有提升、 营销转化率 是否有 提升 ， 以业务效果为唯一检验标准。 目前， 客服、营销、教育 等 场景 在率先落地企业记忆应用 。

爱分析判断，这条路径的局限在于 场景的泛化性 。以垂直场景倒逼记忆能力建设，可能在单个场景做到最好，但跨场景的抽象度和可复用性不足。在客服场景中验证的记忆驱动推理逻辑，能否迁移到金融风控、工业运维、医疗诊断等场景，尚未被证明。

06 消费记忆产品，等待爆品出现

消费记忆产品走了一条更激进的路 ， 不让记忆隐身为后台基础设施，而是让 它 成为用户愿意直接付费的前台产品。

他们 的核心出发点是一个直觉式的判断 ， 一个人很大程度上就是其记忆堆积而成的，为记忆付费是 消费者 最自然的需求。

消费记忆产品主要有软件、硬件两种形态。

软件形态的核心理念，是将各个 AI应用中的对话和Agent轨迹统一回流到一个记忆中心，当用户发起需求时，基于记忆重写上下文、分发至合适的AI应用，最终交付最优结果。

消费记忆产品的硬件形态，是 always-on的音频或者视频随身设备。通过记录用户全天候的音视频数据，成为最懂用户的精神陪伴者。

显然， 消费记忆应用的优势在于用户粘性。当用户将跨平台、跨模型的AI交互历史全部沉淀到一个记忆 软件或者硬件中 ，迁移成本会随着时间指数级上升。

爱分析判断，消费记忆 硬件 产品 在长期视角中成长空间更大，因为其记忆来自于物理世界而非数字世界，是当下最为稀缺的数据资产。但硬件产品不止依赖记忆技术本身的发展，也受制于硬件本身。比如， always-on视频设备的续航、端侧多模态数据处理能力等。

07 AI记忆，到底从哪里引爆？

五类玩家各自押注了不同的爆发点，但记忆到底从哪里引爆，目前尚没有清晰的趋势。不同的引爆点，决定了不同类型厂商的路径选择。

爱分析认为，记忆市场终局一定是与推理深度融合的。这里的推理不光是逻辑推理，也包括情感等维度。比如， “记忆+逻辑推理”代表着更好的工作成果，“记忆+情感推理“代表着更好的生活状态。因此，记忆的技术与产品的优劣不能仅仅比拼记忆召回效果、Token消耗量，而应当围绕任务执行的成功率来衡量。

当记忆市场的 benchmark转换为任务效果比拼时， 才是记忆竞争真正意义上的开局。

爱分析即将发布《 2026年·爱分析中国记忆市场研究报告》，基于对20余家记忆相关厂商的系统调研，完整呈现各个厂商在竞争象限中的表现，欢迎持续关注。