1天前，2026年4月，Primepoint完成了$10M种子轮融资。对一家成立仅两年、团队不足10人的公司而言，这个数字不算小。更值得关注的是投资人结构：深度学习先驱Yann LeCun亲自下注，多家专注建筑科技的头部VC联合跟投。
如今的大多数智能体，仍然活在一种「失忆式工作」模式中：每一次检索都是从零开始，每一条推理路径都无法沉淀，每一次失败也不会转化为经验。它们虽能多轮交互，但很难在深度研究中持续变强。
随着新一代主动执行型 Agent（如 OpenClaw、Hermes Agent 等）的爆发，AI 正经历从「被动工具」向「具备自我演化（Self-Evolving）能力的智能体」的范式跃迁。然而，受限于上下文窗口极限与记忆缺失，现有 Agent 难以在复杂任务中实现经验的复用与自我进化。
前两天晚上，我又刷到了小 Lin 说的视频。
2026年再看Agent，一个越来越难回避的事实是：能力正在从模型里流到模型外。真正决定系统上限的，不再只是参数、Prompt和tool calling，而是记忆、技能、协议以及统摄这一切的harness。
近日，上海人工智能实验室联合南京大学、香港中文大学及上海交通大学，将OpenClaw的成功应用于多模态生成领域。他们提出GEMS（Agent-Native Multimodal Generation with Memory and Skills），激发小模型潜力，甚至让6B小模型在部分任务超越了Nano Banana 2。
最近，来自Meta与University of Copenhagen的研究者提出了OneStory: Coherent Multi-Shot Video Generation with Adaptive Memory（收录于CVPR 2026）。这项工作聚焦于一个核心问题：如何在生成多镜头视频时，有效保留长程跨镜头上下文，从而实现更强的叙事一致性。
AI 科技评论独家获悉，华为诺亚方舟决策与推理实验室主任郝建业创立“深圳忆纪元科技有限公司”（Memorax ai），创业方向聚焦AI 记忆相关的基础设施。企查查信息显示，“忆纪元科技”成立于2026年3月，法人正是郝建业本人，公司业务类型为人工智能软件。
第一篇论文来自字节SEED团队， 打了一些基础； 《Over-Tokenized Transformer》。 论文标题看上去在讨论“过度分词”。 而重点必然是在第二篇上—— DeepSeek公司的学术成果Engram。 《Conditional Memory via Scalable Lookup》 也就是Engram模块所出处的论文。
想象一下这个场景：你在地铁上刷着 Slack，看到一个需要修复的 bug。你点一个 emoji 表情，等到了办公室，代码已经写好、测试通过，Pull Request 等着你审查。这不是科幻小说，这是 Stripe 工程师每天的真实工作状态。
