课程 ID: 19344
描述:
话题概述:
随着大模型应用从单轮问答、知识库问答和 Copilot 形态逐步走向智能终端、企业数字员工、智能座舱和行业智能体，企业开始意识到，仅依赖模型参数、Prompt 工程或传统 RAG，很难支撑可持续演进的智能系统。真实业务中的用户偏好、任务历史、设备上下文、企业知识、行业经验和系统交互记录，往往分散在不同应用、不同终端和不同业务链路中，缺少统一的记忆抽取、组织、管理和调用机制。
本次分享将以 MemOS 大模型记忆底座为主线，结合智能终端、算力与芯片生态、智能制造、大型企业与运营商等场景，讨论记忆能力如何从单一应用能力升级为大模型应用基础设施。案例将重点关注端云协同记忆、跨设备连续体验、私有化部署、行业知识沉淀、企业数字员工和 AI 一体机等典型方向。
演讲题纲:
话题亮点：
在企业级 Agentic AI 落地中，长期记忆系统要解决 AI 长期运行中的状态断裂、经验无法沉淀和记忆不可治理问题。传统 RAG、向量数据库、Prompt 工程和业务知识库难以单独管理分散在应用、终端和业务链路中的用户偏好、任务历史、设备上下文、企业知识和行业经验。
MemOS 在现有开源 AI 技术栈之上构建统一的大模型记忆管理与调度层，把关键上下文转化为可管理、可调用、可治理的记忆资源。本次分享将围绕“单点应用—跨端链路—企业级平台”展开：
1、从智能终端、企业数字员工入手，如何解决个性化记忆和任务连续性问题；
2、端云协同、跨设备服务和算力如何适配，解决多终端、多环境下的记忆流转与调用问题；
3、集团级智能体平台、行业记忆库和企业知识中枢，如何解决大型组织中的知识分散、权限隔离和经验复用问题。