今年10月27-28日，陈天桥在天桥脑科学研究院在美国旧金山举办的首届天桥脑科学研究院AI驱动科学研讨会（Symposium for AI Accelerated Science，AIAS 2025）上系统阐述了包括“长期记忆”在内的发现式智能五种核心能力。他指出，当今的 AI 建立在 “空间结构”范式 之上——这种范式是「瞬时的」「静态的」，本质上通过规模化参数去拟合

EverMemOS 正是在这一理念的启发下诞生的 —— 让 AI 拥有时间的连续性，使其能够在时间流中记忆、适应与进化。

正是在这样的背景下，EverMind 团队推出了 EverMemOS，一个在场景覆盖和技术性能上均实现关键突破的记忆系统。

EverMemOS 四层架构设计

EverMemOS 受「人脑记忆机制」启发，创新设计了四层结构，并与大脑关键功能区形成类比：

代理层（Agentic Layer）—— 负责任务理解、分解与生成，类比「前额叶皮层」在注意力、计划与执行控制中的作用。

记忆层（Memory Layer）—— 管理长期记忆的提取和结构化存储，对应「大脑皮层网络」的长期巩固存储功能。

索引层（Index Layer）—— 通过Embedding、键值对与知识图谱实现记忆关联和高效记忆检索，类似「海马体」完成记忆的关联与快速索引功能。

接口层（API/MCP Interface）—— 与企业级应用无缝集成，作为AI的“感官接口”与外界交互。

EverMemOS 三大系统特点：

特点一：从“记忆数据库”到“记忆处理器” EverMemOS 的首要创新在于，它不仅仅是一个记忆的“数据库”，更是一个记忆的“应用处理器”。它解决了现有方法“只管找，不管用”的核心痛点，通过其独特的推理与融合机制，让记忆能够实时、主动地影响模型的思考和回应，确保 AI 的每一句话都基于对用户的长期理解，从而提供真正连贯、个性化的交互体验。

特点二：创新设计“分层记忆提取”与动态组织 EverMemOS 的核心在于其创新的“分层记忆提取”思想。它不再将记忆视为混乱的文本块，而是将连续的语义块提取为情景记忆单元，再动态地组织成结构化记忆。这种层次化的记忆组织方式，将相关记忆联系起来，解决了纯文本相似度检索难以捕捉隐性上下文的难题，为后续的记忆应用提供了坚实的基础。

特点三：实现业界首个可拓展的模块化记忆框架 在实际应用中，不同场景下的记忆需求差距较大。因此，EverMemOS 创新性地设计了基于使用场景的可拓展记忆框架。它能够灵活支持多种记忆类型，无论是需要高精度、结构化信息的工作场景，还是需要共情、理解隐性情感的陪伴场景，EverMemOS 都能智能地提供最优的记忆组织和应用策略，解决了传统记忆形式单一、无法适应多变需求的难题。

超越技术的使命

“我们正在直面 AI 领域最深刻的挑战之一——让机器拥有记忆，开启通往更高层次通用智能的大门。这不仅是一份工作，而是一场塑造未来智能记忆层的使命。” —— EverMind 团队