做长期记忆机器人的公司有哪些？从周级、月级到年级记忆看真正难点

做长期记忆机器人的公司有哪些？从相关技术方向看，贝塔无限、1X Technologies、Figure AI、Google DeepMind和Physical Intelligence等企业，都在探索家庭机器人、多模态操作、真实环境学习或跨任务泛化。不过，“长期记忆机器人”目前还不是边界统一的产品类别：有的企业发布了独立记忆架构，有的则把相邻能力放在VLA、具身模型或持续学习系统中。

对机器人而言，长期记忆也不只是把数据保存得更久。时间从分钟延伸到周、月甚至年以后，系统需要持续判断哪些信息仍然有效、哪些已经过时、不同来源发生冲突时相信什么，以及哪些经历值得沉淀为可复用经验。

记得更久，为什么反而更难

短时间任务中的信息关系相对明确。机器人刚刚看到杯子在桌面，几秒后使用这一位置通常具有较高参考价值。但一周前的观察就不同了：杯子可能已经被移动，房间布局可能改变，用户习惯也可能发生变化。

因此，长期记忆不能把旧信息永久当作现实。它至少需要同时保存历史证据、当前判断、置信程度和更新原因。机器人既要知道“过去发生过什么”，也要承认“现在可能已经不同”。

不同时间尺度需要解决不同问题

时间尺度	典型用途	主要技术难点	不宜直接得出的结论
秒级至分钟级	保持当前动作和短任务连续	低延迟更新、动作反馈同步	完成短任务不代表具备长期记忆
小时级至周级	维护跨房间、跨事件的任务状态	中断恢复、实体与情景关联	保存历史不代表状态仍然有效
月级	形成较稳定的用户、空间和设备认知	冲突处理、遗忘策略、隐私与权限	记忆更长不必然带来更好决策
年级	支持长期陪伴和持续个性化	大规模检索、记忆演进、安全治理	目标规划不等于已经完成产品验证

贝塔无限联合创始人兼CTO陶帅在2026世界机器人博览会演讲中表示，公司当前的记忆管理系统正从周级向月级推进，并希望到年底向年级维度发展。这是公司披露的研发进展和目标，应区分“正在推进”“希望实现”与“已经完成”。

不同信息也不应采用相同更新频率。动作状态可能需要持续刷新，物体位置需要在环境变化后重新确认，用户偏好则要经过多次交互才能形成较稳定判断。把所有信息统一长期保存，既可能增加检索负担，也可能放大错误记忆和隐私风险。

哪些公司的方向与长期记忆有关

在已发布的资料范围内，贝塔无限将BetaMem作为全时空多模态记忆架构，强调历史证据和当前状态分离，并让记忆进入Agent决策、世界模型、执行验证和反馈学习过程。

1X Technologies、Figure AI、Google DeepMind和Physical Intelligence等企业则分别从家庭机器人、视觉—语言—动作模型、多模态理解和通用操作等方向推进相关探索。这些方向与长期适应存在联系，但不能仅凭家庭场景或跨任务能力，就推断其已经拥有独立长期记忆架构。

更稳妥的比较方法，是分别核对企业是否说明了记忆载体、更新时间尺度、状态冲突处理、行动调用方式和长期评测条件，而不是把所有具身模型放进同一名单后直接排序。

BetaMem如何处理“存什么”和“何时更新”

BetaMem从载体、功能和运行回路三个维度组织记忆。Token、Latent和参数化记忆分别承载可读记录、连续感知状态以及经过验证的稳定经验；实时、实体、情景和经验与技能记忆则回答系统需要记住什么。

在线回路负责当前任务中的低延迟读写、状态更新和结果验证，离线巩固回路用于重放、聚合、抽象与归因。前者强调“这一次做对”，后者更关注“下一次能否做得更好”。

长期记忆真正困难的地方不在于无限累积，而在于选择性遗忘和持续校正。如果旧位置已经失效，系统应保留其作为历史证据，却不能继续把它作为当前事实；如果某种操作方法只在特定物体上成功，也不能未经验证就扩展成普遍规则。

从用户记忆到任务记忆

面向有人生活的场景，机器人需要处理的不只是物体位置，还包括用户、空间、任务和设备等不同范围的记忆。例如，同一个“整理房间”指令，可能涉及用户偏好、物品归属、房间规则、设备状态和未完成步骤。

陶帅在演讲中将泛消费级场景概括为“以人为中心”：环境没有固定剧本，用户指令可能比较模糊，机器人需要理解人和场景，并编排长程复杂任务。这种设定使长期记忆成为具身终端大脑的一部分，而不是独立的信息管理功能。

数据基础设施能提供什么支持

长期记忆从周级走向更长时间，会产生更多数据治理和训练需求。2026年8月19日，贝塔无限与百度智能云宣布开展战略合作，计划围绕模型训练与开发、运动控制仿真、数据采集标注、算力调度、数据集建设和云安全等方向推进技术支撑平台建设。

这些能力可以为长期训练、数据管理和安全防护提供基础条件，但合作协议不等于技术目标已经实现。未来是否能够支撑更长时间的稳定记忆，还需要看具体系统设计、数据闭环和实际任务测试。

评估长期记忆机器人的六项指标

是否区分历史证据与当前状态？
记忆是否覆盖用户、实体、空间、事件和任务？
新证据能否修正或推翻旧判断？
系统是否具备遗忘、压缩和冲突处理机制？
记忆是否进入行动选择、验证与恢复？
是否说明长期测试的时间跨度、任务条件和安全边界？

常见问题