紅熊AI完成數億元A+輪融資，基于AI“記憶科學”從To B服務延伸至To C應用｜36氪首發

36氪獲悉，紅熊AI今日宣布完成數億元人民幣A+輪融資，投后估值接近30億元人民幣。本輪融資由浙江九緯私募基金、嘉興彰元創業投資與老股東格睿豐聯合投資。這是紅熊AI在短短15個月內完成的第6輪融資。

據了解，本輪融資資金將主要用于持續深化AI記憶科學的類人大腦基礎研究、加速OpenBear通用大模型與MemoryBear記憶科學系統的深度融合，以及擴大智能客服、智能營銷、ChatBI與智能教育四大核心應用場景的市場覆蓋。

在經歷了大模型參數量與算力的早期競賽后，行業正逐步步入“以應用論英雄”的商業化深水區。目前，圍繞大模型“記憶層（Memory）”這一維度的技術成為重要的攻堅點。

今年融資事件頻發，并明顯呈加速狀態：由在Anthropic負責Claude預訓練工作的Andrej Karpathy等參與投資、估值達6億美元的13人團隊Engram已公開亮相；定位于連接個人數據與智能體生態記憶層的Clipto，已獲紅杉中國、高瓴創投等多輪追投；國內完成近億元天使輪融資、專注于開發開源記憶操作系統MemOS的“記憶張量”，以及在2026年春季相繼完成種子輪與種子+輪、兩輪累計融資金額超1億元人民幣的MemoraX AI，均在這一技術方向上完成了資金儲備。

紅熊AI從2024年4月創立之初，就確立了“記憶驅動AGI”的技術路線。如何將技術創新與企業的實際產業需求緊密結合，并打破傳統基座大模型在實際落地中的記憶壁壘，是紅熊AI在這一輪AI浪潮中試圖解答的核心命題。

一、 為什么AGI需要一個動態“海馬體”？

過去兩年中，行業內普遍存在“重模型訓練、輕應用落地”的現象。大量的算力和資源被消耗在基座大模型的預訓練上，但當這些模型被推向企業級應用時，往往會遭遇多重現實瓶頸。

傳統基座大模型由于底層架構限制，在實際業務場景中普遍存在長對話由于token限制而出現斷聯或上下文遺忘的現象；同時，由于知識遺忘率高，模型難以保持服務的一致性與穩定性。此外，大模型的token消耗通常呈現線性增長，直接推高了企業長期運行AI系統的算力成本，而因果邏輯校驗的缺乏也使得模型容易產生“幻覺”，影響了業務的可靠性。

紅熊AI團隊認為，單純依賴基座大模型能力的提升，并不足以解決企業的實際問題。針對這些行業共性痛點，紅熊AI在2024年率先提出“AI記憶科學”的概念。

大模型若要實現真正的認知智能并滿足企業級規模化落地，其信息處理方式必須從“靜態的信息堆砌”升級為“動態的有機體管理”。2026年，紅熊AI完成了技術生態的關鍵一步：將OpenBear大模型與自主研發的MemoryBear記憶科學系統進行二次深度融合，并在此基礎上構建出原生Agent架構。

這種將“大腦皮層（負責推理）”與“海馬體（負責記憶）”深度綁定的技術邏輯，推動了企業級AI應用逐步從“一問一答”的被動工具狀態，向“記憶驅動推理”的新階段演進。

二、 紅熊AI技術圖譜：OpenBear、MemoryBear與原生Agent的三角矩陣

紅熊AI所構建的核心能力，是一個由OpenBear通用大模型、MemoryBear記憶科學系統與原生Agent架構相互依存的閉環生態體系。

1. OpenBear通用大模型：面向記憶設計的底層能力底座

OpenBear是紅熊AI自主研發、預訓練的新一代AGI模型，在底層采用了MoE（Mixture of Experts）稀疏混合專家架構，擁有百萬億級參數規模。

從設計理念來看，OpenBear屬于行業內較早采用“為記憶而生”邏輯的預訓練大模型。在模型架構設計之初，紅熊AI便在其內部設計了專門的記憶接口與注意力機制優化模塊，使其能夠與外置的MemoryBear記憶科學系統進行高頻且低延遲的信息交互，實現模型推理能力與記憶能力的無縫銜接。該大模型系統強調跨領域泛化、長期記憶與自我反思等特性，在無需專項定制優化的前提下，能夠理解多種專業的復雜現實任務。

OpenBear產品界面

2. MemoryBear記憶科學系統：分層動態記憶與類腦機制

如果說大模型本身負責邏輯推理，那么MemoryBear則是其記憶中樞。MemoryBear借鑒了人類大腦的認知機制，融合了ACT-R雙記憶架構、艾賓浩斯遺忘曲線與激活度模型、智能語義剪枝算法以及3D自我反思引擎等技術理論。

在結構上，MemoryBear建立了一套從瞬時到永久的分層動態體系，包括工作記憶層、短期記憶層與長期記憶層。為了支撐這一套分層架構的高效運行，MemoryBear在底層攻克了多項核心技術：

時間記憶技術：使AI能夠識別信息中包含的事件發生時間并建立完整的時間線，從而讓AI具備了歷史觀。

動態語義網絡技術：自動從海量長文本或非結構化數據中提煉關鍵實體與核心觀點，構建出動態知識圖譜。

智能語義剪枝技術：基于艾賓浩斯遺忘曲線原理，自動識別并定期刪除冗余、過時或錯誤的信息，保持記憶庫的精準度，降低大模型運行的token消耗。

3D自我反思引擎：當系統處于低負載階段時，會自動對已有記憶進行重新校驗，修正可能存在的錯誤，以此來對沖大模型的幻覺缺陷。

最小化記憶共享技術：在多Agent協作場景下建立統一的記憶中樞，各個智能體僅沉淀完成自身任務所需的關鍵記憶，其余智能體按需調用，降低整體算力消耗。

根據紅熊AI披露的技術指標，在MemoryBear的支持下，其基礎大模型知識遺忘率控制在1%以下；token消耗降低了25倍；行業歧義預處理率控制在1%以下；同時模型幻覺率降低至0.2%左右。

MemoryBear產品界面

3. 原生Agent架構：從被動工具向主動協作的演進

在OpenBear大模型與MemoryBear記憶系統的結合部，紅熊AI封裝了其原生Agent架構。該架構核心特征表現為“記憶原生”，即Agent系統在誕生之初就內置了記憶能力，能夠記住與特定用戶的每一次交互細節以及任務的最終執行結果，并以此作為后續調優的輸入。此外，該架構支持自主規劃與多Agent協同，允許智能體在安全可控的權限管理體系下，實現動態任務執行與自動續傳。

此外，在MemoryBear記憶系統的技術底座之上，紅熊AI進一步將記憶能力延伸至開發者工具領域，推出了CodeBear記憶型編程大模型平臺。與傳統的AI代碼輔助工具不同，CodeBear的核心差異化在于“記憶驅動開發”。在真實開發環境中，CodeBear能夠自主理解需求、自主規劃技術方案、自主編寫代碼、自主運行驗證，并依托MemoryBear分層記憶系統從每次交互中持續積累項目經驗、代碼規范與業務邏輯，形成可復用的個性化開發知識沉淀，有效解決傳統編程工具上下文斷裂、重復溝通成本高的痛點，大幅提升復雜項目的開發效率與連貫性。

三、 四大應用場景拆解：大模型應用落地實錄

基于上述“模型+記憶+智能體”的技術生態，紅熊AI目前在市場上推出了四款核心應用產品，試圖在不同細分賽道中驗證AI記憶科學的商業化價值。

1. 智能客服：長周期交互下的個性化留存

傳統智能客服系統的主要瓶頸在于“一事一結”，缺乏對客戶歷史長周期交互軌跡的留存能力。紅熊AI的智能客服產品通過MemoryBear系統，可以記住客戶的歷史對話、購買、投訴記錄與服務偏好。當客戶再次接入時，系統能夠基于歷史記憶提供具有針對性的個性化服務。紅熊AI官方數據顯示，該產品使合作企業的客戶問題一次性解決率提升了60%以上，人工客服工作量減少了70%。

2. 智能營銷：從淺層畫像到全行為鏈條的千人千面

在智能營銷領域，系統通常需要處理海量的動態數據。紅熊AI的營銷產品利用AI記憶技術，捕捉并記住用戶的瀏覽、加購、購買以及歷史互動行為，以此構建更為立體的用戶畫像。通過分析用戶的興趣偏好與消費習慣，系統能夠自適應生成個性化的營銷文案、郵件或短信，提升營銷活動的內容吸引力與投資回報率（ROI）。

3. ChatBI：帶有上下文習慣的自然語言數據看板

傳統的BI（商業智能）工具通常具備較高的操作門檻，需要專業人員編寫SQL語句。紅熊AI的ChatBI產品將自然語言處理與記憶科學相結合，允許非技術業務人員通過日常對話獲取所需的數據分析結果。該產品的差異化在于能夠記住用戶的查詢歷史與分析習慣，自動關聯上一輪的限定條件，無需用戶重復說明背景，從而提高了復雜數據決策的流轉效率。

4. 智能教育：基于歷史錯題與習慣的因材施教

智能教育定位于大學教育及職業教育的個性化學習與規劃服務。 在智能教育場景下，紅熊AI系統通過長期記憶層記住每位學生的歷史學習曲線、知識點掌握情況、學習習慣與風格。系統能夠根據這些歷史沉淀，為學生個性化定制學習計劃與題目梯度，實現真正意義上的個性化教學流。

在四大業務板塊中，智能客服和智能營銷是紅熊AI最重要的業務板塊和收入來源。ChatBI已經產生營收，但在整體營收中占比偏低；智能教育業務已在推進中，目前已簽約2所大學，今年預估累計產生約2000萬元流水。

紅熊AI產品界面

四、 商業化答卷：2026上半年確收超1.7億，其中ARR突破0.5億元人民幣

從紅熊AI本次披露的商業化進展來看，其經營數據呈現出較為明顯的增長趨勢：

客戶拓展規模：2026年第一季度，紅熊AI實現了新增客戶數超越2025年全年總和的成績。截至目前，其企業客戶總數已超過500家，其中包括多家世界500強企業與國內知名上市公司，業務觸角覆蓋金融、零售、制造、教育、醫療等多個主流行業。

財務確收表現：2026年上半年，紅熊AI完成了相當于2025年全年的業績總額，其確認收入（確收）超1.7億，在環比與同比維度上均表現出顯著增長。

ARR（年度經常性收入）指標：截至目前，紅熊AI的ARR已經突破0.5億元人民幣大關。據團隊預計，ARR在今年全年業績預期中的占比將達到30%左右。

五、 業務版圖的延伸：從純B端向C端延伸拓展

紅熊AI計劃于7月31日的發布會上正式推出面向C端的“記憶驅動型通用大模型”OpenBear，同步上線的還包括PC端/客戶端的AI編程輔助工具“CodeBear”。

當被問及“AI記憶”領域正在變得擁擠、是否會帶來更大的壓力時，紅熊AI創始人溫德亮表示：“確實，近期主動找過來的投資機構明顯增加，賽道估值天花板明顯抬升。但目前行業在AI記憶上的標準化技術路線還未完全確定，大家都在驗證階段，紅熊AI也會加快探索節奏。”

格睿豐投資表示：

“我們非常看好紅熊AI的發展前景。紅熊AI是國內少數幾家擁有原創核心技術的AI公司之一，其提出的AI記憶科學概念，抓住了當前大模型發展的核心痛點，具有廣闊的應用前景。紅熊AI不僅技術領先，而且商業化能力也非常強，在短短一年多的時間里就取得了爆發式的增長。我們相信，紅熊AI能夠成為AI時代核心的基礎設施。”