📰 研报摘要
查看全文 ➔摘要： 本报告探讨 AI 从“Attention”向“Memory”演进的趋势，分析 AI 记忆能力如何从可选优化变为 Agent 系统的底层能力，从而拓展大模型可用边界，推动 AI Agent 应用加速落地，并使 AI 交互价值从“费用项”转变为“资产项”。
行业主线：
- 记忆体系重构：AI 记忆由形式层（token-level、parametric、latent）、功能层（事实、经验、工作记忆）和动态层（形成、演化、检索）构成，是决定模型能力天花板的关键变量。
- 价值属性转变：AI 记忆使模型具备跨时间状态与长期价值积累能力，通过沉淀可复用经验提升任务成功率，并形成难以迁移的数据与经验壁垒。
关键变化与分歧：
- 能力边界拓展：短期记忆提升长上下文处理能力，长期记忆赋予跨会话认知连续性，推动 RAG 从静态检索演进为可生长的知识系统。
- 效率与商业模式优化：记忆能力减少重复推理和无效 token 消耗，改善单位算力产出，并有望通过提升用户黏性和个性化体验来提高 ARPU。
受益方向与风险：
- 受益方向：关注 AI 记忆相关上游基础设施的产业链核心受益标的。
- 核心风险：AI 产业发展及需求不及预期；AI 服务器出货量不及预期；国产厂商技术和产品进展不及预期。