校友风采｜我院2010级电商专业李志宇校友入选36氪「36Under36」科创者榜单

近日，36氪正式发布 2026 年度「36Under36」榜单。记忆张量MemTensor 联合创始人兼 CTO、上海算法创新研究院大模型中心技术负责人、研究员李志宇博士入选「36Under36」科创者榜单。

此次入选，是对李志宇博士在 AI 记忆操作系统、长期智能基础设施、模型评估与行业大模型落地等方向持续探索的认可，也体现了外界对记忆张量MemTensor 在 AI 记忆基础设施与长期智能方向技术路线的关注。

「36Under36」是 36氪长期打造的青年创新人物 IP，持续关注中国新商业与科技创新领域中具有创造力、产业影响力和成长潜力的青年代表。2026 年度榜单以“绕过旧答案的一代人”为主题，聚焦人工智能、机器人、生命科学、智能硬件、商业航天、新材料等前沿方向中的青年创业者、科创者与投资人。

从一次性生成到长期智能，AI 需要新的记忆基础设施

当前，人工智能正在从单轮问答、内容生成和 Copilot，走向 AI Agent、AI 终端、企业智能体和行业智能体阶段。未来的 AI 系统不再只是“回答当前问题”，而需要在长期运行中理解用户、保持任务状态、沉淀组织经验，并在不断变化的环境中持续学习和稳定演化。

传统大模型主要依赖静态参数、短期上下文和外部检索，在长期任务中仍然面临记不住、记不准、记不久、不可控、成本高等挑战。随着 Agent 和 AI 终端逐渐进入真实业务和生活场景，记忆不再只是应用层的体验功能，而正在成为支撑长期智能的关键基础设施。

李志宇博士是国内较早系统性推进“大模型记忆工程”方向的研究者之一。他长期围绕大模型长期记忆、记忆增强智能体、检索增强推理、模型评估和产业级大模型应用开展研究，推动记忆从简单的上下文补充或外部知识检索，走向面向长期智能的系统对象和基础能力。

在这一方向上，记忆张量团队持续探索分层记忆建模思路，系统区分参数记忆、激活记忆和显式记忆等不同记忆形态，研究其在写入、读取、检索、压缩、更新、迁移和治理等环节中的协同机制，推动大模型从“依赖上下文的即时响应系统”，走向“具备长期状态管理能力的智能系统”。

MemOS，让记忆成为可管理、可治理的系统资源

围绕“大模型如何拥有长期、可控、可治理的记忆”这一核心问题，李志宇博士带领团队，在 Memory³ 分层记忆架构研究基础上，进一步推动记忆张量核心产品 MemOS 的研发与工程化落地。

MemOS 是记忆张量面向长期智能场景构建的记忆操作系统，它通过对用户偏好、任务上下文、企业知识、工具调用经验、智能体状态等信息进行结构化抽取、分层存储、动态调度、持续更新与生命周期治理，使 AI 系统能够在跨会话、跨任务、跨设备和跨模型环境中沉淀可复用经验，而非每次从零开始推理。

MemOS 将记忆作为一种可被生产、调度、更新、遗忘、审计和治理的系统资源进行管理。它面向长期运行的智能体系统，关注的是 AI 如何在跨时间、跨任务、跨场景过程中持续沉淀经验，并在可控边界内形成稳定、可追溯、可演化的智能行为。

目前，MemOS 已在开源生态、云平台服务和产业场景中持续推进。同时，MemOS 云平台单日调用量已突破 100 万次，开源框架已获得近 1 万 GitHub Star，并吸引超过 1.7 万名开发者参与社区建设，成为国内 AI 记忆方向具有代表性的开源项目和云平台服务之一。

从原创研究到产业落地，推动 AI 记忆进入真实场景

李志宇博士的工作并不止于技术研究，也持续推动 AI 记忆系统进入真实产业场景。

他带领团队参与支撑了“忆³”创新架构大模型等多个项目落地相关工作，覆盖传媒、金融、通信、企业知识管理、智能客服等关键场景，帮助企业将业务知识、用户交互、流程经验和专家经验沉淀为可复用、可治理、可演化的智能记忆资产。

记忆张量也正在与产业伙伴推进 MemOS 记忆管理框架及配套系统在国产 AI 芯片、国产算力平台、国产数据库和信创环境中的适配优化，探索面向全国产替代场景的 AI 记忆管理框架和行业解决方案，助力我国人工智能基础软件和行业智能化体系建设。

在加入记忆张量之前，李志宇博士曾在阿里巴巴、小红书带领团队开展算法研究与工程应用，相关技术应用于阿里“双十一”大促、商业投放等大规模场景，并曾获得阿里巴巴集团“双十一”技术突破奖等荣誉。这些经历使他兼具前沿研究、复杂工程系统建设与产业转化能力。

走向记忆原生，探索下一代通用基座模型

作为记忆张量MemTensor 联合创始人兼 CTO，李志宇博士正在进一步推动技术路线从 MemOS 记忆操作系统，走向记忆原生通用基座模型。

在他看来，未来的 AI 不应只是“更大的模型”或“更长的上下文”，而应原生具备更强的长期记忆、经验沉淀、持续学习和可治理演化能力。记忆原生模型的目标，是让记忆能力从外部模块走向模型内生机制，从应用层能力走向基础模型能力，使 AI 系统能够在长期运行中持续积累、动态更新和稳定演化。

这也是记忆张量长期坚持的技术主线：从 Memory³ 分层记忆理论，到 MemOS 记忆操作系统，再到记忆原生通用基座模型，持续围绕“如何让大模型具备长期记忆和持续进化能力”这一核心命题展开系统化探索。

智能始于记忆

李志宇博士于 2025 年入选上海市东方英才拔尖人才，攻博期间曾获得中国人民大学吴玉章校长奖学金、多次国家奖学金 等荣誉。他已在 Patterns、TKDE、TOIS、ICLR、ACL、AAAI 等国内外重要期刊会议发表论文 70 余篇。现任中国中文信息学会信息检索专委会委员、大模型与生成专业委员会委员，其核心系列工作曾被《麻省理工科技评论》《AI 科技评论》等科技媒体封面报道。

此次入选 36氪「36Under36」科创者榜单，既是对李志宇博士个人科研创新、工程攻关和产业转化能力的认可，也是对 AI 记忆系统这一新兴方向长期价值的肯定。

面向未来，记忆张量将继续围绕 AI 记忆基础设施、智能体操作系统和记忆原生基座模型开展探索，推动大模型从“会回答问题”，走向“能长期理解、持续学习、进化”。

附：科创者完整榜单