RedBear AI gọi vốn thành công hàng trăm triệu NDT, định giá gần 3 tỷ NDT nhờ đột phá công nghệ 'bộ nhớ AI'

36 được biết, RedBear AI hôm nay thông báo đã hoàn tất vòng gọi vốn A+ với số tiền hàng trăm triệu Nhân dân tệ, định giá sau đầu tư đạt gần 3 tỷ Nhân dân tệ. Vòng gọi vốn này do Zhejiang Jiuwei Private Equity Fund, Jiaxing Zhangyuan Venture Capital cùng cổ đông cũ Greyfun đồng đầu tư. Đây là vòng gọi vốn thứ 6 mà RedBear AI hoàn thành chỉ trong vòng 15 tháng ngắn ngủi.

Theo tìm hiểu, nguồn vốn từ vòng gọi vốn này sẽ chủ yếu được sử dụng để tiếp tục đào sâu nghiên cứu cơ bản về não bộ mô phỏng trong khoa học trí nhớ AI, đẩy nhanh quá trình tích hợp sâu giữa mô hình ngôn ngữ lớn (LLM) đa năng OpenBear và hệ thống khoa học trí nhớ MemoryBear, cũng như mở rộng độ phủ thị trường cho bốn kịch bản ứng dụng cốt lõi: chăm sóc khách hàng thông minh, tiếp thị thông minh, ChatBI và giáo dục thông minh.

Sau giai đoạn chạy đua ban đầu về tham số mô hình và sức mạnh tính toán, ngành công nghiệp đang dần bước vào vùng nước sâu của quá trình thương mại hóa, nơi "ứng dụng là thước đo thành bại". Hiện nay, các công nghệ xoay quanh khía cạnh "lớp bộ nhớ (Memory)" của các mô hình lớn đang trở thành điểm đột phá quan trọng.

Năm nay, các sự kiện gọi vốn diễn ra thường xuyên và có dấu hiệu tăng tốc rõ rệt: Engram, đội ngũ 13 người với định giá 600 triệu USD có sự tham gia đầu tư của Andrej Karpathy (người phụ trách công việc tiền huấn luyện Claude tại Anthropic), đã chính thức lộ diện; Clipto, đơn vị định vị là lớp bộ nhớ kết nối dữ liệu cá nhân với hệ sinh thái tác nhân (agent), đã nhận được nhiều vòng đầu tư tiếp nối từ Sequoia China, Hillhouse Capital và các đơn vị khác; "Memory Tensor", đơn vị trong nước đã hoàn thành vòng gọi vốn thiên thần gần 100 triệu Nhân dân tệ, tập trung phát triển hệ điều hành bộ nhớ mã nguồn mở MemOS, cùng với MemoraX AI – đơn vị hoàn thành liên tiếp vòng hạt giống và hạt giống cộng vào mùa xuân năm 2026 với tổng số vốn huy động hơn 100 triệu Nhân dân tệ, đều đã hoàn tất dự trữ nguồn vốn trong hướng đi công nghệ này.

Ngay từ khi thành lập vào tháng 4 năm 2024, RedBear AI đã xác định lộ trình công nghệ "AGI dựa trên trí nhớ". Làm thế nào để kết hợp chặt chẽ đổi mới công nghệ với nhu cầu thực tế của doanh nghiệp, đồng thời phá vỡ rào cản bộ nhớ của các mô hình nền tảng truyền thống trong quá trình triển khai thực tế, chính là bài toán cốt lõi mà RedBear AI đang cố gắng giải đáp trong làn sóng AI lần này.

I. Tại sao AGI cần một "hồi mã" (hippocampus) năng động?

Trong hai năm qua, ngành công nghiệp tồn tại hiện tượng phổ biến là "trọng tâm vào huấn luyện mô hình, xem nhẹ triển khai ứng dụng". Một lượng lớn sức mạnh tính toán và tài nguyên bị tiêu tốn vào việc tiền huấn luyện các mô hình nền tảng, nhưng khi các mô hình này được đưa vào ứng dụng cấp doanh nghiệp, chúng thường gặp phải nhiều nút thắt thực tế.

Do hạn chế về kiến trúc cơ bản, các mô hình lớn truyền thống thường gặp hiện tượng mất kết nối hoặc quên ngữ cảnh trong các cuộc hội thoại dài do giới hạn token; đồng thời, do tỷ lệ quên kiến thức cao, mô hình khó duy trì tính nhất quán và ổn định của dịch vụ. Ngoài ra, mức tiêu thụ token của các mô hình lớn thường tăng theo đường thẳng, trực tiếp đẩy chi phí tính toán vận hành hệ thống AI dài hạn của doanh nghiệp lên cao, trong khi việc thiếu kiểm chứng logic nhân quả cũng khiến mô hình dễ tạo ra "ảo giác" (hallucination), ảnh hưởng đến độ tin cậy của nghiệp vụ.

Đội ngũ RedBear AI cho rằng, việc chỉ dựa vào sự nâng cấp năng lực của các mô hình nền tảng là không đủ để giải quyết các vấn đề thực tế của doanh nghiệp. Nhắm vào những điểm đau chung của ngành này, RedBear AI đã tiên phong đề xuất khái niệm "Khoa học trí nhớ AI" vào năm 2024.

Nếu các mô hình lớn muốn đạt được trí tuệ nhận thức thực sự và đáp ứng việc triển khai quy mô lớn cấp doanh nghiệp, phương thức xử lý thông tin của chúng phải nâng cấp từ "chồng chất thông tin tĩnh" thành "quản lý cơ thể hữu cơ năng động". Năm 2026, RedBear AI đã hoàn thành bước đi quan trọng trong hệ sinh thái công nghệ: tích hợp sâu lần thứ hai giữa mô hình lớn OpenBear và hệ thống khoa học trí nhớ MemoryBear tự phát triển, từ đó xây dựng nên kiến trúc Agent nguyên bản.

Logic công nghệ gắn kết sâu giữa "vỏ não (phụ trách suy luận)" và "hồi mã (phụ trách trí nhớ)" này đã thúc đẩy các ứng dụng AI cấp doanh nghiệp dần tiến hóa từ trạng thái công cụ thụ động "hỏi một đáp một" sang giai đoạn mới "suy luận dựa trên trí nhớ".

II. Bản đồ công nghệ RedBear AI: Ma trận tam giác OpenBear, MemoryBear và Agent nguyên bản

Năng lực cốt lõi mà RedBear AI xây dựng là một hệ sinh thái khép kín, nơi mô hình lớn đa năng OpenBear, hệ thống khoa học trí nhớ MemoryBear và kiến trúc Agent nguyên bản phụ thuộc lẫn nhau.

1. Mô hình lớn đa năng OpenBear: Nền tảng năng lực cơ bản được thiết kế hướng tới trí nhớ

OpenBear là mô hình AGI thế hệ mới do RedBear AI tự nghiên cứu và tiền huấn luyện, sử dụng kiến trúc hỗn hợp chuyên gia thưa thớt (MoE - Mixture of Experts) ở tầng cơ sở, sở hữu quy mô tham số lên đến hàng triệu tỷ.

Xét từ triết lý thiết kế, OpenBear thuộc nhóm các mô hình lớn tiền huấn luyện đầu tiên trong ngành áp dụng logic "sinh ra vì trí nhớ". Ngay từ khi thiết kế kiến trúc mô hình, RedBear AI đã thiết kế các giao diện bộ nhớ chuyên dụng và mô-đun tối ưu hóa cơ chế chú ý (attention mechanism) bên trong, cho phép nó tương tác thông tin với hệ thống khoa học trí nhớ MemoryBear bên ngoài với tần suất cao và độ trễ thấp, hiện thực hóa sự kết nối liền mạch giữa năng lực suy luận và năng lực ghi nhớ của mô hình. Hệ thống mô hình lớn này nhấn mạnh các đặc tính như khái quát hóa liên lĩnh vực, trí nhớ dài hạn và tự phản tư, có thể hiểu được nhiều nhiệm vụ thực tế phức tạp và chuyên sâu mà không cần tối ưu hóa tùy chỉnh đặc biệt.

Giao diện sản phẩm OpenBear

2. Hệ thống khoa học trí nhớ MemoryBear: Trí nhớ năng động phân tầng và cơ chế mô phỏng não bộ

Nếu mô hình lớn tự mình phụ trách suy luận logic, thì MemoryBear chính là trung tâm trí nhớ của nó. MemoryBear học hỏi cơ chế nhận thức của não người, tích hợp các lý thuyết công nghệ như kiến trúc trí nhớ kép ACT-R, đường cong quên lãng Ebbinghaus và mô hình mức độ kích hoạt, thuật toán cắt tỉa ngữ nghĩa thông minh cùng công cụ tự phản tư 3D.

Về cấu trúc, MemoryBear thiết lập một hệ thống phân tầng năng động từ tức thời đến vĩnh viễn, bao gồm lớp trí nhớ làm việc, lớp trí nhớ ngắn hạn và lớp trí nhớ dài hạn. Để hỗ trợ sự vận hành hiệu quả của hệ thống phân tầng này, MemoryBear đã chinh phục nhiều công nghệ cốt lõi ở tầng cơ sở:

Công nghệ trí nhớ thời gian: Giúp AI nhận diện thời gian xảy ra sự kiện chứa trong thông tin và thiết lập dòng thời gian hoàn chỉnh, từ đó giúp AI có được cái nhìn lịch sử.

Công nghệ mạng lưới ngữ nghĩa năng động: Tự động trích xuất các thực thể quan trọng và quan điểm cốt lõi từ dữ liệu phi cấu trúc hoặc văn bản dài khổng lồ, xây dựng nên đồ thị tri thức năng động.

Công nghệ cắt tỉa ngữ nghĩa thông minh: Dựa trên nguyên lý đường cong quên lãng Ebbinghaus, tự động nhận diện và xóa định kỳ các thông tin dư thừa, lỗi thời hoặc sai lệch, duy trì độ chính xác của kho lưu trữ trí nhớ, giảm mức tiêu thụ token khi vận hành mô hình lớn.

Công cụ tự phản tư 3D: Khi hệ thống ở giai đoạn tải thấp, nó sẽ tự động kiểm chứng lại các trí nhớ hiện có, sửa chữa các lỗi có thể tồn tại, từ đó đối trọng với khiếm khuyết ảo giác của mô hình lớn.

Công nghệ chia sẻ trí nhớ tối thiểu: Thiết lập trung tâm trí nhớ thống nhất trong kịch bản cộng tác đa Agent, mỗi tác nhân chỉ lưu trữ trí nhớ quan trọng cần thiết để hoàn thành nhiệm vụ của chính mình, các tác nhân còn lại sẽ gọi dữ liệu khi cần, giúp giảm mức tiêu thụ sức mạnh tính toán tổng thể.

Theo các chỉ số kỹ thuật mà RedBear AI công bố, dưới sự hỗ trợ của MemoryBear, tỷ lệ quên kiến thức của mô hình lớn cơ sở được kiểm soát dưới 1%; mức tiêu thụ token giảm 25 lần; tỷ lệ tiền xử lý mơ hồ trong ngành được kiểm soát dưới 1%; đồng thời tỷ lệ ảo giác của mô hình giảm xuống còn khoảng 0,2%.

Giao diện sản phẩm MemoryBear

3. Kiến trúc Agent nguyên bản: Sự tiến hóa từ công cụ thụ động sang cộng tác chủ động

Tại điểm kết nối giữa mô hình lớn OpenBear và hệ thống trí nhớ MemoryBear, RedBear AI đã đóng gói kiến trúc Agent nguyên bản của mình. Đặc trưng cốt lõi của kiến trúc này thể hiện ở tính "nguyên bản về trí nhớ", nghĩa là hệ thống Agent ngay từ khi ra đời đã được tích hợp sẵn năng lực ghi nhớ, có thể ghi nhớ chi tiết mỗi lần tương tác với người dùng cụ thể cũng như kết quả thực thi cuối cùng của nhiệm vụ, và lấy đó làm đầu vào cho việc tinh chỉnh sau này. Ngoài ra, kiến trúc này hỗ trợ lập kế hoạch tự chủ và cộng tác đa Agent, cho phép các tác nhân thực hiện nhiệm vụ năng động và tự động tiếp nối trong một hệ thống quản lý quyền hạn an toàn và có thể kiểm soát.

Hơn nữa, trên nền tảng công nghệ của hệ thống trí nhớ MemoryBear, RedBear AI tiếp tục mở rộng năng lực ghi nhớ sang lĩnh vực công cụ dành cho nhà phát triển, ra mắt nền tảng mô hình lớn lập trình có trí nhớ CodeBear. Khác với các công cụ hỗ trợ mã nguồn AI truyền thống, sự khác biệt cốt lõi của CodeBear nằm ở "phát triển dựa trên trí nhớ". Trong môi trường phát triển thực tế, CodeBear có thể tự chủ hiểu yêu cầu, tự chủ lập kế hoạch giải pháp kỹ thuật, tự chủ viết mã, tự chủ chạy kiểm chứng, và dựa vào hệ thống trí nhớ phân tầng MemoryBear để tích lũy liên tục kinh nghiệm dự án, quy chuẩn mã nguồn và logic nghiệp vụ từ mỗi lần tương tác, hình thành sự tích lũy tri thức phát triển cá nhân hóa có thể tái sử dụng, giải quyết hiệu quả các điểm đau như đứt gãy ngữ cảnh và chi phí giao tiếp lặp lại của các công cụ lập trình truyền thống, nâng cao đáng kể hiệu suất và tính liên tục của các dự án phức tạp.

III. Giải mã bốn kịch bản ứng dụng: Ghi chép thực tế triển khai ứng dụng mô hình lớn

Dựa trên hệ sinh thái công nghệ "Mô hình + Trí nhớ + Tác nhân" nêu trên, RedBear AI hiện đã tung ra thị trường bốn sản phẩm ứng dụng cốt lõi, cố gắng kiểm chứng giá trị thương mại của khoa học trí nhớ AI trong các phân khúc thị trường khác nhau.

1. Chăm sóc khách hàng thông minh: Lưu giữ cá nhân hóa trong tương tác chu kỳ dài

Nút thắt chính của các hệ thống chăm sóc khách hàng thông minh truyền thống nằm ở chỗ "việc nào xong việc đó", thiếu năng lực lưu giữ quỹ đạo tương tác chu kỳ dài trong lịch sử của khách hàng. Sản phẩm chăm sóc khách hàng thông minh của RedBear AI thông qua hệ thống MemoryBear có thể ghi nhớ lịch sử đối thoại, mua hàng, hồ sơ khiếu nại và sở thích dịch vụ của khách hàng. Khi khách hàng kết nối lại, hệ thống có thể cung cấp dịch vụ cá nhân hóa có mục tiêu dựa trên trí nhớ lịch sử. Dữ liệu chính thức của RedBear AI cho thấy, sản phẩm này giúp tỷ lệ giải quyết vấn đề của khách hàng trong một lần của các doanh nghiệp đối tác tăng hơn 60%, khối lượng công việc của nhân viên chăm sóc khách hàng giảm 70%.

2. Tiếp thị thông minh: Từ chân dung nông đến "ngàn người ngàn mặt" trên toàn chuỗi hành vi

Trong lĩnh vực tiếp thị thông minh, hệ thống thường cần xử lý lượng dữ liệu năng động khổng lồ. Sản phẩm tiếp thị của RedBear AI tận dụng công nghệ trí nhớ AI để nắm bắt và ghi nhớ hành vi duyệt web, thêm vào giỏ hàng, mua hàng và tương tác lịch sử của người dùng, từ đó xây dựng chân dung người dùng đa chiều hơn. Thông qua việc phân tích sở thích và thói quen tiêu dùng của người dùng, hệ thống có thể tự thích ứng để tạo ra các nội dung tiếp thị, email hoặc tin nhắn cá nhân hóa, nâng cao sức hấp dẫn của nội dung và tỷ suất hoàn vốn (ROI) của các chiến dịch tiếp thị.

3. ChatBI: Bảng điều khiển dữ liệu ngôn ngữ tự nhiên có thói quen ngữ cảnh