大模型可能成为一种可以随时更换的基础设施，但AI对一个人的理解、对一家企业的认知，以及在长期工作中积累的经验，不应该随着模型切换而消失。

大模型越来越聪明，用户却越来越善于“换模型”。

今天，一个模型因为推理能力、价格或速度受到关注；明天，另一个模型推出更好的版本，用户便可以通过网页或API迅速切换。对个人而言，这意味着更多选择；对企业而言，则带来了一个正在被低估的问题：当模型不断变化，AI在工作中形成的上下文、经验和记忆应该保存在哪里？

巴别鸟创始人、CEO皇甫珊欣认为，大模型之后真正值得中小科技企业投入的机会，不一定是继续制造一个更大的模型，而是帮助用户掌握自己的AI记忆。

“模型属于模型公司，但记忆应该属于用户。”他说。

皇甫珊欣毕业于北京大学，获计算机硕士学位，曾任北大方正电子商务总监。2012年，他与几位同事共同创立上海画擎信息科技有限公司，先后推出协同办公产品Molasync和企业网盘产品巴别鸟。

过去十多年，他所关注的问题一直没有发生根本变化：如何让工具承担重复劳动，让人把时间留给判断、创造和决策。如今，这个问题从文件协作延伸到了AI记忆。

从企业网盘到AI工作流基础设施

新浪新闻：很多人对巴别鸟的第一印象仍然是企业网盘。今天的巴别鸟是一款怎样的产品？

皇甫珊欣： 企业网盘只是一个容易被理解的产品名称。巴别鸟真正管理的是企业在工作过程中产生的数据，包括文件、版本、权限、审批、讨论、操作记录以及这些数据之间的关系。

企业的数据并不是一堆静态文件。设计院有CAD、Revit和项目图纸，制造企业有研发资料和产品文档，法务部门有合同及历史版本，销售团队有方案、报价和客户材料。不同部门、项目和成员能够看到什么、修改什么、分享什么，都有明确边界。

因此，巴别鸟长期投入的其实是三类能力：企业文件的同步与统一管理、细粒度权限控制，以及海量非结构化数据的组织和使用。

AI出现以后，这些能力有了新的价值。过去，企业网盘解决的是“文件放在哪里”；现在还要解决“AI如何理解这些文件，并在正确权限下使用它们”。

新浪新闻：智巢AI在其中承担什么角色？

皇甫珊欣： 智巢AI的目标，是把企业已经积累的文件转化成AI能够使用的知识。

企业不需要把文件重新上传到另一套知识库。文件进入巴别鸟后，可以自动完成解析、向量化和知识化处理。员工提问时，AI会根据其原有文件权限检索内容，并尽可能把答案追溯到具体文档和段落。

这件事看起来像“给网盘增加AI”，实际难度远不止接入一个聊天窗口。企业更关心的是：AI会不会越权读取文件，答案来自哪里，旧版本和新版本冲突时相信哪一个，敏感资料能否被外部模型访问，以及知识更新后AI能否及时同步。

智巢AI目前可用于知识问答、文档摘要、合同和方案差异分析、多语言翻译、内容辅助生成、文搜图和图搜图，也可以按照不同知识库配置企业专属智能体。

AI必须进入真实工作流程

新浪新闻：企业客户通常怎样使用这些能力？

皇甫珊欣： 不同部门的使用方式差别很大。

销售人员收到客户需求后，可以让AI从历史方案、产品资料和案例中整理参考内容；HR可以把员工手册、考勤制度和培训材料变成内部问答助手；法务可以让AI对比新合同、历史合同和标准模板，定位条款变化；项目团队则可以把过程文件持续沉淀为知识库，让新成员快速理解项目背景。

巴别鸟服务过航空航天、石油工程、建筑设计、医疗、文创和游戏等行业的企业。像中国空间技术研究院、中石油相关企业、中冶、泡泡玛特、叠纸游戏、西山居等客户，首先需要解决的往往不是“有没有AI”，而是数据能不能统一管理、权限是否可靠、复杂文件能否协作，以及现有业务系统能否接入。

AI只有建立在这些基础之上，才能进入真实工作。否则，它更像一个演示产品。

中小公司不必挤进大模型战争

新浪新闻：大模型仍然是当前最受关注的赛道。你如何判断中小科技企业的机会？

皇甫珊欣： 大模型一定会成为基础设施，但基础模型不是大多数小公司的机会。

这个赛道需要持续投入算力、能源、数据和顶尖人才，竞争会非常残酷，最终大概率集中在少数大型厂商手中。中小公司如果只是做一个参数更小、能力相近的模型，很难建立长期优势。

更重要的是，用户对大模型本身未必会形成很高的忠诚度。用户关心的是价格、速度、推理能力、上下文长度和稳定性。这些都是可以横向比较、相互替代的指标。

API进一步降低了切换成本。今天一个模型表现更好，开发者可以调用它；明天另一个模型在成本或能力上领先，也可以迅速切换。长期来看，大模型竞争可能逐渐变成算力、能源和资源效率的竞争，回到一种非常传统的规模商业模式。

杀手级应用也未必能锁住用户

新浪新闻：如果大模型公司向应用层发展，推出类似AI编程助手、个人助理这样的产品呢？

皇甫珊欣： 应用当然可以创造巨大价值，但用户仍然会希望保留切换模型的自由。

用户不会愿意因为更换一个模型，就丢掉过去几年的项目背景、个人偏好、工作规范和决策经验。对企业来说，这种担忧更明显。企业需要考虑供应商变化、成本调整、数据安全、私有化部署和业务连续性。

所以，即使出现杀手级AI应用，如果用户的全部记忆都被封闭在某个平台里，用户也很难获得真正的安全感。

未来更合理的关系是：模型可以换，工具可以换，AI应用也可以换，但用户的记忆始终由用户控制。

AI记忆不是聊天记录

新浪新闻：你所说的“AI记忆”具体包括什么？

皇甫珊欣： 聊天记录只是最原始的一种数据，并不等于真正的记忆。

AI记忆至少包含四个层面：它对用户习惯和偏好的了解，对具体项目与工作的上下文感知，过去做过的重要判断和决定，以及在反复执行任务中积累的成功经验与失败教训。

例如，一个AI长期参与软件开发，它应该知道项目架构、技术约束、曾经出现过的问题和团队的代码规范；一个AI长期服务销售团队，它应该理解产品边界、历史客户需求、常见异议和方案风格。

这些内容如果只能存在于一次会话，AI每次都要重新学习。如果被锁在某一家模型厂商内部，用户更换模型时又要从头开始。真正有价值的记忆，应该能够持续积累、被用户管理，并在获得授权后交给不同AI使用。

好的AI记忆平台需要七种能力

新浪新闻：一个成熟的AI记忆平台应该具备哪些特征？

皇甫珊欣： 第一位永远是安全。AI记忆可能比普通文件更敏感，因为它记录的不只是结果，还包括用户的习惯、判断方式、工作过程和企业经验。

在安全基础上，还需要解决七个问题：能否接入OpenClaw、Codex、Claude Code等不同工具；能否连接不同大模型；记忆能否被结构化并由不同AI高效读取；用户能否查看、修改和删除记忆；能否选择本次任务允许AI读取的范围；多端更新时能否合并变化并明确提示冲突；企业成员使用AI时，记忆权限能否与原有组织和文件权限保持一致。

这不是简单增加一个向量数据库就能解决的问题。它同时涉及数据结构、权限继承、版本管理、冲突处理、同步、安全审计和模型接口。

十多年企业数据经验，走向AI记忆管理

新浪新闻：为什么巴别鸟选择进入AI记忆管理？

皇甫珊欣： 这不是突然选择的新方向，而是巴别鸟过去十多年积累的自然延伸。

巴别鸟一直在管理企业数据。我们处理过海量文件、复杂目录、跨地域同步、历史版本和细粒度权限，也经历过各种真实业务环境。AI时代到来后，我们又做了文件自动知识化、权限感知检索、企业知识库、智能体、模型调用和MCP接口。

这个过程中踩过很多坑，也越来越清楚，企业需要的不是一个只能回答问题的AI，而是一套能让AI长期理解业务、继承经验并遵守权限的记忆基础设施。

巴别鸟已经推出可供AI接入的MCP服务和相关Skill。下一阶段，我们计划推出AI记忆管理产品“感忆”。

“感忆”希望实现的是：用户授权AI接入后，可以把重要记忆安全地保存到云端，在不同设备、不同工具和不同模型之间调用；同时，记忆仍然可以由用户查看、选择、纠正和管理。对于企业用户，AI能够读取哪些记忆，还必须严格继承企业内部的成员权限。

模型会变化，记忆应当留下

从Molasync到巴别鸟，再从企业文件管理走向AI记忆管理，皇甫珊欣对产品的判断始终围绕同一个问题：技术如何真正进入工作，而不是停留在概念和演示中。

大模型还会继续变得更快、更便宜、更聪明。但当模型之间的能力差距逐渐缩小时，决定用户长期选择的，也许不再只是模型本身，而是谁能保存、理解并安全使用用户积累下来的经验。

“AI可以不断更换大脑，但不能每换一次大脑，就失去一次人生。”皇甫珊欣说，“未来真正属于用户的，不是某一个模型，而是用户自己的记忆。”