2026 年 AI 都学会了记忆，但你的记忆不属于你

2026 年 6 月 4 日，OpenAI 发布了一篇题为《为 ChatGPT 记忆打造更强基础》的博客，推出名为 Dreaming（做梦） 的新一代记忆系统。这个名字本身就是一个精心设计的隐喻：人在睡眠时整理白天的记忆，ChatGPT 在后台整理你的聊天历史。

但浪漫的命名之下，是一个工程上相当激进的系统重构。更值得注意的是，2026 年上半年，ChatGPT、Claude、Gemini、Grok、Microsoft 365 Copilot 五家主流 AI 助手全部上线或升级了记忆功能。五大厂商不约而同地在同一个时间窗口押注同一方向，这绝非巧合。

模型本身没有记忆

理解 ChatGPT 记忆系统的第一步，是接受一个反直觉的事实：大语言模型是无状态的（stateless）。 每次你按下发送键，模型都是从一张白纸开始推理。你能在一个对话中引用前面说过的话，仅仅是因为系统把此前的完整聊天记录悄悄粘贴在了你的新消息前面——这个文本包叫上下文窗口（context window），它有容量上限，旧内容会从边缘掉落。

所谓"跨对话记忆"，从来不是模型自带的能力。它是一个外挂系统，核心问题始终是：谁来写这本笔记本，写多少，怎么取舍。

三代演进

ChatGPT 的记忆经历了三个阶段：

第一代：已保存记忆（2024 年 4 月）。 用户需要明确指示"记住我要去新加坡旅行"，系统才会写入一条记忆。OpenAI 自己的比喻是：这就像和一个记了几条笔记的人说话，但他仍然忘了所有没写下来的内容。这套系统依赖强提示触发，写入门槛高，且记忆一旦写入就静止不动，随着时间推移变得陈旧。

第二代：Dreaming V0（2025 年 4 月）。 OpenAI 引入了后台流程，让 ChatGPT 能够参考已保存记忆列表之外的聊天历史，自动整理记忆。这是"做梦"概念的第一次落地。但它计算成本高昂，只能作为已保存记忆的补充，不足以独立承担记忆职责。

第三代：Dreaming V3（2026 年 6 月）。 OpenAI 在博客中称，近期改进将提供 Dreaming 功能所需的计算量降低了约 5 倍，使其首次有能力向免费版用户推出。这是第一个完全基于"做梦"架构、不再依赖手动保存记忆的版本。

三代之间的核心变化可以概括为：从用户手动写笔记，到系统后台自动提炼摘要。 记忆的写入者从人变成了机器。

"做梦"在做什么

OpenAI 没有公布 Dreaming 的完整技术细节，但从官方描述和博客中的评估示例可以推断出大致流程：

1. 后台读取： 系统周期性地扫描你的聊天历史（跨多次对话）
2. 综合提炼： 用一个独立的模型（不是你对话用的那个）从历史中提取偏好、项目、限制等信息
3. 生成摘要： 将提炼结果写入一份可演进的记忆状态文件
4. 时效更新： 随时间推移自动修订过时信息——博客给出的例子是，旅行结束后把"要去新加坡"改成"去过新加坡"
5. 注入对话： 新对话开始时，将记忆摘要的相关部分注入上下文窗口

OpenAI 在博客中用三个维度评估记忆质量：延续上下文（记住你用 Sony A1 II 拍水下，直接推荐兼容配件）、遵循偏好（记住你是素食者、爱野生动物摄影，行程定制化）、随时间保持最新（旅行回来后本地推荐切回你居住的地区）。

博客展示了一组 GPT-5.2 Instant 与 GPT-5.3 Instant 的对比示例。在"帮我找个今晚还开着的打包餐厅"这个请求中，GPT-5.2 仍然认为用户在新加坡（因为两个月前说过要去），而 GPT-5.3 已经知道用户回到了加州 Portola Valley，给出了完全不同的本地推荐。

记忆会推断你没说过的事

这是 Dreaming 最值得关注的特性，也是隐私争议的焦点。

已保存记忆是转录式的——你说了什么，它记什么。Dreaming 是综合式的——它从多次对话的模式中推断结论。这意味着记忆摘要中可能出现你从未明确说过的话，比如从你多次讨论摄影器材的对话中推断出"用户对野生动物摄影有强烈兴趣"。

这种推断能力正是 Dreaming 比手动记忆好用的原因，但同时也意味着审计变得更加困难。旧的已保存记忆是一份完整清单，你可以逐条检查。Dreaming 的摘要页面本身就是一份经过二次加工的总结，用户无法完整还原系统从原始对话中提取了哪些信息、丢弃了哪些。

五家 AI 的记忆方案

2026 年上半年，五家主流 AI 助手全部上线或升级了记忆功能。横向对比可以看清各自的策略差异：

数据来源：各厂商官方公告（OpenAI 2026 年 6 月 4 日；Anthropic 2026 年 3 月；Google Gemini Personal Intelligence；xAI 2026 年 5 月 18 日；微软 2026 年 1-5 月）。

每家的记忆方案各有侧重：ChatGPT Dreaming 自动化程度最高，Claude 最先覆盖免费用户，Gemini 与 Google 应用生态打通最深，Grok 通过 Skills 提供可复用的持久专业能力，Copilot 与办公场景绑定最紧。

真正的故事：记忆作为锁定手段

但横向对比揭示了一个所有厂商共同回避的问题：五家记忆系统互不互通。

你在 ChatGPT 里教会它的偏好，传不到 Claude。你在 Grok 里构建的 Skills，帮不了 Gemini。Copilot 学到的工作风格，锁在 Microsoft 365 里。每家厂商的记忆都是为其自身产品服务的留存功能，而非关于你的可移植记录。

这不是技术限制，是商业选择。当 AI 助手的核心差异化从"谁更聪明"逐渐转向"谁更了解你"时，记忆数据就成了平台锁定的最强武器。用户迁移到另一个助手的成本，不再只是重新学习界面——而是放弃一个积累了数月甚至数年的个性化画像。

OpenAI 把后台批处理包装成"做梦"是一个漂亮的营销叙事，但真正的故事是：记忆正在成为下一代平台战争的核心基础设施，而每家厂商都在忙着修自己的围墙。

出路在哪

打破围墙的可能路径有三条：

一是开放协议。 MCP（Model Context Protocol）等标准试图建立 AI 工具之间的通用上下文接口，让记忆数据可以跨工具流通。但目前仍处于早期阶段，主流厂商没有动力主动拥抱。

二是外部记忆层。 一些第三方服务（如 MemoryLake、mem0 等）尝试构建独立于任何厂商的记忆存储，通过 API 向多个 AI 助手提供相同的上下文。这类方案的挑战在于获取用户信任和集成深度。

三是本地记忆。 对于技术用户而言，在本地运行 AI 助手并自行管理记忆文件，是最彻底的"记忆主权"实践。记忆数据存放在自己的磁盘上，导入和导出完全由用户控制，不依赖任何云服务的善心。代价是失去了云厂商的算力和数据规模优势。

结语

OpenAI 的 Dreaming 在工程上是实打实的进步——把记忆系统从手动笔记升级为自动综合，5 倍计算效率提升让免费用户也能用上。这对于每天使用 ChatGPT 的人来说，体验提升是真实的。

但与此同时，每一条被系统自动提取的记忆，每一条你从未明确说过的推断，都在加深你与这个平台之间的依赖关系。记忆越好用，离开越困难。

2026 年，AI 终于学会了记住你。问题在于：你记住了它多少？

参考来源：OpenAI 官方博客（2026 年 6 月 4 日）；MemoryLake AI Memory Compared 2026；BuildThisNow ChatGPT Dreaming Memory 分析