整个行业正逐步转向专业化 AI 智能体。Iyuno 将这一思路用于解决媒体行业最棘手的难题之一：让 AI 在跨场景、跨集、跨季处理内容时，依然保持连贯可靠的记忆。

加州伯班克2026年9月11日 /美通社/ -- 全球最大的媒体本地化公司 Iyuno 今日详细介绍了 CLOE 上下文记忆功能背后的多智能体技术架构。其核心理念是，针对范围有限、定义清晰的问题采用专业化 AI 智能体，效果优于单纯扩大系统规模。

Iyuno 创始人兼首席执行官 David Lee 表示：“我们的目标从来不是打造规模最大的 AI 系统，而是打造真正适合媒体行业的系统。”

大多数企业部署 AI 时都在追求规模：模型不断扩大，上下文窗口持续扩展，算力开支也随之攀升，却仍无法维持长视频的叙事连贯性。CLOE 采用不同的技术路径，围绕三项原则构建架构：

• 垂直领域多智能体编排。采用由高度专业化的微型智能体组成的协作网络，让每个智能体专注于特定任务，例如角色关系映射、情绪意图分析、语音韵律匹配或品牌规范检查，而非依赖单一模型包办所有工作。

• 高信息密度、低 Token 消耗的提示设计。系统先将原始视频、音频和剧本整合为结构化知识图谱。随后，智能体基于经过压缩、保留关键信息的上下文向量运行，取代直接处理海量原始数据的方式，从而降低每部作品的 Token 消耗和推理成本。

• 持久化图谱记忆。所有智能体的输出都会汇入同一个持久化本体图谱，而不会在任务完成后被丢弃。随着内容积累，系统对单部作品、整季内容乃至整个系列作品的理解不断深化，推理成本却不会随之叠加。

Iyuno 创始人兼首席执行官 David Lee 表示：“我们的目标从来不是打造规模最大的 AI 系统，而是打造真正适合媒体行业的系统。面对范围广泛的通用问题，采用更大的模型、投入更多算力，确实有其道理。但在娱乐这样的垂直领域，单靠扩大规模，并不能带来真正关键的能力：叙事连贯性。专业化智能体依托精准、高信息密度的上下文协同工作，让我们以远少于单一模型架构所需的资源，达到业界领先的内容理解水平。其资源需求也不会像单一模型架构那样，随着内容库规模扩大而增长。我们每处理一部作品，图谱的能力就会进一步提升，而运行成本不会因此增加。”

这一架构已在 Iyuno 旗下商用产品套件中投入应用：CLOE Enterprise（SaaS）、CLOE Sub、CLOE Script、CLOE Dub 和 CLOE Live，目前均已实际应用于工作室和流媒体制作。公司将在后续公告中详细介绍这一架构如何拓展至 CLOE Skills，覆盖无障碍服务、营销及其他工作流程。