2026年3月的GTC大會(huì)上，英偉達(dá)宣布了一項(xiàng)看似低調(diào)卻意義深遠(yuǎn)的合作——與初創(chuàng)公司Memories.ai聯(lián)手開發(fā)AI的"視覺記憶"能力。這不僅僅是又一家AI公司的技術(shù)發(fā)布，而是指向了一個(gè)被長期忽視的關(guān)鍵問題：AI能看，但記不住自己看到了什么。

從Meta眼鏡走出的創(chuàng)業(yè)靈感

Memories.ai的創(chuàng)始人Shawn Shen和CTO Ben Zhou并非憑空想象出這個(gè)方向。兩人此前在Meta負(fù)責(zé)Ray-Ban智能眼鏡的AI系統(tǒng)開發(fā)。在為這款網(wǎng)紅眼鏡搭建AI能力的過程中，他們發(fā)現(xiàn)了一個(gè)尷尬的現(xiàn)實(shí)：用戶戴著眼鏡錄了一整天的視頻，卻無法有效檢索和回憶這些內(nèi)容。

"如果AI只能實(shí)時(shí)分析畫面，卻不能記住用戶一周前看到的東西，那它的實(shí)用價(jià)值就大打折扣。"Shen在接受TechCrunch采訪時(shí)說。

為什么視覺記憶這么難？

文本記憶相對(duì)簡(jiǎn)單。文字是結(jié)構(gòu)化的，有明確的語義邊界，索引和檢索都有成熟方案。但視頻是另一回事——它是連續(xù)的、非結(jié)構(gòu)化的、數(shù)據(jù)量巨大的信息流。

Memories.ai的解決方案分為兩層：基礎(chǔ)設(shè)施層把視頻轉(zhuǎn)換成可存儲(chǔ)、可檢索的數(shù)據(jù)格式；數(shù)據(jù)層通過自研的LUCI硬件設(shè)備采集訓(xùn)練數(shù)據(jù)。

與英偉達(dá)的深度綁定

這次GTC上公布的合作，讓Memories.ai的技術(shù)棧更加清晰。他們將使用英偉達(dá)的Cosmos-Reason 2推理視覺語言模型，以及Metropolis視頻搜索與摘要應(yīng)用。

1600萬美元押注未來

Memories.ai成立于2024年，至今已完成兩輪融資，總計(jì)1600萬美元。投資方包括Susa Ventures、Seedcamp、Fusion Fund等知名機(jī)構(gòu)。

此外，Memories.ai還宣布與高通達(dá)成合作，其大型視覺記憶模型（LVMM）將支持高通處理器，預(yù)計(jì)今年晚些時(shí)候落地。

競(jìng)爭(zhēng)格局：搶先卡位

Memories.ai并非沒有競(jìng)爭(zhēng)對(duì)手。Google的Gemini Embedding 2就是類似方向的多模態(tài)索引檢索模型。但Memories.ai的優(yōu)勢(shì)在于專注——他們只做視覺記憶這一件事，而且已經(jīng)推出了第二代LVMM。

結(jié)語

當(dāng)所有人都在談?wù)摯竽Ｐ偷膮?shù)規(guī)模和推理能力時(shí)，Memories.ai選擇了一個(gè)更基礎(chǔ)卻同樣重要的問題：AI的記憶。這不是一個(gè)能登上頭條的炫酷功能，但可能是決定AI能否真正融入物理世界的關(guān)鍵拼圖。