2026年3月的GTC大會上，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。

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。

他們開始在市場上尋找解決方案，卻發(fā)現(xiàn)這個(gè)領(lǐng)域幾乎是一片空白。OpenAI、Google、xAI都在做AI記憶，但清一色是文本記憶——讓ChatGPT記住你們之前的對話內(nèi)容。對于需要與物理世界交互的AI來說，這顯然不夠。

文本記憶相對簡單。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：

第一層是基礎(chǔ)設(shè)施：把視頻轉(zhuǎn)換成可存儲、可檢索的數(shù)據(jù)格式。這需要專門的嵌入模型（Embedding Model）來提取視頻中的關(guān)鍵信息，并建立高效的索引系統(tǒng)。

第二層是數(shù)據(jù)：為了訓(xùn)練這個(gè)模型，他們甚至自己造了一款叫LUCI的硬件設(shè)備，讓"數(shù)據(jù)采集員"佩戴記錄視頻。Shen強(qiáng)調(diào)他們不想成為硬件公司，只是市面上的錄像設(shè)備要么畫質(zhì)過剩、要么耗電太快，都不符合需求。

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)的兩款核心產(chǎn)品：Cosmos-Reason 2推理視覺語言模型，負(fù)責(zé)理解視頻內(nèi)容；Metropolis視頻搜索與摘要應(yīng)用，提供檢索能力。

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。

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)。

但Shen對商業(yè)化保持克制："我們現(xiàn)階段更專注于模型和基礎(chǔ)設(shè)施，因?yàn)榭纱┐髟O(shè)備和機(jī)器人市場終將爆發(fā)，只是時(shí)機(jī)未到。"

這種判斷有其道理。蘋果Vision Pro的市場反響、Meta Ray-Ban眼鏡的走紅，都說明可穿戴AI設(shè)備正在起勢。但真正的爆發(fā)可能需要killer app——而"視覺記憶"很可能就是其中之一。

試想一下：你的AI助手記得你三個(gè)月前把護(hù)照放在了哪個(gè)抽屜，記得你上周在超市看到的那款零食叫什么名字，記得你停車時(shí)周圍的地標(biāo)——這才是真正有用的AI伴侶。

Memories.ai并非沒有競爭對手。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。

更關(guān)鍵的是，他們已經(jīng)與"幾家大型可穿戴設(shè)備公司"展開合作。在可穿戴AI這個(gè)即將爆發(fā)的賽道，搶先與頭部廠商建立合作關(guān)系，意味著巨大的先發(fā)優(yōu)勢。

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。畢竟，一個(gè)看過就忘的AI，和一個(gè)能記住生活點(diǎn)滴的AI，哪個(gè)更像真正的智能？

答案不言而喻。