為何奧特曼押注的AI記憶巨頭退場 全記錄式記憶終落幕。一家曾嘗試記錄用戶一生的公司Limitless最終以刪除一切告別市場。2025年年底，該公司被Meta收購。此前，Limitless已獲得超過3,300萬美元的投資，投資者包括山姆·奧特曼、a16Z等知名機(jī)構(gòu)和個(gè)人。

與此同時(shí)，Limitless宣布產(chǎn)品和服務(wù)下線：從2025年12月19日起，Rewind Mac應(yīng)用禁用所有屏幕和音頻錄制功能，可穿戴硬件設(shè)備Pendant也停止服務(wù)，不再銷售產(chǎn)品，并允許用戶導(dǎo)出或徹底刪除個(gè)人數(shù)據(jù)。Rewind是一款能夠記錄并轉(zhuǎn)錄用戶所見所聞的軟件，被稱為用戶的“第二大腦”。盡管產(chǎn)品完成度高且用戶口碑不錯，但并未走向大眾化成功。

近年來，AI記憶在產(chǎn)業(yè)和資本層面受到高度關(guān)注。Limitless成立于2020年，2022年11月發(fā)布了一款名為Rewind的應(yīng)用，能夠記錄用戶在macOS上的所有操作，初衷是讓用戶隨時(shí)回顧之前的工作。這款應(yīng)用可以記錄用戶屏幕顯示的每條文字信息或揚(yáng)聲器上的音頻信息，并允許用戶使用自然語言搜索和訪問相關(guān)歷史記錄。該應(yīng)用發(fā)布后迅速吸引了大量關(guān)注，包括公司高管、記者以及ADHD、失智癥和阿爾茲海默病患者群體。

據(jù)公開資料，Limitless采用壓縮技術(shù)，可在不顯著降低畫質(zhì)的情況下錄制并存儲數(shù)年的錄像，還利用OCR技術(shù)和語音識別提供強(qiáng)大的搜索功能。開發(fā)者稱，10GB的錄像文件可壓縮成小于3MB的文件。此外，該應(yīng)用在隱私保護(hù)方面也有考慮，錄制內(nèi)容僅存儲在Mac電腦本地，理論上公司不會觸及這些數(shù)據(jù)。

在初步成功后，Rewind更名為Limitless，公司戰(zhàn)略轉(zhuǎn)向軟硬一體，推出全天候記憶系統(tǒng)Pendant。這是一款帶有麥克風(fēng)的可穿戴設(shè)備，售價(jià)99美元，可以持續(xù)錄制和轉(zhuǎn)錄用戶對話。然而，這種新意未能持續(xù)太久，從公司成立到被收購僅用了五年時(shí)間。自2025年12月5日起，Limitless服務(wù)在巴西、中國、歐盟等多個(gè)國家和地區(qū)停止服務(wù)。Limitless聯(lián)合創(chuàng)始人兼CEO丹·西羅克表示，將為現(xiàn)有Pendant用戶提供至少一年的支持，但不再向新客戶銷售Pendant，現(xiàn)有客戶可免費(fèi)獲得無限流量套餐。對于現(xiàn)有客戶的數(shù)據(jù)，Limitless提供了導(dǎo)出或刪除所有數(shù)據(jù)的選項(xiàng)。

Meta之所以收購Limitless，與其近期的核心重心密切相關(guān)。目前，Meta的關(guān)注重點(diǎn)是AR/AI眼鏡，其愿景是將個(gè)人超級智能帶給每個(gè)人。Limitless團(tuán)隊(duì)已并入Meta Reality Labs的可穿戴設(shè)備部門，因此很大可能Meta會將Limitless的技術(shù)集成到自身的AI可穿戴設(shè)備中，而不是直接使用后者的產(chǎn)品。

有用戶在社交平臺發(fā)帖稱，Rewind作為本地存儲所有數(shù)據(jù)還不錯，幫助簡化了一些合規(guī)性工作，但現(xiàn)在要刪除所有數(shù)據(jù)并卸載它。許多人對Pendant的停產(chǎn)感到失望。

實(shí)際上，能夠讓大型科技公司收購已經(jīng)說明了Limitless技術(shù)的可行性，但它沒有獨(dú)立走下去不免讓人覺得有些可惜。隨著OpenAI和Meta等大型科技公司也開始做硬件，初創(chuàng)公司顯得力不從心。這也引出一個(gè)更根本的問題：Limitless退場，是市場問題還是產(chǎn)品形態(tài)本身的問題？從某種程度上來看，它并不是被技術(shù)打敗，而是被“記憶形態(tài)的選擇”困住了。

英國布里斯托大學(xué)助理教授沈俊瀟指出，大多數(shù)人并沒有那么多“回溯”的需求。無論是桌面端Rewind還是硬件產(chǎn)品Pendant，都是高度完整地記錄與檢索個(gè)人信息和行為，本質(zhì)上是大而全的AI記憶助手。如果不能嵌入到用戶的工作流中，讓用戶長期付費(fèi)會充滿挑戰(zhàn)，也就難形成顯著的投資回報(bào)率。AI記憶更多價(jià)值沉淀是在后續(xù)的行動，而非停留在記憶功能本身。它能夠幫用戶更好地感知時(shí)間和創(chuàng)造新體驗(yàn)，但產(chǎn)品的差異化是否足夠清晰？

AI記憶在具體的場景中價(jià)值巨大，產(chǎn)品定位直接影響著產(chǎn)品價(jià)值的體現(xiàn)。目前，AI記憶在會議、錄音、工作總結(jié)等明確場景中已被廣泛接受。但是，脫離場景的泛記憶產(chǎn)品很難成立。以Rewind或Pendant為例，可持續(xù)記錄是產(chǎn)品亮點(diǎn)之一，但隨著市場的其他產(chǎn)品也在慢慢加入這項(xiàng)功能，難以形成規(guī)模優(yōu)勢。從應(yīng)用場景來看，它們既不是專門做辦公場景也不是專門提升效率場景，用戶群體相對小眾。

北京郵電大學(xué)副教授白婷指出，全記錄式記憶是用戶數(shù)據(jù)最原始的階段，冗余、碎片化且會有較大的存儲和計(jì)算開銷，但未經(jīng)過處理的全部記憶很難發(fā)揮價(jià)值。用戶更看重的是自己的使用感受和隱私是否會被泄露，以及是否能夠從自身記憶中挖掘出隱藏、深度的知識和價(jià)值。

可以看到的是，兩位專家的判斷有一個(gè)共同點(diǎn)：AI記憶的問題不在“能不能記住”，而在“記住之后能做什么”。沈俊瀟認(rèn)為，能不能幫用戶完成任務(wù)、產(chǎn)出結(jié)果，是決定AI產(chǎn)品價(jià)值的關(guān)鍵，記憶只是為了讓行動更好。以會議場景為例，錄音筆產(chǎn)品的痛點(diǎn)之一是用戶會經(jīng)常忘記開關(guān)。如果產(chǎn)品能夠直接給到下一步的結(jié)果——去直接行動，幫用戶顯著提升效率才是產(chǎn)品價(jià)值的體現(xiàn)，比如自動切片和總結(jié)等。

白婷認(rèn)為，AI記憶以技術(shù)為驅(qū)動力，最終還是以人為本、服務(wù)于人的應(yīng)用系統(tǒng)。成熟的AI記憶系統(tǒng)將推動智能體從靜態(tài)工具升級為自適應(yīng)的終身協(xié)作伙伴，開啟人機(jī)認(rèn)知共生進(jìn)化的全新階段。

即便找對了場景，另一個(gè)問題仍不容忽視：記憶真的越長越好嗎？英偉達(dá)研究科學(xué)家李柏依認(rèn)為，真正高級的智能靠的不是記住更多，而是記住得更少、但更對、更有用。從工程現(xiàn)實(shí)的角度來看，AI記憶并不等同于信息存儲。丘腦智能CEO張?jiān)粗赋觯琇imitless的產(chǎn)品把AI記憶理解為對個(gè)人信息和行為的持續(xù)記錄，范圍稍顯狹隘。AI記憶應(yīng)該以多模態(tài)的形式去記錄人與AI交互的內(nèi)容、人類的偏好，例如將它接到物理AI，讓具身智能體記住要做什么，已經(jīng)做了什么，還沒有做什么。

當(dāng)前大模型的長期記憶瓶頸不是“存不下”，而是“無法在正確時(shí)間，以正確的方式穩(wěn)定使用”。Transformer是一個(gè)函數(shù)逼近器，不是狀態(tài)機(jī)，長期信息只能被壓縮進(jìn)參數(shù)或塞進(jìn)上下文窗口。隨著上下文變長，模型天然更信任近處token。當(dāng)前大模型缺乏一個(gè)同時(shí)滿足可寫、可尋址、可更新、可置信與推理強(qiáng)耦合的記憶模塊，而Transformer本身不具備這些性質(zhì)。

張?jiān)催M(jìn)一步指出，記憶和推理的協(xié)同最大的核心矛盾在于：目前的記憶方案本質(zhì)上是外部存儲的靜態(tài)讀取，而推理是模型計(jì)算產(chǎn)生的瞬時(shí)中間變量。由于缺乏反饋閉環(huán)，模型在長邏輯鏈推理時(shí)，這些中間變量極易被后續(xù)信息的注意力權(quán)重干擾，導(dǎo)致邏輯斷裂。要解決這一問題，記憶走向持續(xù)學(xué)習(xí)是一個(gè)可行路徑。

組織提煉記憶和設(shè)計(jì)檢索記憶方法，是很多現(xiàn)有記憶架構(gòu)中重點(diǎn)設(shè)計(jì)的部分，也是記憶如何能發(fā)揮最大應(yīng)用價(jià)值的核心關(guān)鍵。白婷認(rèn)為，AI記憶作為用戶感知和通用大模型的中間層，理想的狀態(tài)和應(yīng)用場景和用戶偏好相關(guān)，是用戶行為認(rèn)知和應(yīng)用認(rèn)知的深度結(jié)合。

從記憶的形態(tài)來看，Limitless的產(chǎn)品形態(tài)與模型內(nèi)部存儲的“我學(xué)到了什么”不同，它記錄的是“發(fā)生過什么”。這是一種事后記憶，而非工作記憶，更非思考中的記憶。相對而言，將它轉(zhuǎn)化為模型記憶的原材料更具有前景。長期AI記憶不應(yīng)該只存在于模型里，也不應(yīng)該主要存在于單個(gè)Agent里，而應(yīng)該同時(shí)存在于系統(tǒng)層。模型負(fù)責(zé)如何思考，Agent負(fù)責(zé)當(dāng)前在干什么，系統(tǒng)負(fù)責(zé)過去發(fā)生過什么。

近半年以來，圍繞AI記憶系統(tǒng)架構(gòu)的研究與方法不斷涌現(xiàn)。AI記憶是智能系統(tǒng)不可或缺的一部分，目前AI記憶的研究或應(yīng)用處于摸索與行業(yè)適配的初級階段。如果把視角從個(gè)別的公司拉伸到整個(gè)產(chǎn)業(yè)，會發(fā)現(xiàn)AI記憶正在分化出幾條不同路線：內(nèi)嵌式（模型原生）、外掛式（RAG/中間件）、架構(gòu)式、結(jié)構(gòu)式（知識圖譜）。

目前，基模廠商通過對話系統(tǒng)的優(yōu)化，將跨會話記憶與偏好管理深度集成到產(chǎn)品流中，為用戶提供一體化的記憶體驗(yàn)，代表公司包括OpenAI、Anthropic和Google等。但這相當(dāng)于只在對話系統(tǒng)維護(hù)一套輕量記錄用戶狀態(tài)，一方面可能會形成記憶孤島，另一方面?zhèn)€性化程度相對較弱。

向量檢索或檢索增強(qiáng)生成（RAG）記憶，是領(lǐng)域內(nèi)較早期的做法。它的門檻相對較低，上手也較快，但現(xiàn)階段已難成為獨(dú)立的創(chuàng)新壁壘。以Mem0、Supermemory等公司為代表的記憶中間件方案，同質(zhì)化也比較嚴(yán)重。此外，還有以Zep為代表，采用時(shí)序知識圖譜作為記憶載體的技術(shù)路線，以及以Letta為代表的虛擬內(nèi)存管理Agent記憶系統(tǒng)的技術(shù)路線等。技術(shù)路徑還在慢慢收斂。

無論技術(shù)形態(tài)如何變化，核心問題始終沒變：記憶如何真正提升行動效率？沈俊瀟指出，AI記憶能幫助把50分的產(chǎn)品提升到55分，但還達(dá)不到拉平到100分的程度。幾乎所有Agent最后都會選擇自己做記憶。白婷認(rèn)為，從長遠(yuǎn)看，AI記憶是人和智能系統(tǒng)交互的一種重要方式和入口，不僅是技術(shù)問題，更需要從更宏觀和頂層設(shè)計(jì)的角度來看待這一交互方式，比如倫理、隱私、價(jià)值觀等等。

記憶是AI世界和物理世界交互的錨點(diǎn)。有了記憶，AI才能更好地理解世界、理解與其交互的人類，進(jìn)而構(gòu)建對物理世界的認(rèn)知，這也是下一個(gè)五年最重要的基礎(chǔ)設(shè)施機(jī)會之一。隨著AI能做的事情越來越多，記憶會越來越重要。盡管當(dāng)下AI記憶還不是體現(xiàn)價(jià)值差異化的影響因素，但將時(shí)間尺度放在5年到10年后，當(dāng)Agent的行動能力逐漸趨同時(shí)，AI記憶一定會成為決定產(chǎn)品差異化的關(guān)鍵變量。從Limitless的案例中可以看到，AI記憶并非是一種“萬能解藥”，但這條路仍然值得期待。對AI應(yīng)用來說，更重要的還是產(chǎn)品力：選對路、做得深，才能走得更長遠(yuǎn)。