Meta 前工程师创立 Memories.ai：用视觉记忆赋能 AI 穿戴设备与机器人
Shawn Shen 认为，要让 AI 在物理世界取得成功，必须具备“记住所见所闻”的能力。他的公司 Memories.ai 正借助 Nvidia 的 AI 工具，为可穿戴设备和机器人构建视觉记忆基础设施。
与 Nvidia 达成合作
本周一，Memories.ai 在 Nvidia GTC 大会上宣布了与这家芯片巨头的合作。通过这一合作，Memories.ai 将使用 Nvidia 的 Cosmos-Reason 2（推理视觉语言模型）以及 Metropolis（视频搜索与摘要应用），持续开发其视觉记忆技术。
Shen 向 TechCrunch 透露，他与联合创始人兼 CTO Ben Zhou 是在为 Meta Ray-Ban 眼镜开发 AI 系统时萌生了创业想法。他们意识到，如果用户无法回忆录制过的视频数据，这款 AI 眼镜在现实生活中将难以发挥真正价值。
“AI 在数字世界已经做得很好，那物理世界呢？AI 穿戴设备、机器人都需要记忆能力……最终，你需要 AI 拥有视觉记忆。我们相信这个未来。”
从文本记忆到视觉记忆
AI 系统具备记忆能力本身是相对较新的领域。OpenAI 于 2024 年更新了 ChatGPT，使其能够记住过往对话，并在 2025 年进一步优化了这一功能。Elon Musk 的 xAI 和 Google Gemini 也在过去两年推出了各自的记忆工具。
但 Shen 指出，这些进展主要聚焦于文本记忆。文本记忆结构化程度更高、更容易索引，却无法满足主要通过视觉与世界交互的物理 AI 应用需求。
公司发展与融资
Memories.ai 于 2024 年成立，目前已累计融资 1600 万美元：2025 年 7 月完成 800 万美元种子轮，随后完成 800 万美元扩展轮。投资方包括 Susa Ventures 领投，以及 Seedcamp、Fusion Fund、Crane Venture Partners 等机构。
要成功构建视觉记忆层，Shen 表示需要解决两个关键问题：一是构建必要的基础设施，将视频嵌入并索引为可存储和检索的数据格式；二是获取训练模型所需的视频数据。
自研硬件与模型发布
2025 年 7 月，Memories.ai 推出了大型视觉记忆模型（LVMM）。Shen 将其比作更小版本的 Gemini Embedding 2——Google 于本月初发布的多模态索引与检索模型。
在数据采集方面，公司自主研发了名为 LUCI 的硬件设备，由“数据采集员”佩戴录制视频，用于模型训练。Shen 强调他们不打算成为硬件公司或销售这些设备，只是市面上的视频录制设备都侧重高清和续航，无法满足其需求。
近日，公司发布了 LVMM 第二代，并宣布与高通达成合作，计划今年晚些时候在高通处理器上运行该模型。
目前，Memories.ai 已与多家大型可穿戴设备厂商展开合作（具体名称未披露）。尽管当下已有市场需求，Shen 认为穿戴设备和机器人领域的更大机遇还在后面。
“在商业化方面，我们更专注于模型和基础设施，因为我们认为穿戴设备和机器人市场终将到来，只是可能还不是现在。”
评论