Shawn Shen 认为，AI 要想在物理世界中取得成功，就必须记住其所见之物。Shen 的公司 Memories.ai 正利用 Nvidia 的 AI 工具构建基础设施，使可穿戴设备和机器人能够记住并回顾视觉记忆。
Memories.ai 于周一在 GTC 大会上宣布与半导体巨头 Nvidia 达成合作。通过这一伙伴关系，Memories.ai 将使用 Nvidia 的 Cosmos-Reason 2（一种推理视觉语言模型）以及 Nvidia Metropolis（一款用于视频搜索和摘要的应用程序），继续开发其视觉记忆技术。
Shen（上图左）告诉 TechCrunch，他和联合创始人兼 CTO Ben Zhou（上图右）是在为 Meta 的 Ray-Ban 眼镜构建背后的 AI 系统时萌生了创立该公司的想法。打造 AI 眼镜的过程让他们思考，如果用户无法回看所录制的视频数据，人们在现实生活中究竟会如何使用这项技术。
他们四处搜寻是否有人已经在为 AI 构建此类视觉记忆解决方案。当未能找到时，他们决定从 Meta 分拆出来，自行构建。
"AI 在数字世界中已经表现优异。那物理世界呢？”Shen 说，"AI 可穿戴设备、机器人也需要记忆。……归根结底，你需要 AI 拥有视觉记忆。我们坚信那个未来。”
总体而言，AI 系统的记忆能力相对较新。OpenAI 于 2024 年更新 ChatGPT 以开始记住过往对话，并于 2025 年微调了该功能。Elon Musk 的 xAI 和 Google Gemini 也在过去两年中推出了各自的记忆工具。
但 Shen 表示，这些进展主要集中在基于文本的记忆上。基于文本的记忆结构更为规整且更易于索引，但对于主要通过视觉和图像与世界交互的物理 AI 应用而言，其帮助有限。
Memories.ai 于 2024 年成立，迄今为止已筹集 1600 万美元，其中包括 2025 年 7 月的 800 万美元种子轮融资及 800 万美元的追加融资。该轮融资由 Susa Ventures 领投，Seedcamp、Fusion Fund 和 Crane Venture Partners 等机构跟投。
Shen 表示，成功构建这一视觉记忆层需要两件事：一是构建将视频嵌入并索引为可存储和调用的数据格式所需的基础设施；二是捕获训练模型以实现上述功能所需的数据。
该公司于 2025 年 7 月推出了其大型视觉记忆模型（LVMM）。Shen 称，其规模可比作本月早些发布的 Gemini Embedding 2（一种多模态索引和检索模型）的缩小版。
在数据收集方面，公司创建了 LUCI，这是一种由公司“数据收集员”佩戴的硬件设备，用于录制训练模型的视频。Shen 表示，他们并不打算成为一家硬件公司，也不会出售这些设备，而是选择自行研发，因为他们对市面上那些专注于高清和耗电视频格式的现成录像机并不满意。
该公司发布了该 LVMM 的第二代产品，并与 Qualcomm 签署了合作伙伴协议，计划从今年晚些时候开始在 Qualcomm 的处理器上运行。
Shen 表示，Memories.ai 目前已与部分大型可穿戴设备公司展开合作，但拒绝透露具体是哪些公司。尽管目前已有部分需求，但 Shen 认为可穿戴设备和机器人领域仍有更大的机遇待发掘。
“就商业化而言，我们更专注于模型和基础设施，因为我们最终认为可穿戴设备和机器人市场终将到来，但可能并非现在，”Shen 说道。
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
