为何奥特曼押注的AI记忆巨头退场 全记录式记忆终落幕。一家曾尝试记录用户一生的公司Limitless最终以删除一切告别市场。2025年年底，该公司被Meta收购。此前，Limitless已获得超过3,300万美元💵的投资，投资者包括山姆·奥特曼、a16Z等知名机构和个人。
与此同时，Limitless宣布产品和服务下线：从2025年12月19日起，Rewind Mac应用禁用所有屏幕和音频录制功能，可穿戴硬件设备Pendant也停止服务，不再销售产品，并允许用户导出或彻底删除个人数据。Rewind是一款能够记录并转录用户所见所闻的软件，被称为用户的“第二大脑”。尽管产品完成度高且用户口碑不错，但并未走向大众化成功。
近年来，AI记忆在产业和资本层面受到高度关注。Limitless成立于2026年，2022年11月发布了一款名为Rewind的应用，能够记录用户在macOS上的所有操作，初衷是让用户随时回顾之前的工作。这款应用可以记录用户屏幕显示的每条文字信息或扬声器上的音频信息，并允许用户使用自然语言搜索和访问相关历史记录。该应用发布后迅速吸引了大量关注，包括公司高管、记者以及ADHD、失智症和阿尔兹海默病患者群体。
据公开资料，Limitless采用压缩技术，可在不显著降低画质的情况下录制并存储数年的录像，还利用OCR技术和语音识别提供强大的搜索功能。开发者称，10GB的录像文件可压缩成小于3MB的文件。此外，该应用在隐私保护方面也有考虑，录制内容仅存储在Mac电脑本地，理论上公司不会触及这些数据。
在初步成功后，Rewind更名为Limitless，公司战略转向软硬一体，推出全天候记忆系统Pendant。这是一款带有麦克风的可穿戴设备，售价99美元💵，可以持续录制和转录用户对话。然而，这种新意未能持续太久，从公司成立到被收购仅用了五年时间。自2025年12月5日起，Limitless服务在巴西、中国、欧盟等多个国家和地区停止服务。Limitless联合创始人兼CEO丹·西罗克表示，将为现有Pendant用户提供至少一年的支持，但不再向新客户销售Pendant，现有客户可免费获得无限流量套餐。对于现有客户的数据，Limitless提供了导出或删除所有数据的选项。
Meta之所以收购Limitless，与其近期的核心重心密切相关。目前，Meta的关注重点是AR/AI眼镜👓，其愿景是将个人超级智能带给每个人。Limitless团队已并入Meta Reality Labs的可穿戴设备部门，因此很大可能Meta会将Limitless的技术集成到自身的AI可穿戴设备中，而不是直接使用后者的产品。
有用户在『社交平台』发帖称，Rewind作为本地存储所有数据还不错，帮助简化了一些合规性工作，但现在要删除所有数据并卸载它。许多人对Pendant的停产感到失望。
实际上，能够让大型科技公司收购已经说明了Limitless技术的可行性，但它没有独立走下去不免让人觉得有些可惜。随着OpenAI和Meta等大型科技公司也开始做硬件，初创公司显得力不从心。这也引出一个更根本的问题：Limitless退场，是市场问题还是产品形态本身的问题？从某种程度上来看，它并不是被技术打败，而是被“记忆形态的选择”困住了。
英国布里斯托大学助理教授沈俊潇指出，大多数人并没有那么多“回溯”的需求。无论是桌面端Rewind还是硬件产品Pendant，都是高度完整地记录与检索个人信息和行为，本质上是大而全的AI记忆助手。如果不能嵌入到用户的工作流中，让用户长期付费会充满挑战，也就难形成显著的投资回报率。AI记忆更多价值沉淀是在后续的行动，而非停留在记忆功能本身。它能够帮用户更好地感知时间和创造新体验，但产品的差异化是否足够清晰？
AI记忆在具体的场景中价值巨大，产品定位直接影响着产品价值的体现。目前，AI记忆在会议、录音、工作总结等明确场景中已被广泛接受。但是，脱离场景的泛记忆产品很难成立。以Rewind或Pendant为例，可持续记录是产品亮点之一，但随着市场的其他产品也在慢慢加入这项功能，难以形成规模优势。从应用场景来看，它们既不是专门做办公场景也不是专门提升效率场景，用户群体相对小众。
北京邮电大学副教授白婷指出，全记录式记忆是用户数据最原始的阶段，冗余、碎片化且会有较大的存储和计算开销，但未经过处理的全部记忆很难发挥价值。用户更看重的是自己的使用感受和隐私是否会被泄露，以及是否能够从自身记忆中挖掘出隐藏、深度的知识和价值。
可以看到的是，两位专家的判断有一个共同点：AI记忆的问题不在“能不能记住”，而在“记住之后能做什么”。沈俊潇认为，能不能帮用户完成任务、产出结果，是决定AI产品价值的关键，记忆只是为了让行动更好。以会议场景为例，录音笔产品的痛点之一是用户会经常忘记开关。如果产品能够直接给到下一步的结果——去直接行动，帮用户显著提升效率才是产品价值的体现，比如自动切片和总结等。
白婷认为，AI记忆以技术为驱动力，最终还是以人为本、服务于人的应用系统。成熟的AI记忆系统将推动智能体从静态工具升级为自适应的终身协作伙伴，开启人机认知共生进化的全新阶段。
即便找对了场景，另一个问题仍不容忽视：记忆真的越长越好吗？『英伟达』研究科学家李柏依认为，真正高级的智能靠的不是记住更多，而是记住得更少、但更对、更有用。从工程现实的角度来看，AI记忆并不等同于信息存储。丘脑智能CEO张源指出，Limitless的产品把AI记忆理解为对个人信息和行为的持续记录，范围稍显狭隘。AI记忆应该以多模态的形式去记录人与AI交互的内容、人类的偏好，例如将它接到物理AI，让具身智能体记住要做什么，已经做了什么，还没有做什么。
当前大模型的长期记忆瓶颈不是“存不下”，而是“无法在正确时间，以正确的方式稳定使用”。Transformer是一个函数逼近器，不是状态机，长期信息只能被压缩进参数或塞进上下文窗口。随着上下文变长，模型天然更信任近处token。当前大模型缺乏一个同时满足可写、可寻址、可更新、可置信与推理强耦合的记忆模块，而Transformer本身不具备这些性质。
张源进一步指出，记忆和推理的协同最大的核心矛盾在于：目前的记忆方案本质上是外部存储的静态读取，而推理是模型计算产生的瞬时中间变量。由于缺乏反馈闭环，模型在长逻辑链推理时，这些中间变量极易被后续信息的注意力权重干扰，导致逻辑断裂。要解决这一问题，记忆走向持续学习是一个可行路径。
组织提炼记忆和设计检索记忆方法，是很多现有记忆架构中重点设计的部分，也是记忆如何能发挥最大应用价值的核心关键。白婷认为，AI记忆作为用户感知和通用大模型的中间层，理想的状态和应用场景和用户偏好相关，是用户行为认知和应用认知的深度结合。
从记忆的形态来看，Limitless的产品形态与模型内部存储的“我学到了什么”不同，它记录的是“发生过什么”。这是一种事后记忆，而非工作记忆，更非思考中的记忆。相对而言，将它转化为模型记忆的原材料更具有前景。长期AI记忆不应该只存在于模型里，也不应该主要存在于单个Agent里，而应该同时存在于系统层。模型负责如何思考，Agent负责当前在干什么，系统负责过去发生过什么。
近半年以来，围绕AI记忆系统架构的研究与方法不断涌现。AI记忆是智能系统不可或缺的一部分，目前AI记忆的研究或应用处于摸索与行业适配的初级阶段。如果把视角从个别的公司拉伸到整个产业，会发现AI记忆正在分化出几条不同路线：内嵌式（模型原生）、外挂式（RAG/中间件）、架构式、结构式（知识图谱）。
目前，基模厂商通过对话系统的优化，将跨会话记忆与偏好管理深度集成到产品流中，为用户提供一体化的记忆体验，代表公司包括OpenAI、Anthropic和Google等。但这相当于只在对话系统维护一套轻量记录用户状态，一方面可能会形成记忆孤岛，另一方面个性化程度相对较弱。
向量检索或检索增强生成（RAG）记忆，是领域内较早期的做法。它的门槛相对较低，上手也较快，但现阶段已难成为独立的创新壁垒。以Mem0、Supermemory等公司为代表的记忆中间件方案，同质化也比较严重。此外，还有以Zep为代表，采用时序知识图谱作为记忆载体的技术路线，以及以Letta为代表的虚拟内存管理Agent记忆系统的技术路线等。技术路径还在慢慢收敛。
无论技术形态如何变化，核心问题始终没变：记忆如何真正提升行动效率？沈俊潇指出，AI记忆能帮助把50分的产品提升到55分，但还达不到拉平到100分的程度。几乎所有Agent最后都会选择自己做记忆。白婷认为，从长远看，AI记忆是人和智能系统交互的一种重要方式和入口，不仅是技术问题，更需要从更宏观和顶层设计的角度来看待这一交互方式，比如伦理、隐私、价值观等等。
记忆是AI世界和物理世界交互的锚点。有了记忆，AI才能更好地理解世界、理解与其交互的人类，进而构建对物理世界的认知，这也是下一个五年最重要的基础设施机会之一。随着AI能做的事情越来越多，记忆会越来越重要。尽管当下AI记忆还不是体现价值差异化的影响因素，但将时间尺度放在5年到10年后，当Agent的行动能力逐渐趋同时，AI记忆一定会成为决定产品差异化的关键变量。从Limitless的案例中可以看到，AI记忆并非是一种“万能解药”，但这条路仍然值得期待。对AI应用来说，更重要的还是产品力：选对路、做得深，才能走得更长远。
