一家曾尝试记录你一生的公司，最终以删除一切告别市场。

2025 年年底，AI 记忆公司 Limitless 宣布被 Meta 收购。该公司此前已获得超过 3,300 万美元投资，投资者包括山姆·奥特曼（Sam Altman）、a16Z、First Round Capital 和 NEA 等。

与此同时，该公司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，而用于录制对话的可穿戴硬件设备 Pendant 也停止服务，不再销售产品（少数国家除外），并允许用户导出或彻底删除个人数据。

作为一款能够记录并转录用户所见所闻的软件，Rewind 被称为用户的“第二大脑”。在产品完成度高和用户口碑不差前提下，它为何没有走向大众化成功，而是以被收购、下线产品和应用的方式收场？

最近几年，AI 记忆在产业和资本层面受到高度关注。但 Limitless 的案例不禁让人思考：这家公司有哪些可总结的经验？用户真的愿意为 AI 记忆买单吗？面对市场，AI 记忆准备好了吗？DeepTech 与几位来自学术界和产业界的专家共同讨论了这些问题。

一家试图记录一切的公司，为何选择退场？

Limitless（之前名称是 Rewind）成立于 2020 年。2022 年 11 月，该公司发布了一款应用 Rewind，能够记录用户在 macOS 上的所有操作，其初衷是让用户“随时回顾之前的工作”。这款应用发布的时间，甚至早于 OpenAI 正式发布 ChatGPT。

简单来理解这款应用，它会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。也就是说，用户只需要在应用界面的搜索栏输入一个词或短语，即可返回到特定时间的操作页面。

这种功能在一定程度上类似于“时光机”——回溯过去特定时间做了哪些具体的事情。长时记录、可回溯的功能确实很有吸引力，当时这款产品发布后很快吸引了大量关注，既包括公司高管、记者等工作场景的群体，也包括注意缺陷与多动障碍（ADHD）、失智和阿尔兹海默病等患者群体。

据公开资料，该公司采用压缩技术，可在不显著降低画质的情况下“录制并存储数年的录像”，其还利用 OCR 技术识别文本内容，并结合语音识别功能提供强大的搜索功能。

有开发者称，“10GB 的录像文件可压缩成小于 3MB 的文件”。并且，这款应用在隐私保护方面也有所考虑：录制内容仅存储在 Mac 电脑本地，理论上来说公司不会触及这些数据。

（来源：X）

在这款个人知识工具取得初步成功后，Rewind 正式更名为 Limitless，公司战略也从纯软件转向软硬一体，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，既可以作为项链也可以别在衣领处，能持续录制和转录用户对话，售价 99 美元。

（来源：Limitless）

但这种“新意”没能持续太久，从公司成立到被收购仅 5 年时间。据该公司公告，自 2025 年 12 月 5 日起，Limitless 服务在巴西、中国、欧盟、以色列、韩国、土耳其和英国停止服务。

Limitless 联合创始人兼 CEO 丹·西罗克（Dan Siroker）在公告中提到，“我们将继续为现有 Pendant 用户提供至少一年的支持，但我们不再向新客户销售 Pendant。您无需再支付订阅费用，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 也给出了解决方案：在发布公告后的两周内，客户可基于特定工具选择自行导出或删除所有数据。

Meta 之所以收购 Limitless，与其近期的核心重心密切相关。目前，它的关注重点是 AR/AI 眼镜，其近期愿景是“将个人超级智能带给每个人”，而打造功能强大的 AI 可穿戴设备，正是实现这一愿景的关键所在。

当然，Meta 收购 Limitless 的动作是为了让后者支持其现有产品。据公开资料，Limitless 团队已并入 Meta Reality Labs 的可穿戴设备部门，因此很大的可能性是，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挺不错的，帮我简化了一些合规性工作，现在我要删除所有数据并卸载它。我也买了 Pendant，不过更多是出于对科技产品的好奇。我相信很多人会对它的停产感到失望。”

全记录式记忆，是不是一条走偏的路线？

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。Limitless 也暗示了这一选择背后的“无奈”：随着 OpenAI 和 Meta 等大型科技公司也开始做硬件，初创公司显得有些力不从心。

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、Memories.ai 创始人沈俊潇指出，实际上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。

“纯搜索和纯问答追溯过去是很酷的产品，但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（ROI）。”沈俊潇对 DeepTech 表示，与搜索得足够准相比，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，但这个产品的差异化是否足够清晰？与 ChatGPT 等模型产品比，它的价值点有十倍甚至百倍差异的体现吗？

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，已被用户广泛接受。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。

从用户需求的角度看，一个关键的问题是：有多少人真的需要把所有东西全部记录下来？

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。用户可能并不太关注 AI 是否是部分记录还是全部记录，他们更看重的往往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。

总结来说，要加速推动记忆向“行动”演进，一是在智能体（Agent）中加入记忆，通过记忆实现显著的产品差异化；二是精准切入合适的细分场景，服务特定的用户群体，体现 AI 记忆在工作中显著提高效率。

AI 记忆，到底该走向何处？

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，从这个角度来看范围稍显狭隘。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。

从这个层面来看，AI 记忆系统更接近基础结构，其核心诉求是让 AI 拥有连续的、演进的、对特定用户的 Life Context。“这不是给已有的 Agent 加记忆增强功能，而是去重新定义 Agent 在时间维度上连续存在的方式。”她说。

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（context）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。”李柏依对 DeepTech 解释道。

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（Intermediate States）。由于缺乏反馈闭环，模型在长逻辑链推理时，这些中间变量（中间记忆）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我们内部很认可的路径，也是我们正在做的事情。”

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”。李柏依表示，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、Agent、系统三者各自承担完全不同、不可替代的记忆职责。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。”

白婷指出，近半年以来，围绕 AI 记忆系统架构（存储、检索、应用等）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。一方面这可能会形成记忆孤岛，另一方面个性化程度相对较弱。”张源对 DeepTech 表示。

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。

但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。“我并不认为 Agent 中间件或 AI 记忆会是独立的产品，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。

AI 记忆的未来仍值得期待

记忆是 AI 世界和物理世界交互的锚点。正如张源所说，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。沈俊潇指出，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 的案例中我们可以看到的是，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，而市场则需要给它们多一点耐心，毕竟数据飞轮的累积也需要窗口期。或许，真正的问题不是 AI 能否记住一切，而是我们希望它记住什么。

参考资料：

1.https://www.limitless.ai/

2.https://9to5mac.com/2025/12/05/rewind-limitless-meta-acquisition/

3.https://x.com/dsiroker/status/1780350309727977713

4.https://news.ycombinator.com/item?id=46166356

5.https://insiderbits.com/tools/rewind-ai/

6.https://baijia.online/homepage/memory_survey.html

排版：刘雅坤