这是《为 AI 发电》的第一期。
我们想从 AI 开源者开始,记录那些把想法写成代码、把热爱写成项目、也把未来交给社区继续推进的人。
过去几年,AI 的故事几乎都围绕模型展开:谁的模型更大,谁的推理更强,谁能回答更多问题。但当模型越来越强、越来越便宜、越来越趋同,另一个问题会变得越来越重要:
如果 AI 每次见到你,都像第一次见面,它真的能成为你的长期助手吗?
这一期,我和 MemVerge CEO Charles 聊了聊他们正在做的两件事:开源 AI memory layer 项目 MemMachine,以及即将面向用户推出的 MemoryBox。
Charles 提出了一个很有意思的判断:如果过去是 model-centric,接下来可能会进入 memory-centric。
当所有AI都在拼模型大小和推理能力时,这位创业老兵却提出了一个全新判断:AI的下一场竞争,可能不在模型,而在记忆。他花了二十年做存储,现在把目光投向个人AI记忆管理。你的文件散落在各处,税表不敢上传,董事会记录翻不出来——这些痛点他都看在眼里。他推出的产品,想让你和你的个人数据直接对话,不用再担心隐私泄露。但记忆管理真的那么容易吗?怎么筛、怎么存、怎么忘,都是挑战。这期节目,我们来聊聊AI记忆赛道的机遇与难题。
本期你会听到
- 为什么 Charles 认为 AI 的效果不只取决于模型推理,也取决于上下文和记忆管理。
- MemMachine 为什么先选择开源,它想成为什么样的 AI memory layer。
- MemoryBox 为什么不是另一个聊天机器人,而更像一个面向个人数据的 AI 记忆系统。
- AI Memory 真正难的地方:不只是“存下来”,还包括检索、数据源接入、同步、整理和遗忘。
- 当 AI 越来越了解你,记忆的所有权、隐私和正确性怎么同时成立。
- 为什么 Charles 认为今天很多 AI 产品是 model-centric,而未来可能会转向 memory-centric。
- 企业里的 AI 记忆会不会变成新的组织资产,以及这件事可能带来的边界问题。
- 开源项目如何长成商业产品,商业产品又如何反过来验证开源技术。
## 时间轴
- 为什么做《为 AI 发电》
- 本期引子:从 model-centric 到 memory-centric
- Charles 自我介绍:从存储到 AI Memory
- 为什么先开源 MemMachine
- MemoryBox 不是另一个聊天机器人
- 个人数据与知识库:AI 为什么还是不了解你
- AI Memory 难在哪里:检索、数据源、记忆演化
- MemoryBox 的产品形态与目标用户
- 开源与商业化如何共存
- 记忆所有权、隐私和数据主权
- 企业 AI 里的记忆与岗位资产
- 一年后,MemoryBox 最想证明什么
- 片尾
嘉宾与项目
嘉宾:Charles,MemVerge CEO
项目:
- MemMachine:开源 AI agents memory layer
- MemoryBox:面向个人和工作场景的 AI memory 产品
相关链接:
- MemMachine GitHub:github.com
- MemoryBox 官网:www.memorybox.ai

