MemVerge范承工：AI下半场核心在于记忆归属权，MemoryBox公测开启

事件概述

MemVerge创始人范承工（Charles Fan）指出，随着开源模型的爆发，大模型之间的能力差距迅速收敛，AI行业的竞争焦点正从“模型能力”转向“记忆归属权”。为此，MemVerge推出了以记忆为中心的个人助手智能体 MemoryBox，该产品已于2026年8月29日启动Beta测试，并正式进入公测阶段。

核心观点：记忆是AI的持久资产

• 记忆独立于计算：类比IT架构中存储从计算中独立出来的历史，范承工认为在AI时代，模型代表短暂性的虚拟计算资源，而记忆则是持续积累、不可重置的持久性资产。因此，记忆应当作为独立层存在，从模型中剥离出来。
• 数据主权矛盾：当前模型厂商倾向于将用户数据吸引至自身平台以迭代模型，但这与企业对数据核心竞争力的保护及个人数字空间的安全需求相冲突。MemoryBox的设计初衷是让记忆始终归属于用户的私人空间，防止被模型厂商“占领”。
• 技能所有权争议：未来个人与企业之间可能因“技能”（即个人做事的方式与方法论）的所有权产生张力。技术平台需为记忆主权提供底层支持，以界定员工在职期间形成的技能归属。

产品解析：MemoryBox的技术路径

1. 架构分工

• MemMachine：面向开发者的开源项目，提供记忆层能力，供开发者构建流媒体应用。
• MemoryBox：基于MemMachine构建的面向用户的个人助理智能体。它整合模型与Agent，围绕用户的记忆提供完整的个人AI体验，定位类似于ChatGPT，但更强调私有数据的处理。

2. 核心功能与体验差异

• 打破数据孤岛：现有AI产品依赖用户上传数据，面临文件分散、大小限制及隐私顾虑。MemoryBox作为本地应用，可监控指定文件夹或网盘，自动索引文件。同时同步用户与其他平台（如豆包、DeepSeek、ChatGPT）的对话记录，实现统一检索。
• 多模型调度：支持@不同模型（如豆包、ChatGPT）或同时调用多个模型进行相互校验，从而降低幻觉与错误率。实现了“以记忆为中心”，让多个模型围绕用户服务，而非用户围绕模型组织数据。
• 记忆空间管理：引入“记忆抽屉”概念，用户可自定义工作、生活等记忆空间。AI自动整理数据，支持可视化浏览、手动调整及跨空间关联（如一条信息可同时属于“孩子”和“生活”）。问答时可指定特定空间作为上下文范围。

3. 技术优化策略

• 精准搜索：融合向量数据库、图数据库、语义理解及时间轴压缩技术，追求高召回率与低误识率，确保注入模型的上下文高度相关。
• Token成本控制：
  • 通过精准读取减少冗余Token消耗。
  • 提升检索精度以减少Agent循环访问次数。
  • 采用多模型调度，将简单或隐私敏感任务分配给本地模型，复杂任务使用云端模型。
  • 利用多模型并行处理替代单一昂贵模型，平衡成本与质量。

行业洞察与挑战

• 头部厂商局限：大厂因业务庞杂，记忆并非最高优先级；且其数据源受限（仅能获取自身对话记录），难以深入用户本地文件。此外，长期记忆中的情景记忆易引入干扰信息，档案记忆则细节丢失，导致大厂记忆功能表现不稳定。
• 竞争优势：
  • 理念差异：坚持用户中心与记忆中心，对抗生态锁定逻辑。
  • 技术壁垒：专注于个人记忆与知识库技术的极致优化。
  • 迭代速度：C端反馈周期短，利于快速试错与产品演进。
• 硬件要求：基础版无特殊硬件要求，支持iOS与Android；加强版内置本地模型，对机器配置有一定要求，适合隐私敏感场景。

未来展望

根据Gartner数据，预计2030年约60%的AI工作将转移到边缘（企业侧和个人侧）。MemoryBox作为服务于边缘AI的软件层，旨在通过真实使用数据验证其在提效与生活辅助方面的价值，并持续改善用户体验。