大家都在關(guān)注硅谷 AI 領(lǐng)頭羊們的搶人大戲，尤其是 Meta 近期又挖去了三位來自谷歌的 IMO 金牌研究者。

雖然說小扎（扎克伯格）鉚足了勁兒要重振 Llama 雄風(fēng)，正如火如荼的進(jìn)行人才大引進(jìn)。

但是吧，挖進(jìn)去的人在 Meta 顯山露水還需要一段時(shí)間，而從 Meta 離開的人的創(chuàng)業(yè)成果已經(jīng)嶄露頭角了。

Dr. Shawn Shen，聯(lián)合創(chuàng)始人兼首席執(zhí)行官（左）；Ben (Enmin) Zhou，聯(lián)合創(chuàng)始人兼首席技術(shù)官（右）。

由前 Meta Reality Labs 頂尖科學(xué)家團(tuán)隊(duì)創(chuàng)立的 AI 研究實(shí)驗(yàn)室 Memories.ai，正式宣布完成 800 萬美元種子輪融資。本輪融資由 Susa Ventures 領(lǐng)投，三星風(fēng)投（Samsung Next）、Fusion Fund 等知名機(jī)構(gòu)跟投。

Memories.ai 團(tuán)隊(duì)已經(jīng)在大模型領(lǐng)域完成了一項(xiàng)重大的突破成果，劍指 AI 系統(tǒng)的「記憶缺失」問題，為視覺模型創(chuàng)造了強(qiáng)大的「記憶大腦」。

「最強(qiáng)大腦」

眾所周知，大模型是標(biāo)標(biāo)準(zhǔn)準(zhǔn)的「金魚記憶」。

比如，大多數(shù) AI 系統(tǒng)都缺乏對(duì)歷史畫面的記憶，難以理解前后之間的關(guān)聯(lián)。

就像我們經(jīng)常開的玩笑，「記憶是個(gè)先進(jìn)先出?！?，只不過大模型的棧容量似乎總是不夠用。

這種「金魚記憶」限制了它們?cè)谛枰钊肜斫鈭?chǎng)景和動(dòng)態(tài)變化的應(yīng)用中發(fā)揮作用，尤其是在視頻密集型任務(wù)里表現(xiàn)不佳。

為了徹底解決這個(gè)問題，Memories.ai 通過其核心創(chuàng)新 —— 大視覺記憶模型（LVMM），為 AI 系統(tǒng)引入了一個(gè)革命性的視覺記憶層。

該模型突破了傳統(tǒng) AI 在視頻處理中僅限于片段式分析的范式，轉(zhuǎn)而能夠持續(xù)捕獲、存儲(chǔ)和結(jié)構(gòu)化海量的視覺數(shù)據(jù)，從而使 AI 模型能夠：

永久保留上下文信息： 從孤立的幀轉(zhuǎn)向?qū)κ录蚬湹纳疃壤斫狻?/span>

精準(zhǔn)識(shí)別時(shí)序模式： 實(shí)現(xiàn)對(duì)人臉、物體和行為在時(shí)間軸上的持續(xù)追蹤和識(shí)別。

智能對(duì)比分析： 快速對(duì)比新舊視覺信息，有效識(shí)別變化和異常。

該平臺(tái)把原始視頻轉(zhuǎn)化成可搜索、帶上下文關(guān)聯(lián)的數(shù)據(jù)庫，讓 AI 系統(tǒng)具備類似人類的持續(xù)學(xué)習(xí)能力，給 AI 系統(tǒng)配備了無限視覺記憶的「最強(qiáng)大腦」。這一突破讓 AI 在理解視頻和實(shí)際應(yīng)用方面，邁出了里程碑式的一步。

該團(tuán)隊(duì)的大視覺記憶模型不僅在多個(gè)視覺理解任務(wù)中刷新了 SOTA 基準(zhǔn)，更提供了一種全新的視角來解決復(fù)雜視覺信息檢索與理解的挑戰(zhàn)。

這些結(jié)果充分證明了模型在視頻分類、視頻檢索和視頻問答領(lǐng)域的「卓越性能」。

尤其在視覺記憶檢索方面，能夠高效處理那些需要大規(guī)模內(nèi)容檢索作為輔助參考的復(fù)雜查詢，從而顯著提升了模型的應(yīng)用廣度與深度。

「巨大潛能」

LVMM 技術(shù)在多個(gè)關(guān)鍵領(lǐng)域展現(xiàn)出巨大的應(yīng)用潛力，其核心優(yōu)勢(shì)在于：

• 時(shí)間跨度無限制： 能夠處理并記憶數(shù)月甚至數(shù)年的視頻數(shù)據(jù)。
• 上下文深度理解： 不僅識(shí)別物體，更能理解事件的因果鏈和時(shí)序模式。
• 高效檢索與分析： 將原始視頻轉(zhuǎn)化為可搜索數(shù)據(jù)庫，實(shí)現(xiàn)秒級(jí)檢索和分析。

該團(tuán)隊(duì)已與多個(gè)領(lǐng)域的合作伙伴展開合作，推動(dòng) LVMM 技術(shù)的應(yīng)用落地：

• 安防安全： 顯著提升監(jiān)控錄像的檢索效率，在數(shù)秒內(nèi)搜索數(shù)月的數(shù)據(jù)。
• 媒體娛樂： 實(shí)現(xiàn)對(duì)數(shù)十年內(nèi)容庫中特定場(chǎng)景或視覺元素的即時(shí)查找。
• 市場(chǎng)營銷： 對(duì)數(shù)百萬社交視頻進(jìn)行深度情感和提及分析，捕捉新興趨勢(shì)。
• 消費(fèi)電子： 為下一代移動(dòng)體驗(yàn)引入強(qiáng)大的視覺記憶能力，多家手機(jī)公司，如三星已成為首批合作對(duì)象之一。

Memories.ai 聯(lián)合創(chuàng)始人兼首席執(zhí)行官沈博士強(qiáng)調(diào)：「人類的智慧源于豐富的、相互關(guān)聯(lián)的視覺記憶。我們的使命是賦予 AI 這種深度的情境感知能力，以共同構(gòu)建一個(gè)更安全、更智能的世界?！?/span>

「便捷交互」

為了讓用戶更直觀地體驗(yàn) LVMM（大視覺記憶模型）的強(qiáng)大能力，該團(tuán)隊(duì)已將核心技術(shù)通過 API 接口全面開放，并同步推出直觀、可交互的網(wǎng)頁應(yīng)用。用戶可以便捷地上傳視頻或接入現(xiàn)有視頻庫，實(shí)現(xiàn)快速、精準(zhǔn)的內(nèi)容檢索與深度分析。

借助毫秒級(jí)精度的檢索引擎，在視頻問答場(chǎng)景中展現(xiàn)了卓越的視頻幀級(jí)引用能力，真正實(shí)現(xiàn)了對(duì)視頻的多模態(tài)深度解析。

還有一系列的 Demo Agents，展示了模型在不同場(chǎng)景下的應(yīng)用能力，例如：

Video Creator 對(duì)話式視頻創(chuàng)作助手，基于全球首個(gè)大視覺記憶模型，通過可自由編輯的提示詞模板，僅用簡單對(duì)話即可生成多剪輯高質(zhì)量視頻。

Video Marketer 是一個(gè)基于大視覺記憶模型的智能營銷工具，依托海量視頻數(shù)據(jù)，能即時(shí)洞察 TikTok 的爆款趨勢(shì)、熱門開場(chǎng)白和頭部網(wǎng)紅策略，助力高效實(shí)現(xiàn)社交視頻營銷。

這些 Demo Agents 不僅是技術(shù)能力的展示，更是探索未來應(yīng)用的起點(diǎn)。

如果你是一家公司，正被海量視頻數(shù)據(jù)淹沒；或者是一位對(duì)視覺記憶與智能交叉點(diǎn)著迷的研究者；又或者只是好奇當(dāng)人工智能擁有記憶之后會(huì)變成什么樣 —— 歡迎訪問 https://memories.ai。