在 @finalitycap，我们认为“AI内存的Plaid”是一个巨大的机会。想象一下，每个应用程序或AI模型都能立即了解你的背景、偏好、兴趣和历史。 这对用户体验和成本来说都是巨大的影响 🧵👇 感谢 @binji_x @nikunj @ashleymayer @levie 激发了伟大的想法：

2/ 今天，每个AI模型都将你的聊天内容隔离。ChatGPT不知道你的Claude或Gemini历史，甚至不知道你的身份🪪 用户浪费时间和金钱重新解释自己。这不仅令人沮丧，而且也很昂贵💸

3/ 用户在每个会话中重新输入个人信息、偏好等上下文，浪费了代币和金钱。 由于LLM按代币收费，这种低效会累积。 在ChatGPT的规模下，重复的上下文每年可能仅在计算上就花费近4000万美元……这是计算方式。

4/ 人工智能公司正在遵循经典的大型科技公司策略：将用户数据锁定在封闭的花园中以最大化利润 更多用户数据 = 更多收入 🤑 这就是为什么科技巨头们基于用户信息建立了广告帝国。是时候将控制权交还给用户了。

5/ 记忆将成为人工智能公司用来锁定用户并提高转换成本的新护城河🌊 我们已经看到这一点在OpenAI的新记忆功能中展开 也许有一天我们会通过“使用OpenAI登录”进行OAuth 🔑，但真正的灵活性仍然缺失

锁定将变得更加重要，因为不同的人工智能模型在通用、搜索、编码、治疗等领域表现出色。 像 @layerlens_ai 这样的项目，正在 @eigenlayer 上构建人工智能评估基准，将使这些差异变得清晰，并突出模型间可移植性的真正价值 🔄

7/ 使用 MCP 的团队可以让 AI 模型安全地访问和更新来自多个来源的用户上下文，但这仍然需要访问 API 通过 @OpacityNetwork 的 zkTLS 可以统一来自 web2 应用程序的数据，包括那些无法通过公共 API 访问的数据，同时保持底层数据的私密性

8/ @Plaid 通过解锁金融数据访问和新应用程序，改变了 web2 金融科技。 Plaid for AI Memory 也可以做到这一点，为新一波 AI 驱动的体验和应用程序提供动力。