在 @finalitycap，我們認為“Plaid for AI memory”是一個巨大的機會。想像一下，每個應用程式或 AI 模型都會立即瞭解您的上下文、偏好、興趣和歷史記錄 這對UX+ 成本🧵👇來說是巨大的 激發偉大創意的 @binji_x @nikunj @ashleymayer @levie 的 props：

2/ 如今，每個 AI 模型都使您的聊天保持孤立。ChatGPT 不知道你的 Claude 或 Gemini 歷史，甚至不知道你的身份 🪪 使用者浪費時間和金錢重新解釋自己。這不僅令人沮喪，而且代價高昂 💸

3/ 用戶通過在每次會話中重新輸入 LLM 上的上下文（如個人資訊、首選項等）來浪費代幣和金錢 由於 LLM 按代幣收費，因此這種低效率會增加 在 ChatGPT 的規模下，僅計算一項重複上下文就可能花費近 $40M/年......這是數學

4/ AI 公司正在遵循經典的大型科技公司劇本：將用戶數據鎖定在圍牆花園中以實現利潤最大化 更多的使用者資料 = 更多的收入 🤑 這就是為什麼科技巨頭在使用者資訊推動的廣告上建立帝國的原因。是時候將控制權交還給使用者了

5/ 記憶體將成為 AI 公司用來鎖定使用者並提高轉換成本🌊的新護城河 我們已經通過 OpenAI 的新記憶體功能看到了這一點 也許有一天我們會使用「Sign in with OpenAI」🔑進行 OAuth，但仍然缺乏真正的靈活性

6/ 隨著不同的 AI 模型在一般、搜索、編碼、治療等領域大放異彩，鎖定將變得更加重要。 像 @layerlens_ai 這樣的專案，在 @eigenlayer 上構建 AI 評估基準測試，將清楚地表明這些差異，並突出跨模型🔄可移植性的真正價值

7/ 開發 MCP 的團隊可以讓 AI 模型安全地存取和更新來自許多來源的使用者上下文，但這仍然需要存取 API 通過 @OpacityNetwork 的 zkTLS 可以統一來自 web2 應用程序的數據，包括那些無法通過公共 API 訪問的數據，同時保持底層數據的私密性

8/ @Plaid 通過解鎖金融數據訪問和新應用程式實現Web2金融科技轉型 Plaid for AI Memory 也可以做同樣的事情，為新一波 AI 驅動的體驗和應用程式提供動力