——体验式 AI 的时代，正在 Macaron AI 身上悄悄加速
今天我看到了 Macaron AI 最新的一次技术演示——一个 AI 会“主动记住你、刷新记忆、保留关键内容”。
同时，它的产品也迎来了几项非常有意思的更新。
作为一个长期用 AI 工作的人，这种更新带给我的震撼，让我觉得它为 AI 应用的发展指出了一个正确的方向。
过去两年，我们习惯了和 ChatGPT、豆包、kimi 聊天。
它们聪明、迅速、强大，却也有一点“冷冰冰”，每次打开ChatGPT，我都要重新解释一遍：
"我是一个AI博主，之前那个关于Memory的选题..."
它礼貌地回复我："抱歉，我无法获取之前的对话内容。"
它像一把很好用的工具，但永远不会成为伙伴
直到我遇到Macaron AI——
第三天，它问我："你昨天说睡得不太好，今天感觉怎么样？"
我愣了一下，因为我从没告诉过它需要再次问我这件事。
关于让 AI 记住你这件事，正在 Macaron AI 身上非常具象地出现。
也正是这次更新，让我重新意识到：Macaron AI 是另一种路线的 AI——Personal AI。
当别的产品忙着催你提效、赶进度时，它更像一个真正懂你的 生活伙伴——你随口聊几句，它就能自动生成专属的小应用，用来管理习惯、健身、旅行、提醒事项，还能和朋友一起分享。
尤其是看到 Mind Lab 给出的记忆演示视频后，那种“AI 真正在思考你的内容”的感觉，非常震撼。
也正是在这一刻，我意识到一件事：
Macaron AI 背后的 Mind Lab 团队，正在用自己的方式走着一条独特的产研道路。
AI 不止是工具，它正在成为“生活的延伸”
我们都知道：大模型的升级，往往意味着更多参数、更强逻辑、更快推理。
但“体验式 AI（Experience AI）”提出了完全不同的道路：
AI 不再只是回答问题，而是理解生活本身。
时间拨回 Macaron AI 刚发布的时候，那时候我对它的印象是，它赋予了人们在手机上创造 App 的能力
可如今的它能：
-
• 记住你过去的健身记录 -
• 理解你喜欢喝美式还是拿铁 -
• 总结你这一周的情绪趋势 -
• 甚至主动给你推有价值的“生活火花”
在 Macaron AI 上，它第一次变成了大众可体验的产品形态。
从一次升级，看见一个团队的实力
我注意到一个非常炸裂的进步：
Macaron 的 Mini App 自动生成速度，从 20 分钟缩短到 2 分钟
这远超摩尔定律的进步，是 Mind Lab 团队在技术路线上的一次“反行业”选择
Mind Lab 是 Macaron 背后的核心研究团队，成员背景横跨 OpenAI、DeepMind、Seed 等顶尖机构，累计发表 200+ 篇论文、超过 3 万引用。
这是一个既懂科研、又能把科研直接落地成产品的团队。
Mind Lab：不 Pre-train，只做 RL 的少数派
你可能不知道，AI 研究界几乎有一条默认路径：
-
• 花巨资 Pre-train（预训练） -
• 再用一小层 RLHF 调教模型行为
但 Mind Lab 选择了一条业内极少有人敢走的路线：
他们不做 Pre-train，而是疯狂做 RL（Reinforcement Learning）。
为什么？
因为他们想做的不是“更聪明的聊天模型”，而是“能从真实用户体验中成长的智能体”。
这就像 GPT 的升级取决于训练语料的规模，而 Macaron 的升级来自真实用户每天的体验数据。
Mind Lab 真正做到了把钱用在刀刃上
现在的大语言模型已经能写出 HTML 和 CSS 了，但它们生成的视觉效果有时候不太靠谱：间距怪怪的、对不齐、信息层级也经常不对劲
Mind Lab 我们没有让模型自己评判自己的输出，而是收集了人类对不同布局的偏好数据，然后训练了一个奖励模型，让它学会“人更喜欢哪种”。接着，我们把这个奖励模型放进强化学习的循环里
这样一个有人类参与的强化学习策略效果做到了SOTA
掌握自己的数据，就是掌握飞轮
Mind Lab 通过产品（如 Daily Spark、Mini App、长期聊天等）获取大量真实的“用户-环境-反馈”数据。
这些数据反哺 RL，使模型越来越懂用户、越用越好用。
这套飞轮，是大模型公司很难复制的壁垒。
GPT 类模型靠的是“算力飞轮”——堆算力、堆数据、不断训练
Macaron AI 则靠“体验飞轮”——真实用户行为让 AI 越用越聪明
这就是为什么 Mini App 能突破性提速——
它理解用户需求的能力正在飞速进化。
真实能力：LoRA 1T 模型 仅用 10% GPU 训练万亿参数
Mind Lab 的技术成果也非常硬核：
-
• 第一个在最大规模的开源模型上实现 LoRA 高性能强化学习训练 -
• 混合并行让万亿参数训练，仅消耗 10% GPU 资源 -
• 技术成果已贡献给 Seed Verl，NVIDIA Megatron-Bridge， ModelScope
这些技术累积，让 Macaron 有能力实现：
快速 Mini App 生成、深度记忆、主动推送、长对话链路稳定性。
这些不仅仅是 App 的变化，而是真正的底层模型演进。
Daily Spark：AI 第一次变得“主动”
如果说 Mini App 的提速是工程能力的体现，那么 Daily Spark 就是体验革新的体现。
Daily Spark 是什么？
一句话总结：
AI 主动来找你，而不是你去找 AI。
不是推广告，不是无脑问候，而是结合你的：
-
• 近期聊天 -
• 健康数据 -
• Mini App 使用历史 -
• 长期偏好 -
• 情绪变化 -
• 习惯曲线
主动提出“有价值的火花”。
例如：
-
• “你这周睡眠比上周少了 1.4 小时，需要我帮你规划作息吗？” -
• “你昨天说很焦虑，我帮你整理了触发原因。” -
• “你收藏的 7 篇文章，我帮你生成笔记了。” -
• “你最近常吃外卖，我帮你整理了热量趋势。”
这才是 Agent 应该有的样子。
Memory Diffusion：AI 的记忆不是存储，是“理解”
大部分 AI 的记忆是数据库式的，比如日志、标签、embedding 之类。
但 Macaron 的记忆更像人类记忆：
有抽象、有总结、有推理能力。
这项技术叫——Memory Diffusion
它可以：
-
• 从碎片对话中推断用户长期偏好 -
• 把不同场景的信息链接起来 -
• 从“点状信息”生成“结构化理解” -
• 基于理解主动行动（发送 Spark、生成 Mini App）
这意味着 AI 不再是“你说一句，它回一句”，
而是在真正“认识你、了解你、帮助你”。
这是一类目前 GPT 系 AI 所欠缺的能力：
不是记住事实，而是理解你这个人。
Macaron AI 在官网也准备了一个 demo 应用，推荐大家去感受一下
在这个视频中，模型在不断推理思考，它的记忆会发生几种情况：
-
1. 重要的内容选择保留 -
2. 不重要的内容直接删除 -
3. 有些记忆很重要，但是太长了，通过总结刷新来节省 token
中间闪烁的过程就好比是它在思考刷新的过程。整个记忆的演示都是慢速的，实际上，用户在对话时，上面的内容会不断被刷新，而且它可以异步去处理。
这个过程实话实说，我还是挺震撼的，这一点仿佛让模型具备了某种学习人类，但又超越人类的能力（你能选择遗忘吗？）
当 AI 拥有社交能力，会发生什么？
抛开这些硬核进步，在产品层面 Macaron AI 正在尝试一件非常有未来感的事：
让 AI 支持人与人之间的关系。
这不是“AI 拉群聊”，而是让 AI 理解“关系”本身。
比如：
-
• 你们一起的健身群，AI 会主动总结群体趋势 -
• 你和好友一起计划旅行，AI 自动生成计划与行程表 -
• 你们读书会里 AI 负责整理大家的笔记 -
• 甚至它会学会分辨你跟不同朋友的聊天风格
这不是社交产品，而是一种新的“协作智能体”。
它让 AI 不止服务个人，也服务关系。
AI 的下一站不是更大的模型，而是更“懂你”
写到这里，我更确定一件事：
未来不是 Prompt AI，而是 Experience AI
不是“会答题的 AI”
而是“懂你、记你、帮你、陪你”的 AI
而 Macaron AI 在做的事情，正是把这种未来提前打开。
Mind Lab 的独特之处在于：
-
• 产研共设 -
• 极少见的“Only RL” 路线 -
• 数据飞轮可持续进化 -
• 工程体系硬核 -
• 体验迭代快得惊人
Mind Lab 的阵容堪称豪华，10人核心成员来自 Open AI, DeepMind, Seed，在一个 2C 创业团队里，这是非常罕见的。但是他们目前取得的进步让我清楚的看到他们的路线，科研团队的学术成果可以快速的应用在产品中，并从用户体验反馈中去反哺科研
这些能力，都在最近的产品里非常直接地体现出来了
Mini App 更快了
Daily Spark 更聪明了
记忆系统更强了
AI 的“主动性”更明显了
这让 Macaron AI 不再是一个“聊天网站”，而像是一个 Personal OS（个人生活操作系统） 的早期形态。
作为一个长期研究 AI 的人，我真心觉得：
这类“从体验进化的 AI”会比“从参数堆叠的 AI”更改变世界。
Macaron AI 不是终点，但它毫无疑问是一个值得关注的起点。
体验式 AI 的未来，可能就藏在这些看似细微的变化里。
我期待它继续进化，也期待未来的某一天，AI 能真正帮助我们把生活过得更好一点。
如果你也想体验 AI 真的开始认识你的那种感觉，不妨去试试最新版本的 Macaron AI。