很多情況下，使用者已不再只是“向 AI 提問”，而是在與 AI 長期協作。它開始理解你的工作方式、表達習慣與長期目標，也開始持續參與同一個專案、同一套工作流程，甚至逐漸承擔部分執行任務。某種程度上，AI 正在從一次性問答工具，逐漸變成一種長期存在的私人數位助手。
而隨著模型能力的大幅提升，頭部產品力越來越接近，以及AI長期、廣泛的使用，新的問題開始浮現。
一旦 AI 開始長時間協作，作為系統存儲並召回過去經驗，以改進決策和整體表現的“記憶”，就不再只是無關痛癢的資料庫。在很多應用場景裡，瓶頸已經不再是模型的推理水平，而是關於長期記憶、上下文管理的能力。Cloudflare 也直接把 agentic memory 稱為當下 AI 基礎設施裡面臨的最大挑戰、同時也是發展最快的領域之一。
但問題在於，這些記憶能力總體上仍圍繞各自平台展開，只屬於平台獨立的帳號體系、產品環境，仍是一座座孤島。Anthropic 雖已支持記憶導入導出，但目前更像是面向 Claude 的遷移工具，而不是被各家共同採用的一套通用記憶標準。
而 ZetaChain 想切入的，正是這部分空白。徹底轉向 AI 後，ZetaChain 開始將“所有權”這一原本屬於加密世界的概念，進一步擴展到 AI 記憶與用戶上下文之中。它希望構建的，不只是聊天產品，而是一套獨立於模型平台之外的隱私記憶層（Private Memory Layer），讓用戶能夠真正擁有自己的長期記憶、行為偏好與 AI 上下文。
ZetaChain 的 AI 消費級產品 Anuma 主張讓用戶擁有一套加密的私有記憶，並支持在 ChatGPT、Claude、Gemini 等主流不同 AI 模型之間無縫銜接使用。用戶不必每次切換模型都重新建立背景、偏好和工作習慣，而是由用戶控制存取權限，將自己的歷史記憶帶到不同模型和 Agent 之中。
隨著 AI 逐步累積用戶的使用偏好、寫作習慣、工作流程和歷史對話，所謂的“記憶”會越來越像一層“人格鏡像”。它不僅能決定模型回答是否符合用戶偏好，還可能決定模型將來替你做決定時，是不是沿著你的習慣和價值觀行動。
而除了讓用戶擁有記憶所有權，以及面對不同任務可選擇不同特長的模型外，Anuma 還在構建一種可程式化、可審計、可撤銷的權限系統，其允許 AI agent 一次性讀取記錄，且隨時可對權限進行撤銷，而所有權限變更都可以在鏈上被記錄與追蹤。
而在商業史上，基礎設施公司的成功轉型並不少見。此類公司往往不是單純換賽道，而是基於產品邏輯追逐新的瓶頸。英偉達最初最重要的敘事是圖形計算與遊戲顯卡，但隨著 AI 興起，其 GPU 架構最終成為整個 AI 產業的核心基礎設施。基礎設施從來不會永遠圍繞同一個約束點展開，而真正的贏家，往往是最早識別出“下一個約束點”正在出現的人。
從隱私記憶層到 AI 消費層
隨著 AI 的爆發式發展，未來 AI 的形態顯然不會只停留在聊天視窗，而會逐漸演變成大量長期存在、彼此協作的 AI 助手。基於這一判斷，ZetaChain 在提出“隱私記憶層”，並試圖解決 AI 如何長期理解用戶的問題之外，又進一步提出了 “AI 消費層（AI Consumer Layer）” 的概念，希望重新定義 AI 長期代表用戶工作後，用戶與 AI 之間的關係。
在 ZetaChain 的設想裡，未來 AI 不只是回答問題，而會深度參與用戶的工作流程與日常決策。不同 AI 助手會負責不同任務，有的處理程式碼，有的整理財務，有的負責行程規劃，還有的長期參與內容創作與研究分析。而這些 AI 如果想真正協同工作，就需要共享同一套長期上下文、身份與權限體系。
因此，所謂的“AI 消費層”，本質上是在嘗試把原本分散的能力整合成一套統一框架。其中，Memory 負責長期上下文，Permissions 負責權限控制，Identity 負責身份體系，Payments 負責 AI 之間的調用與支付，而 Agents 則是最終代表用戶執行任務的 AI 網絡。
AI競爭新戰場：長期記憶成痛點，使用者如何守住自己的上下文所有權
null
作者：Zen，PANews
你花了半年時間，讓 ChatGPT 理解你的工作習慣、寫作風格與長期專案。它知道你習慣怎樣修改文章，知道你經常關注哪些公司，也逐漸理解你對內容結構、語氣和資訊密度的偏好。
但某天，更強的新模型出現了。你打開 Claude、Gemini 或 DeepSeek，發現一切又要重新開始。新的模型不認識你，不知道你過去幾個月積累下來的工作上下文，也不知道你如何思考、如何寫作、如何做決策。
過去兩年，AI 行業最重要的競爭圍繞“模型能力”展開。誰的推理更強、上下文更長、程式碼能力更好，幾乎決定了一切。但現在，一個新的問題正在浮現：AI 越來越懂你，但這些“理解”究竟屬於誰？
角色轉變，AI從聊天工具變成私人數位助手
2022年11月，AI聊天機器人ChatGPT橫空出世。其上線後在全球掀起了一股聊天熱潮，僅兩個月便月活破億，成為史上增長最快的消費者應用程式。那時，大模型更像是一種“高級搜尋”。用戶向 AI 提問，它即時生成答案，對話結束後，關係也隨之中斷。
但最近兩年，AI 的角色正在發生明顯變化。隨著推理能力、程式碼能力和工具調用能力不斷提升，AI 已經開始深入真實工作流程。越來越多人開始用它寫程式、整理資料、分析數據、規劃行程、管理日程，甚至長期參與內容創作與商業決策。
很多情況下，使用者已不再只是“向 AI 提問”，而是在與 AI 長期協作。它開始理解你的工作方式、表達習慣與長期目標，也開始持續參與同一個專案、同一套工作流程，甚至逐漸承擔部分執行任務。某種程度上，AI 正在從一次性問答工具，逐漸變成一種長期存在的私人數位助手。
而隨著模型能力的大幅提升，頭部產品力越來越接近，以及AI長期、廣泛的使用，新的問題開始浮現。
一旦 AI 開始長時間協作，作為系統存儲並召回過去經驗，以改進決策和整體表現的“記憶”，就不再只是無關痛癢的資料庫。在很多應用場景裡，瓶頸已經不再是模型的推理水平，而是關於長期記憶、上下文管理的能力。Cloudflare 也直接把 agentic memory 稱為當下 AI 基礎設施裡面臨的最大挑戰、同時也是發展最快的領域之一。
頭部 AI 公司也已經意識到，長期記憶正在成為產品體驗的一部分。OpenAI 將 ChatGPT 的記憶拆成 saved memories 與 Reference chat history，前者保存用戶希望長期保留的資訊，後者則允許 ChatGPT 從過往對話中提取有用內容，用於後續個性化回答。Gemini 也開始基於此前對話學習用戶偏好。Claude 則推出 memory，並支持記憶導入與導出。
平台孤島讓AI“記憶”成為行業新戰場
但問題在於，這些記憶能力總體上仍圍繞各自平台展開，只屬於平台獨立的帳號體系、產品環境，仍是一座座孤島。Anthropic 雖已支持記憶導入導出，但目前更像是面向 Claude 的遷移工具，而不是被各家共同採用的一套通用記憶標準。
而 ZetaChain 想切入的，正是這部分空白。徹底轉向 AI 後，ZetaChain 開始將“所有權”這一原本屬於加密世界的概念，進一步擴展到 AI 記憶與用戶上下文之中。它希望構建的，不只是聊天產品，而是一套獨立於模型平台之外的隱私記憶層（Private Memory Layer），讓用戶能夠真正擁有自己的長期記憶、行為偏好與 AI 上下文。
ZetaChain 的 AI 消費級產品 Anuma 主張讓用戶擁有一套加密的私有記憶，並支持在 ChatGPT、Claude、Gemini 等主流不同 AI 模型之間無縫銜接使用。用戶不必每次切換模型都重新建立背景、偏好和工作習慣，而是由用戶控制存取權限，將自己的歷史記憶帶到不同模型和 Agent 之中。
隨著 AI 逐步累積用戶的使用偏好、寫作習慣、工作流程和歷史對話，所謂的“記憶”會越來越像一層“人格鏡像”。它不僅能決定模型回答是否符合用戶偏好，還可能決定模型將來替你做決定時，是不是沿著你的習慣和價值觀行動。
而除了讓用戶擁有記憶所有權，以及面對不同任務可選擇不同特長的模型外，Anuma 還在構建一種可程式化、可審計、可撤銷的權限系統，其允許 AI agent 一次性讀取記錄，且隨時可對權限進行撤銷，而所有權限變更都可以在鏈上被記錄與追蹤。
不僅如此，用戶的記憶與知識圖譜，也都將能夠成為可共享、授權、貨幣化的資產，且無需暴露原始資料。這使得投資人、醫生、律師以及開發者等職業的用戶，可以把自己的專業知識封裝成 Agent，並發布到 Agent Marketplace，在他人調用時獲得收益。
從跨鏈到跨 AI 平台，ZetaChain 為何轉型？
使 Anuma 能夠實現上述功能的，得益於 ZetaChain 開發的底層基礎設施 Private Memory Layer。作為一個面向 AI 的私有記憶、身份、權限、支付與智能體基礎設施，其旨在讓應用與智能體能夠跨模型協作，同時用戶始終保持控制權。
ZetaChain 曾一直專注於跨鏈互操作基礎設施，核心目標是解決不同區塊鏈之間的資產與訊息傳遞問題。在“統一多鏈入口”這件事上，其做出了相當規模的網路和敘事。據其官方數據，該區塊鏈上有1190 萬獨立地址和 2.41 億筆交易。
但隨著 Anuma 於今年 4 月 27 日公開上線，並在首月用戶數突破 5 萬後，ZetaChain 開始決定全面轉向 AI，並逐步關閉跨鏈互操作業務。而這次轉型背後，也存在著一條相對清晰的內在邏輯。
過去，ZetaChain 主要處理的是鏈與鏈之間無法互通的問題。而在今天的 AI 世界裡，類似的割裂同樣存在。某種程度上，數位資產之於區塊鏈，就像記憶與上下文之於 AI。不同模型擁有各自封閉的記憶體系，使用者一旦切換平台，長期積累的上下文與行為偏好往往也會隨之中斷。
隨著近些年發展，ZetaChain 認為，如今其面臨的最大挑戰已不再是區塊鏈之間的跨鏈轉帳，而是不同模型、不同 Agent 之間的連續性，以及用戶對自身上下文的所有權問題。
a16z crypto 之前也在分析文章中提到，agent 已經開始成為經濟參與者，但它們還缺少可移植的身份、可程式化的支付、可驗證的授權，以及跨環境協作所需的公共協調層。因此，與很多 AI+Crypto 項目生硬地尋找應用場景相比，ZetaChain 轉型的邏輯要順暢得多。
而在商業史上，基礎設施公司的成功轉型並不少見。此類公司往往不是單純換賽道，而是基於產品邏輯追逐新的瓶頸。英偉達最初最重要的敘事是圖形計算與遊戲顯卡，但隨著 AI 興起，其 GPU 架構最終成為整個 AI 產業的核心基礎設施。基礎設施從來不會永遠圍繞同一個約束點展開，而真正的贏家，往往是最早識別出“下一個約束點”正在出現的人。
從隱私記憶層到 AI 消費層
隨著 AI 的爆發式發展，未來 AI 的形態顯然不會只停留在聊天視窗，而會逐漸演變成大量長期存在、彼此協作的 AI 助手。基於這一判斷，ZetaChain 在提出“隱私記憶層”，並試圖解決 AI 如何長期理解用戶的問題之外，又進一步提出了 “AI 消費層（AI Consumer Layer）” 的概念，希望重新定義 AI 長期代表用戶工作後，用戶與 AI 之間的關係。
在 ZetaChain 的設想裡，未來 AI 不只是回答問題，而會深度參與用戶的工作流程與日常決策。不同 AI 助手會負責不同任務，有的處理程式碼，有的整理財務，有的負責行程規劃，還有的長期參與內容創作與研究分析。而這些 AI 如果想真正協同工作，就需要共享同一套長期上下文、身份與權限體系。
因此，所謂的“AI 消費層”，本質上是在嘗試把原本分散的能力整合成一套統一框架。其中，Memory 負責長期上下文，Permissions 負責權限控制，Identity 負責身份體系，Payments 負責 AI 之間的調用與支付，而 Agents 則是最終代表用戶執行任務的 AI 網絡。
這也是為什麼“所有權”會成為 ZetaChain 反覆強調的核心概念。
因為在這個體系裡，用戶是否仍然擁有自己的上下文、權限與身份成了最重要的事。例如，未來一個負責程式碼審查的 AI，可以被臨時授權讀取 GitHub 倉庫；一個負責稅務整理的 AI，可以一次性讀取報稅資料；一個負責旅行安排的 AI，則只能存取出行歷史與行事曆資訊，權限不再由平台統一控制，而是由用戶動態分配，並能隨時撤回。
而這，也正是區塊鏈開始重新與 AI 發生聯繫的原因。
當越來越多 AI 同時代表用戶工作後，“誰能存取什麼”、“權限是否可撤回”、“調用是否可追蹤”會逐漸變成新的基礎設施問題。而鏈上權限系統，天生適合處理這種多方協作關係。
“AI 基礎設施代幣”ZETA，隨轉型帶來效用成長
隨 ZetaChain 策略一同調整的，還有 ZETA 代幣的功能與效用。過去，ZETA 更像傳統公鏈代幣，主要承擔 Gas、驗證與跨鏈網路安全功能，機制設計上並無太多新意。但在新敘事下，ZETA 將成為一種“AI 基礎設施代幣”，效用也將大幅提升。
按照 ZetaChain 當前的描述，未來 ZETA 將承擔幾類用途：
首先是 AI 模型與 Agent 的存取權限。部分高階模型、專業 AI 工具或 Agent 服務，需要透過 ZETA 解鎖或支付調用費用。
其次是 Agent 之間的支付結算。ZetaChain 提到未來不同 AI 與應用之間的互動，會透過 x402 協議完成鏈上支付。它的目標其實很明確：如果未來 AI 會自動調用其他 AI，那麼機器之間也需要原生支付系統。
第三是權限與記憶更新的鏈上操作。用戶對權限、存取控制與記憶狀態的修改，未來可能都會變成鏈上記錄。
第四則是創作者經濟。ZetaChain 希望未來開發者、研究員、律師、醫生等專業人士，可以把自己的知識封裝成 AI 工具或 Agent，並透過調用獲得收入，而 ZETA 則扮演其中的價值流轉角色。
不過，需要說明的是，這部分目前仍然更多停留在敘事階段。因為 AI Agent 經濟本身還遠未成熟，真正大規模的“AI 調用 AI”、“Agent 自主支付”也還沒有出現。包括 x402、鏈上權限、AI 身份這些概念，現在更多仍屬於基礎設施預埋，而非已被驗證的大規模需求。
但 ZetaChain 及其產品邏輯之所以值得關注，不僅是因為它做了一個基礎設施，配套了 AI 產品，更在於它試圖重新定義未來用戶的記憶、身份、上下文與 AI 權限，究竟屬於平台，還是屬於用戶自己。而 ZetaChain 想做的，本質上是讓這些東西不再被平台掌控，而重新回到用戶手中。