在AI技术飞速发展的今天，一个19岁的印度少年Dhravya Shah凭借其创新的AI记忆解决方案，成功吸引了硅谷顶级投资人的关注，并获得了260万美元的种子轮融资。本文将深入探讨Dhravya的创业故事，以及他如何通过Supermemory解决AI应用中的核心痛点——记忆问题。
你有没有想过，为什么每次和 AI 聊天，它总是忘记你之前说过的话？为什么你不得不一遍又一遍地重复同样的背景信息，就好像 AI 患上了失忆症一样？现在的 AI 模型越来越聪明，但它们却有一个致命缺陷：没有真正的长期记忆。这不仅让用户体验糟糕，更限制了 AI 应用的想象空间。
有一个 19 岁的印度少年，决定解决这个问题。他叫 Dhravya Shah，来自孟买。这个还在上大学的年轻人，刚刚拿到了 260 万美元的种子轮融资。投资人名单读起来就像硅谷名人录：谷歌 AI 负责人 Jeff Dean、DeepMind 产品经理 Logan Kilpatrick、Cloudflare CTO Dane Knecht，还有来自 OpenAI、Meta 和 Google 的多位高管。领投方是 Susa Ventures、Browder Capital 和 SF1.vc。
我深入研究了 Dhravya 的故事后，发现他的创业历程充满了戏剧性。从在家里用折腾 Discord 机器人开始，到卖掉第一个产品赚到钱，再到因为一个网站被攻击而意外进入 Cloudflare 工作，最后创立 Supermemory 获得顶级投资人支持。这个过程只用了几年时间，而他现在才刚满 20 岁。更有意思的是，他解决的问题——AI 的记忆——正是当下所有 AI 应用都在面临的核心痛点。
我每天都在使用各种 AI 工具，从写作助手到代码生成器，从邮件管理到视频编辑。但我发现一个普遍存在的问题：这些工具总是忘记我之前告诉过它们的信息。每次开始新对话，我都要重新介绍自己的背景、偏好和需求。这种体验就像每天早上醒来都要重新认识一个人，既低效又令人沮丧。
表面上看，现在的 AI 模型的上下文窗口已经越来越大了。研究人员也在不断探索如何提升模型的长期记忆能力。但问题是，这些模型往往无法在多次对话中保持上下文。你今天告诉它的信息，明天就忘得一干二净。对于需要个性化体验的应用来说，这简直是灾难。
Dhravya 从自己的实际需求出发，意识到这个问题的严重性。他当时正在疯狂学习各种知识，在网上收集大量信息。他需要一个工具来管理这些知识，并能够在需要时快速调取。更重要的是，他希望 AI 能够记住这些信息，而不是每次都要重新输入。这个痛点不仅他自己有，成千上万的用户也面临同样的困扰。
我观察到，现在市面上的 AI 应用主要分为两类：一类是像 ChatGPT 这样有记忆功能的大厂产品，但这些记忆被锁定在特定平台上，无法迁移。另一类是各种垂直领域的 AI 工具，它们往往没有记忆能力，每次使用都像从零开始。这就造成了一个悖论：AI 越来越智能，但用户体验却没有相应提升，因为缺少了个性化和连续性。
Supermemory 要解决的正是这个问题。它提供了一个通用的记忆 API，让任何 AI 应用都能拥有记忆能力。不管是写作工具、日记应用、邮件客户端还是视频编辑器，都可以通过 Supermemory 来理解用户的历史行为和偏好。这种记忆不是简单的数据存储，而是能够提取洞察、理解上下文、建立知识图谱的智能系统。
Dhravya 的创业故事充满了意外和转折。他最早接触编程是在疫情期间，那时他还在上十年级。他开始做的第一个项目是一个 Discord 机器人，这个机器人在 ChatGPT API 出现之前就已经有了 AI 功能，这让他至今引以为傲。这个机器人最终被数千个服务器使用，有数十万用户。这是他第一个真正成功的产品，也让他意识到编程的魅力。
紧接着，他和朋友一起做了一个 Discord 机器人托管服务，意外地开始了第一次创业。他们有 8000 个客户，这个业务后来也被收购了。但更有意思的是，在同一台服务器上，他还运行着一个小项目：自动把 Twitter 推文转成好看的截图，然后发到 Instagram 上。他把这个功能做成了一个 Twitter 机器人，结果吸引了大量用户关注。
这个 Twitter 机器人最终被社交媒体工具 Hypefury 收购。当时 Dhravya 正在准备 IIT（印度理工学院）的入学考试，这次收购让他赚到了一笔不错的钱。他做了一个大胆的决定：放弃考 IIT，转而去美国亚利桑那州立大学读书。他的逻辑很简单：他看到 IIT 毕业生的工资水平，发现自己现在已经赚到了那个数字，那还有什么理由非要去 IIT 呢？
到了美国之后，Dhravya 给自己设定了一个挑战：连续 40 周，每周都要做出一个新东西。这期间他做了各种各样的项目，从数据库到消费级应用，从 AI 工具到基础设施，什么都尝试。他参加了多个黑客马拉松，包括 Cal Hacks、Hack Princeton 和 Stanford 的 Tree Hacks，其中一些赢了，一些输了。但每一次尝试都让他学到新东西，积累了大量的技术经验。
在这个过程中，有一周他做了一个叫 Any Context 的工具，可以让你和自己的 Twitter 书签对话。他把代码开源到 GitHub 上，结果这个项目意外走红。他在推文中说：”这可能价值一百万美元，因为我在上面花了很多心血，但你可以免费拿去用。”这条推文带来了大量关注，项目迅速增长。
但更戏剧性的事情发生了。他另一个项目 dumb.place 遭到了攻击，每秒收到数百万次请求。为了保护自己的网站，他不得不研究如何绕过 Cloudflare 的防护机制进行反向工程。这个经历让 Cloudflare 的 CTO Dane Knecht 注意到了他，直接在 Twitter 上给他发了私信，邀请他加入 Cloudflare。就这样，他意外地获得了一份工作。
在 Cloudflare 工作期间，Dhravya 学到了如何在大规模场景下构建基础设施。他甚至还申请了一项专利，用于提高 AI agent 的速度。更重要的是，他的直属经理在他入职前就离开公司去创业了，所以 Dane 成了他的实际导师。Dane 会坐在他旁边看他写代码，有时会说”这代码写得很糟糕，但没关系，我们周一再改”。这种轻松但深入的指导方式让 Dhravya 快速成长。
在这段时间里，Cloudflare 的各种顾问，包括 CTO Dane Knecht，都鼓励他把 Supermemory 做成一个真正的产品。2025 年，他决定全职投入 Supermemory 的开发。这时候他面临一个实际问题：他的钱已经花光了。他从朋友那里借了 1000 美元，从女朋友那里借了 800 美元，就靠这点钱维持生活。
我特别欣赏他女朋友的故事。当时他在大学里疯狂搞建设，给自己定下的原则是”不谈恋爱、不参加派对、不放松，只专注于建设”。但他的女朋友看到他发的一条关于失败的推文后，主动走过来问他要不要一起散步。就这样他们开始交往。她一直支持他的创业梦想，在他最困难的时候借钱给他。这种理解和支持对创业者来说无比珍贵。
我深入研究了 Supermemory 的技术方案后，发现它和市面上其他记忆解决方案有本质区别。大多数所谓的”记忆”系统，本质上只是一个数据库，提供基本的增删改查功能。你可以保存一个实体，给它设定用户范围，然后查询出来。这很有用，但这只是基础功能，任何数据库都能做到。
而 Supermemory 的设计理念完全不同。它是一个记忆引擎，模仿人类大脑的工作方式，而不是简单的数据库。这意味着它不仅能存储信息，还能理解信息之间的关系，进行推理，甚至知道什么时候该忘记什么信息。这听起来很玄乎，但其实非常实用。
首先，Supermemory 内置了数据接入和连接器。文档、图片、PDF、视频等各种数据可以自动从 Google Drive、Notion、OneDrive 等平台导入。你不需要自己构建同步层，这些功能都是开箱即用的。更重要的是，它会详细记录同步周期，精确到分钟级别，让开发者完全了解数据流动的情况。
其次，它会分析和推断关系。每个导入的项目不仅会被嵌入向量空间，还会被构建成知识图谱。实体之间的关系会被映射出来，所以你得到的不仅仅是”相似文本”，而是真正智能的推断，就像人类大脑那样思考。比如你问一个模糊的问题，Supermemory 仍然能找到相关的项目，因为它理解了深层的语义关系。
第三，智能检索逻辑是系统的一部分。查询重写、重新排序、过滤这些功能都内置在技术栈中。如果用户问了一个模糊的问题，Supermemory 仍然能找到相关信息。而如果你用其他记忆解决方案，你需要自己在原始向量的基础上编写这些逻辑，这非常耗时且容易出错。
第四，也是最独特的一点：遗忘和推断机制。遗忘不重要的信息实际上是一个功能特性。Supermemory 会自动忘记一定时间后不再重要的东西。比如用户问”最好用的洗衣液是什么”，这不是 AI 应该永远记住的信息。人类大脑也是这样工作的，我们会自然地忘记不重要的细节，只保留有价值的信息。
第五，它提供了 Memory Router 功能。这不仅仅是存储层，而是应用层级的产品。Memory Router 能为用户的对话提供几乎无限的上下文窗口。这是在用户体验层面的记忆，而不仅仅是基础设施层面的。
最后，在性能方面，Supermemory 专门为高容量数据接入设计，可以处理超过 10 万 token 的文档和多模态数据。延迟目标是 400 毫秒以下，即使在高负载情况下也能保持。这不是那种”在基准测试中表现好，在生产环境中就不行”的系统。它已经在 Flow、Montra、Cluely、Rube 等实际应用中经过了实战检验。
我特别关注了一个叫 Scira AI 的案例，因为它完美展示了 Supermemory 的实际价值。Scira 是一个开源的 Perplexity 替代品，专为需要深度研究的用户设计。它的用户会运行并行查询、构建结构化研究计划，并且越来越需要记忆功能：能够调取自己的笔记、过去的搜索，或者连接 Notion 和 Google Docs 的数据。
一开始，Scira 尝试使用 Mem0 来实现记忆功能。但创始人 Zaid Mukaddam 的评价非常直白：”Mem0 不太好用。很高兴找到了 Supermemory。”整个体验简直是灾难。延迟非常糟糕，导入数据会拖慢整个研究流程。索引不可靠，每次尝试添加记忆时，系统都无法正常工作。上下文召回失败，用户试图把过去的结果带入新查询时，经常什么都没返回。扩展性很弱，随着更多用户添加数据，性能就会下降。连接器根本不可用，用户最想要的集成都没有。
记忆本应该让研究更流畅，结果却成了产品最薄弱的环节。Zaid 受够了，决定迁移到 Supermemory。差异立刻显现出来。集成过程非常简单，Zaid 说 API 稳定且易于使用。测试过程中出现了几个小 bug，但很快就被修复了。
更重要的是稳定性一夜之间改善了。Supermemory 能够持续存储和召回条目，解决了 Mem0 的索引失败问题。延迟大幅下降，Scira 从一个笨重的应用变成了即使启用记忆功能也能流畅运行的工具。连接器开箱即用，Notion、Google Docs、推文等数据源终于可以被引入搜索了。技术支持响应迅速，Zaid 说：”我遇到了一些问题，他们修复得非常快。”或者用他更直白的话说：”比 Mem0 好一千倍。”
切换到 Supermemory 的影响非常明显。使用量增长了约 32%。记忆功能上线后，采用率上升了。有 10 个客户就是因为记忆功能而注册的，他们都是重度研究用户，非常在意上下文。用户反馈变得更好了，记忆从弱点变成了大家重视的功能。性能提升了，应用感觉更轻量，延迟下降，在规模化场景下召回也很可靠。
从技术对比来看，Supermemory 在延迟方面的优势非常明显。在 602 个样本的测试中，使用 LoCoMo 数据集进行对比，平均改进 37.4%，中位数改进 41.4%，P95 改进 22.9%，P99 改进 43.0%，稳定性提升 39.5%。这些数字不是营销话术，而是实际测试结果。
我认为 Scira 的案例说明了一个重要问题：在 AI 应用开发中，基础设施的选择至关重要。一个糟糕的记忆层不仅会拖累用户体验，还会限制产品的发展潜力。而一个优秀的记忆引擎则能释放应用的全部能力，让用户真正感受到 AI 的个性化和智能化。
Dhravya 能获得如此豪华的投资人阵容，不是偶然的。我研究了他的融资过程后，发现这背后是多年积累的结果。他不是突然出现在投资人面前要钱的，而是通过多年建设和社区贡献，逐渐建立起了强大的人脉网络。
故事要从 buildspace 说起。Supermemory 参加了 buildspace 项目，并且获胜。之后 Dhravya 在社交媒体上获得了大量关注，推文有大约 30 万次浏览。虽然按今天的标准这不算特别火，但足以让很多人注意到他。有投资人开始给他发私信，有创始人甚至专门飞到纽约见他，用商务舱把他接过去，提供 VIP 服务，劝他辍学加入他们公司。还有人跟他说”等你融资的时候告诉我”。
2025 年 1 月，a16z 主动联系他，表示想要投资。与此同时，他还获得了 YC 的 summer fellows grant，这是为想在夏天做研究的个人提供的资助。Dhravya 意识到，自己只是兼职在做这个项目，还有一份工作，却已经得到了这么多关注和机会。那他为什么不全职去做呢？
于是他开始认真对待这件事。他拒绝了 a16z 的 offer，告诉 YC 不要给他那个 grant，因为他不再是学生了，他要融资并把它做成一家真正的公司。YC 的反应是：”那你为什么不直接从我们这里融资呢？”Gary Tan 给他打了电话，劝他加入 YC。但这时候已经太晚了，他已经拿到了很多估值更高的 offer。
更有趣的是，Julian Weisser 这个人物的出现。Julian 当时正住在他楼上，给他打电话说：”我知道你参加过 ODF 项目。如果你要创办公司，是一个人做还是在找联合创始人？”Dhravya 说他在找联合创始人，但主要是因为投资人要求。Julian 说：”我正在考虑创办一个 solo founders house（独立创始人之家），如果你答应，你会是第一个加入的人。你可以有一个地方度过夏天并建立公司。”
Dhravya 面临一个实际问题：他没有签证可以辍学。Julian 也帮他解决了这个问题。Julian 先作为投资人给 Supermemory 投了钱，然后 Supermemory 用这笔钱赞助了他的签证。所以 Julian 成了第一个投资人，早于 a16z 和所有其他人。
之后 Dhravya 开始联系那些之前说过”等你融资就投资”的人。他告诉他们自己正在融资，这在旧金山引发了连锁反应。大家都在传”Dhravya 在融资”。因为 Dane 和 Cloudflare 的人已经看到并谈论过他，说”等他融资的时候会很有意思”。于是 VC 开始主动联系他，各种介绍和对接开始发生，融资就这样完成了。
Jeff Dean 的故事更特别。在 buildspace 期间，Supermemory 快速增长，DeepMind 的产品经理 Logan Kilpatrick 给他发消息问他有没有兴趣加入 Google。Dhravya 当然说有兴趣。但因为他当时还在上学，无法全职加入，所以没成。他还收到了 xAI 和 Anthropic 的 offer。然后他联系所有这些人说：”你们本来要雇我的，为什么不投资呢？”结果大家都同意了。就这样他拿到了 Jeff Dean 的投资。
Joshua Browder，DoNotPay 的创始人兼 CEO，通过 Browder Capital 投资了 Dhravya。他说让他印象深刻的是 Dhravya 的执行力：”我在 Twitter 上和他联系，让我印象深刻的是他行动和建设的速度有多快，这促使我投资了他。”
我认为 Supermemory 的成功代表了 AI 行业的一个重要转折点。我们正在从”模型时代”进入”应用时代”，从关注模型能力转向关注用户体验。在这个转变过程中，记忆成为了最关键的基础设施之一。
现在每个 AI 应用都需要记忆层。不管是邮件客户端、代码编辑器、视频编辑软件还是客户支持系统，都需要理解用户的历史行为和偏好。但构建一个好的记忆系统非常困难，需要深厚的基础设施知识、AI 技术理解和实际应用经验。大多数公司没有资源从头开始构建这样的系统。
Supermemory 提供了一个标准化的解决方案。它让任何公司都能在几天内为自己的应用添加记忆能力，而不需要投入几个月甚至几年的开发时间。这种基础设施级别的创新，往往能够释放整个行业的潜力。就像云计算让每个公司都能轻松部署服务器一样，Supermemory 让每个 AI 应用都能拥有记忆能力。
目前 Supermemory 的客户包括 a16z 支持的桌面助手 Cluely、AI 视频编辑器 Montra、AI 搜索 Scira、Composio 的多 MCP 工具 Rube 和房地产初创公司 Rets。他们甚至还在和一家机器人公司合作，帮助机器人保留视觉记忆。这些多样化的用例说明了记忆的通用性：不管你在构建什么类型的 AI 应用，你都需要记忆。
当然，这个领域的竞争也很激烈。像 Felicis Ventures 支持的 Letta 和 Mem0 都在为 AI agent 构建记忆层。Susa Ventures 还投资了 Memories.ai，这家公司可以从数千小时的视频中提取洞察。但 Dhravya 认为 Supermemory 的优势在于更低的延迟和更好的性能。在 AI 应用中，延迟往往决定了用户体验的好坏。
我特别关注 Supermemory 的开放性策略。他们不仅提供云服务，还准备发布本地优先版本，可以部署在用户的手机、笔记本或浏览器上。这解决了很多企业对数据隐私和安全的担忧。你可以享受 AI 记忆的好处，同时保持对数据的完全控制。
对于消费者来说，Supermemory 正在改名为 Supermemory Noa，定位为”一个了解你一切的 AI agent”。这个产品会汇集你在所有应用和客户端中的活动，提供跨平台的记忆能力。想象一下，不管你用什么工具，AI 都记得你的偏好、习惯和历史，能够提供真正个性化的体验。这才是 AI 应该有的样子。
Dhravya 的故事给了我很多启发。他不是那种按部就班读书、工作、然后创业的典型路径。他在高中时期就开始建设各种项目，有些成功了被收购，有些失败了成为教训。他没有完成传统意义上的教育，但通过大量实践积累了远超同龄人的经验。
我特别欣赏他的学习方法。他不是系统地学习某门课程，而是有问题就解决问题，需要什么就学什么。他会在 Discord 社区提问，会疯狂阅读文档和技术文章，会跟随各个领域的专家学习。这种实战驱动的学习方式，让他能够快速掌握新技术并应用到实际项目中。
他的连续建设能力也让我印象深刻。40 周每周做一个新项目，这需要极强的执行力和创造力。很多人可能只是做完就扔掉了，但 Dhravya 会认真对待每一个项目，参加黑客马拉松，开源代码，在社交媒体上分享。正是这种持续的输出，让他建立起了强大的个人品牌和人脉网络。
他的创业故事也证明了一点：机会往往隐藏在意外之中。他因为网站被攻击而学会了反向工程，结果获得了 Cloudflare 的工作机会。他因为想管理自己的知识而做了一个工具，结果这个工具成了一家有数百万美元融资的公司。关键是要保持开放的心态，抓住每一个可能的机会。
我也注意到他对失败的态度。他在社交媒体上公开分享了所有失败的项目，毫不避讳。这种坦诚不仅让他获得了社区的支持，也帮助他从失败中学习。每一次失败都是下一次成功的垫脚石。正是那些失败的项目，让他知道什么行得通、什么行不通。
最后，我想说的是，Dhravya 解决的问题——AI 的记忆——是真实而紧迫的。随着 AI 应用越来越普及，个性化和上下文理解将成为核心竞争力。没有记忆的 AI 就像患了失忆症的人，永远无法真正理解用户。Supermemory 提供的不仅仅是一个技术解决方案，更是通向下一代 AI 应用的基础设施。
Joshua Browder 说得好：”越来越多的 AI 公司将需要记忆层。Supermemory 的解决方案提供了高性能，同时让你能够快速调取相关上下文。”这正是问题的核心。记忆不是可有可无的功能，而是 AI 应用的必需品。谁能提供最好的记忆解决方案，谁就能在这场竞赛中胜出。
我相信 Dhravya 和 Supermemory 正走在正确的道路上。他们不是在追逐概念或炒作，而是在解决真实的问题。他们的客户正在使用他们的产品，每周发送数十亿个 token。这些都是实实在在的数据，证明了市场需求的真实性。
更重要的是，Dhravya 展示了新一代创业者的特点。他们不需要等到大学毕业或工作多年才开始创业。他们从很早就开始建设，通过实践学习，在社区中成长。他们不害怕失败，不害怕公开分享，不害怕向他人求助。他们用行动证明，年龄不是创业的障碍，经验可以通过快速迭代来积累。
从一个在孟买家里折腾 Discord 机器人的少年，到获得硅谷顶级投资人支持的创业者，Dhravya 用了短短几年时间。但这几年里，他建设了数十个项目，完成了两次收购，在 Cloudflare 申请了专利，创建了一个拥有数万用户的开源项目，最终融资 300 万美元。这个速度和强度，正是这个时代创业的缩影。
我们正处在 AI 变革的关键时刻。模型越来越强大，应用越来越多样，但用户体验的提升却没有跟上技术进步的速度。记忆是缩小这个差距的关键。当 AI 真正能够记住你的偏好、理解你的上下文、预测你的需求时，它才能从工具变成助手，从助手变成伙伴。
Supermemory 正在构建这个未来的基础。而 Dhravya 的故事告诉我们：改变世界不需要等到你准备好了才开始，你可以边做边学，边学边成长。只要你解决的是真实的问题，只要你持续建设和迭代，机会就会到来。19 岁不是限制，而是优势。因为你有更多的时间去尝试，更少的包袱去冒险，更强的动力去证明自己。
接下来会发生什么？Supermemory 正在扩大团队，招聘工程、研究和产品方面的人才。他们计划发布本地优先版本，让记忆可以在设备端运行。他们正在改造消费者应用，打造一个真正了解你一切的 AI agent。这些都只是开始。随着越来越多的 AI 应用接入 Supermemory，随着记忆能力变得越来越强大，我们将看到全新的用户体验和应用场景。
这不仅仅是一家创业公司的故事，这是整个 AI 行业进化的信号。从推理到记忆，从一次性交互到持续关系，从工具到伙伴。Dhravya 和他的团队正在书写这个故事的新篇章。而对于那些还在观望的人，现在是时候关注这个领域了。记忆不再是未来，它已经是现在。
本文由人人都是产品经理作者【深思圈】，微信公众号：【深思圈】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。