你的 AI 助手为什么总“失忆”？聊聊个人数据采集这件事

最近跟一个同事聊天时，他提到一个有趣的观点。

神策以往的工作都是帮企业在合规合法的前提下采集用户的行为，然后更好地理解用户。那么，我们是否可以帮助某个个人自己采集自己的行为，并且把这些采集到的行为给 AI，从而让 AI 更好地理解他，变成他的更好的个人助理呢？例如，在用户的授权之下，对用户使用的各种 App 进行数据采集，采集他的聊天记录，采集他的外卖和网购记录，采集他的笔记记录，采集他的每一项支出，从而更好地理解他，服务他。

再延伸一下，这些数据脱敏之后，在用户允许的情况下，也可以反向售卖给提供服务的企业，让企业更理解用户，在更好地服务用户的同时也获得更多的商业价值。

这个想法我觉得挺值得讨论的，所以有了今天这篇文章。

01. 为什么现在谈论这个话题

在神策做了十多年企业级数据采集，我见证了数据如何帮助企业理解用户、优化产品、提升转化率。我们的 SDK 每天在数亿设备上运行，采集用户在各种 App 中的行为：点击了什么按钮、浏览了哪些页面、停留多长时间、何时下单。这些数据对企业价值巨大，但对数据的真正主人——用户自己，却几乎毫无价值。用户产生的数据分散在各个平台，用户无法获取，更谈不上利用这些数据为自己服务。

而在 2025 年，随着大模型能力的进步，有两个趋势的交汇，让个人数据采集这件事变得值得讨论：

第一，个人 AI 助手市场可能将要爆发。根据市场研究数据，全球个人 AI 助手市场规模预计将从 2024 年的 22 亿美元增长到 2034 年的 563 亿美元，年复合增长率达到 38.1%。到 2025 年，配备 AI 助手的设备数量将有数十亿台，97% 的智能手机用户都在使用某种形式的 AI 助手。

第二，AI 助手的核心瓶颈不再是模型能力，而是对“你”的理解。现在的 AI 助手——无论是 Siri、Google Assistant 还是 ChatGPT，都不满足只基于通用知识回答问题。它们试图知道你昨天和朋友聊了什么，你最近在关注什么，你有什么消费习惯和偏好。

用户不想请了一个失忆症助理，每次都要从零开始介绍背景。

02. 当前 AI 助手的局限：它们并不真正了解你

虽然市场规模在快速增长，但很多时候我会觉得，当前的 AI 助手更像是“工具”而非“助理”。

我自己每天都在用 Codex 和 Claude Code 进行写作和编程。每次开始一个新的对话，我都需要重新描述背景：我是谁，我的背景是什么，我的写作偏好是什么，我的编程习惯是什么。虽然这些 AI 的对话能力已经接近人类，但它们对“我”的记忆，基本为零。

当然，Claude Code 和 Codex 都提供了一些解决方案，例如 Claude Code 可以通过用户级和项目级的 CLAUDE.md 文件，来显式地把这些告诉 AI。但是，我更希望 AI 能够根据和我的日常交互协作来深入细致地地理解我，而不是我每次都要告诉它我是谁。

这不是模型能力的问题，它们只是缺少关于“我”的数据。

一份市场调研数据也印证了这一点：54% 的用户愿意分享匿名化的个人数据来改善 AI 产品，但现实是，现有的 AI 助手并没有给用户一个安全、可控的方式来提供这些数据。

真正的个人助理，应该知道：

• 你最近在和谁频繁沟通，聊天的主题是什么
• 你的日程安排和工作节奏
• 你的消费偏好和预算习惯
• 你的兴趣点和知识盲区
• 你的健康数据和生活习惯

只有基于这些数据，AI 才能从“通用工具”变成“个人助理”，这也就是我觉得在用户允许的前提下，采集用户个人数据成为一个很有意义的事情。

03. 全方位行为采集的价值

如果把企业级数据采集的思路搬到个人场景，能采集哪些数据？价值又是什么？

参考神策在企业端的经验，我认为个人数据采集可以分为以下几个维度：

通讯数据：聊天记录、邮件往来、通话记录（文字版）。这是理解你社交关系和当前关注点的核心数据。

• 消费数据：外卖订单、网购记录、支付流水。这能帮 AI 理解你的消费偏好、预算习惯，甚至健康状况。
• 内容数据：笔记、文档、浏览历史。这反映了你的知识结构和兴趣方向。
• 行为数据：App 使用时长、屏幕解锁次数、位置轨迹。这是理解你生活节奏和行为模式的基础。
• 创作数据：你写的文章、发的朋友圈、拍的照片。这是最能体现你思想和表达风格的数据。

这些数据如果能被 AI 系统性地理解和记忆，价值会远超我们的想象。

看几个具体场景：

• 场景一：智能日程管理

当你说“帮我约张总下周见面”，AI 不仅知道张总是谁、你们上次聊了什么，还能根据你的日程习惯、你们过往见面的时间和地点，自动推荐最优时间和地点。

• 场景二：个性化内容推荐

当你问“最近有什么好看的”，AI 不是推荐热门榜单，而是基于你的观影历史、朋友的评价、你最近的情绪状态，推荐真正适合你的内容。

• 场景三：财务健康管理

AI 会发现“你这个月在外卖上的支出比平时高 30%”，结合你的聊天记录发现你最近在加班，主动提醒你注意饮食健康，甚至推荐附近评价好的健康餐厅。

• 场景四：知识助手

当你在写文章时，AI 能调取你之前写的相关内容、读过的资料、甚至几个月前某次聊天中提到的观点，帮你建立知识关联。

• 场景五：会议助理

你一边写代码，一边用语音问自己的 AI 助手，刚刚开会时候，那个 PM 提了一个什么需求？

这些场景的核心，都是“AI 真正理解你”，每时每刻陪伴着你，成为专属于你的个人助手。

实际上，已经有创业公司在尝试这个方向。Rewind AI (现更名为 Limitless) 就是一个典型案例。它的产品逻辑很简单：记录你在电脑上看到、说过、听到的一切，然后让你可以随时搜索和回顾。Limitless 不仅有软件产品，还推出了可穿戴硬件设备，可以全天候记录对话和想法。产品设计的核心是隐私保护：数据存储在用户本地或加密云端，承诺符合 HIPAA 级别的隐私标准。这家公司获得了包括 a16z 和 Sam Altman 在内的投资者超过 3300 万美元的融资。

国内也有类似探索。比如 Plaud 推出的 AI 录音笔，已经卖出过百万台。

这些产品的价值不仅是录音转写，市场真正认可的是"个人记忆助手"这个方向。

04.怎么采集和存储个人数据？

从技术实现角度，个人数据采集某些方面可以借鉴企业级埋点的成熟方案。在神策，我们在 Android、iOS、Web、小程序等各个平台都有成熟的 SDK。数据采集后会先存储在客户端中，满足上报策略后再发送到服务端。

这套方法论完全可以移植到个人场景：

• Android/iOS：采集 App 使用行为、Screen Time 数据
• 浏览器插件：采集网页浏览、搜索记录
• 录音设备：采集与人的沟通、交流信息

当然，这个跟企业采集还是会有所区别，浏览器插件还好，但是一个 App 厂商是不会允许个人在 App 中通过插入 SDK 的方式采集个人的使用行为的，所以在采集方案方面，可能需要结合网络抓包、录屏让 AI 识别等能力来进一步完善。

数据采集后，可以采用边缘计算 + 云端存储的混合架构：

• 敏感数据（如聊天记录、对话）只在本地处理，用加密方式存储
• 行为数据（如 App 使用时长）可以脱敏后上传云端
• 用户拥有完全的数据删除和导出权

这样既能保证隐私安全，又能让 AI 充分利用这些数据。

05.挑战：隐私、合规与用户信任

说到这里，最大的问题来了：隐私和合规。

采集个人全方位数据，本质上是一件非常敏感的事情。用户会担心：

• 我的数据会被泄露吗？
• 会被用于商业目的吗？
• 我能随时删除数据吗？
• 数据会被政府调取吗？

用户的这些隐私方面的担忧，都必须在技术、商业模式上得到妥善的处理。

而除了用户的隐私担忧之外，合规也是一个必须面对的问题，全球范围内，个人信息保护的法律越来越严格：

• 欧盟 GDPR：要求明确的用户同意、数据最小化原则、“被遗忘权”等
• 美国 CCPA：允许用户选择退出数据销售，要求企业披露数据使用方式
• 中国《个人信息保护法》：规定了个人信息处理的合法性、必要性、透明度原则，并引入了“个人信息保护合规审计”制度

这些法律的核心都是一个原则：**数据主权属于用户**。

个人数据采集产品必须做到：

1. 明确告知：采集哪些数据、用于什么目的

2. 用户授权：每项数据采集都需要明确同意

3. 数据可控：用户可以随时查看、导出、删除自己的数据

4. 安全存储：采用加密、访问控制等技术保护数据安全

5. 最小化原则：只采集必要的数据，不过度采集

只有做到这些，才能真正赢得用户信任。

从产品设计角度，我认为可以借鉴 Apple 的“隐私标签”模式：

• 在采集每一类数据前，用清晰的界面告知用户这类数据会用于什么功能
• 用户可以选择性开启或关闭某些数据采集
• 定期生成“隐私报告”，让用户看到有哪些数据被采集、被使用

这种透明化的设计，是建立信任的关键。

06. 延伸思考：数据反向销售的双赢模式

同事当时的想法中，还提到了一个有意思的延伸：这些数据脱敏之后，在用户允许的情况下，是否可以反向售卖给企业？

这个想法乍一听有点激进，但仔细想想，其实有其合理性。

现在一种典型的商业模式就是：企业免费提供服务，采集用户数据，然后用这些数据变现（广告、推荐算法等）。用户虽然是数据的生产者，但在数据变现的过程中，几乎分不到任何收益。

如果换一种模式：用户主动脱敏并授权自己的数据，卖给需要的企业，然后获得收益分成，会怎么样？

这种 C2B（消费者对企业）的数据交易模式，在国

外已经有一些尝试。

例如，**Ocean Protocol：**一个基于区块链的数据交易市场，数据提供者可以将数据代币化，卖给需要的企业或研究机构。Ocean Protocol 支持“计算到数据”（Compute-to-Data）技术，允许在不暴露原始数据的情况下进行计算。

用户可以把自己的健康数据、消费数据等脱敏后放到 Ocean 市场上出售，同时保持数据所有权。

这些案例说明，**数据反向销售不是天方夜谭，而是一个正在发生的趋势**。

对用户来说，好处显而易见：

• 数据产生收益，而非被免费拿走
• 用户掌握数据出售的决策权
• 脱敏和加密技术保护隐私

对企业来说，也有价值：

• 获得了用户主动授权的高质量数据
• 数据来源合规，降低法律风险
• 用户画像更加精准，营销效率更高

当然，这个模式也面临挑战：

合规风险：中国《网络安全法》规定，买卖个人信息属于侵权，甚至是违法犯罪行为。因此，数据反向销售必须严格做到匿名化、脱敏处理，并且确保用户明确授权。

• 数据定价：个人数据到底值多少钱？如何定价？这需要建立一个透明的市场机制。
• 数据质量：如何确保用户提供的数据是真实、准确的？这需要验证机制。
• 用户教育：大多数用户不理解“数据脱敏”“匿名化”等概念，需要大量的用户教育。

尽管有这些挑战，我依然认为“用户拥有并控制自己的数据，并从中获益”，是一个值得探索的方向。这不仅是技术问题，更是一个关于数字时代“数据所有权”的哲学问题。

07. 如果要做，怎么做？

假设要做这样一个产品，从 0 到 1 的路径可能是这样：

**第一步：从单一场景切入**

不要一上来就想做“全方位采集”，而是从一个高价值、低敏感的场景开始。

比如：

• 个人知识助手：采集笔记、文档、浏览记录，帮用户建立个人知识库，提供智能搜索和关联推荐
• 健康管理助手：采集运动数据、饮食记录、睡眠数据，提供个性化健康建议
• 财务助手：采集支付流水、账单记录，提供消费分析和理财建议

这些场景用户痛点明确，数据敏感度相对较低，容易建立初期用户信任。

**第二步：极致的隐私保护**

产品设计的核心必须是“隐私优先”：

• 数据默认本地存储，用户可选择是否上传云端
• 所有云端数据端到端加密
• 用户可以随时一键删除所有数据
• 定期生成隐私报告，展示数据使用情况
• 开源核心代码，接受社区审计

只有做到极致透明，才能赢得早期用户。

**第三步：打造 Aha Moment**

让用户第一次使用就感受到“这个东西真的懂我”。

比如：

• 用户初始化笔记采集后，AI 自动根据采集的笔记生成知识图谱
• 用户导入一个月消费记录后，AI 发现消费模式并给出优化建议
• 用户授权采集聊天记录后，AI 能够回答“我上个月和张三聊了什么”，“我有哪些重要消息忘记回复了。

这种“魔法时刻”是产品留存的关键。

**第四步：逐步扩展数据维度**

在单一场景验证后，逐步扩展：

• 从笔记扩展到浏览历史
• 从消费记录扩展到日程管理
• 从健康数据扩展到社交关系

每扩展一个维度，都需要重新获得用户授权，并清晰说明价值。

**第五步：探索商业模式**

初期可以采用面向个人消费者的订阅制收费模式。

中期可以探索数据变现：

• 用户授权数据脱敏后参与市场调研，获得收益分成
• 用户授权精准广告，获得观看收益（类似 Brave）
• 用户授权匿名数据用于 AI 模型训练，获得代币奖励

但这一步必须慎之又慎，任何操之过急都可能毁掉用户信任。

**第六步：建立数据飞轮**

最终目标是在单个用户和多个用户上，分别形成正向循环，并且互相促进。

这个飞轮一旦转起来，就会形成强大的壁垒。

08. 个人数据主权时代正在到来

回到开头同事的那个问题：能否让用户自己采集自己的数据，让 AI 更好地服务自己？

我的答案是：不仅可以，而且正在发生。

过去二十年，是“企业掌握数据”的时代。互联网公司通过免费服务换取用户数据，然后用数据变现。这个模式创造了 Google、Facebook、腾讯、字节跳动等巨头。

但这个模式的弊端也越来越明显：

• 用户对自己的数据没有控制权
• 数据被滥用、泄露的风险越来越高
• 用户产生数据，但没有从数据变现中获益
• AI 服务受限于单一平台的数据孤岛

下一个十年，我相信会是“个人数据主权”的时代：

• 用户真正拥有和控制自己的数据
• 数据在用户授权下，为用户自己服务
• AI 助手基于用户的完整数据，提供真正个性化的服务
• 用户从自己的数据中获益

这不是乌托邦式的幻想。技术已经准备好了：AI 模型足够强大使得多模态数据的采集和理解能力大幅度提升；隐私保护技术足够成熟；本地和云端的存储和计算成本足够低。法律也在推动这个方向：GDPR、CCPA、个人信息保护法都在强化用户的数据权利。

市场也在呼唤这样的产品。Limitless 的快速融资、Brave 的用户增长、54% 用户愿意分享数据的调查结果，都说明用户已经准备好了。

剩下的，就是有人去做这件事。

对于创业者来说，这可能是一个巨大的机会。不是去做下一个微信、下一个抖音，而是去做真正属于用户的“个人数据基础设施”。

当然，对于类似于 Apple 这样的消费设备巨头来说，一个能够全面了解用户，给用户提供更个性化服务的 Agent 本身就是他们的主线业务。

这篇文章更多是一些不成熟的思考，欢迎你留言分享你的看法：

你会愿意让 AI 采集你的个人数据吗？在什么前提下？

如果有这样一个产品，你最希望它首先解决什么问题？

你觉得“数据反向销售给企业”这个想法可行吗？

期待你的想法。