📰 概要

你每天产生的碎片内容有多少？截图、语音、视频、文档、多图——这些异构多模态数据分散在手机不同角落，下次想找的时候往往想不起来存在哪里。

OPPO在AICon上海分享了小布记忆的技术方案，2026年4月30日公开。核心就是解决这个难题：让AI理解碎片化内容，并自动整理成有价值的"记忆"。

基于自研AndesVL多模态大模型，智能分流：80%简单场景端侧处理，20%复杂场景云侧处理。

关键数据：合集创建准确率从83%提升到97%，新记忆加入准确率从76%提升到95%以上。

---

🔍 解读

多模态AI在C端落地，一直有个难题：怎么把碎片化的多模态内容变成可检索、可整理的知识？

小布记忆的解法分三层。第一层是端侧算法（AIUnit）：NER+OCR能力、图片分类和总结、结构化字段提取，覆盖了截图、语音、视频、文档、多图等全模态理解。

第二层是分流模块，对输入图文信息进行分析，生成分类标签，根据标签进行任务规划。这个模块决定什么留在端侧、什么上传云端。

第三层是关联记忆与合集归纳的内容聚合方案。OPPO的策略是：NER、OCR、图片分类这些成熟能力放端侧；POI提取、时间线归纳、跨记忆关联这些复杂推理放云端。

---

💎 深挖

为什么端云分流很重要

端侧处理的隐私优势很明显：你的截图、账单、密码本内容不需要上传服务器。但端侧模型的推理能力有限，复杂的多模态理解任务需要云端更强的模型。

80%流量在端侧处理，意味着大多数日常场景下你的数据不会离开手机。

碎片到结构的整理逻辑

小布记忆的做法是提取结构化信息：POI（地点）、时间、价格、人物。把这些信息作为索引，把原始内容作为记忆本体。

你搜索"某天吃过的一家餐厅"，AI通过地点和时间索引找到对应的截图和语音备忘。

这个场景说明：AI要更准确地判断新内容应该归入哪个已有记忆、还是创建新的记忆。

准确率提升的工程难度

合集创建准确率提升14个百分点，意味着AI要更准确地判断哪些碎片内容属于同一个"事件"或"主题"。

新记忆加入准确率提升近20个百分点，意味着AI要更准确地判断新内容应该归入哪个已有记忆、还是创建新的记忆。

这些优化涉及模型能力、Prompt设计、评测体系等多个环节。

你能用吗

什么情况不建议用小布记忆：如果你不需要手机帮你整理碎片内容，或者你的隐私偏好是所有数据都本地处理、不接受任何云端上传，这个方案的价值对你有限。

但如果你的日常场景是：截图记信息、语音备忘、日程分散在多个应用——那么这类端云协同的多模态整理工具，会是未来手机AI的标配能力。