از آنجایی که شرکت‌های آمریکایی کنترل خود را بر مخارج غیرمجاز هوش مصنوعی سخت‌تر می‌کنند، استارت‌آپی که به سختی هشت ماه از عمرش می‌گذرد، شرط می‌بندد که می‌تواند در کمک به شرکت‌ها با توکن‌های کمتر، ثروت زیادی به دست آورد. Engram که خود را "حافظه آموخته شده" هوش مصنوعی توصیف می کند، در 23 ژوئن 2026 اعلام کرد که 98 میلیون دلار از فهرستی از سرمایه گذاران جمع آوری کرده است.

این دور مورد حمایت جنرال کاتالیست، کلاینر پرکینز، و سکویا و همچنین بنیانگذار OpenAI آندری کارپاتی قرار گرفت که اخیراً به آزمایشگاه رقیب آنتروپیک پیوسته است. این بودجه نشان می‌دهد که سرمایه‌های ریسک‌پذیر رده بالای هنوز هم فضایی برای یک بازیگر جدید در زمینه‌ای که به طور فزاینده‌ای شلوغ می‌شود، می‌بیند – به شرطی که بتواند مشکلی را حل کند که بزرگ‌ترین نام‌های این صنعت نتوانسته‌اند حل کند: افزایش هزینه‌های اجرای مدل‌های هوش مصنوعی. For more context on this story, see our ongoing AI trends.

مشکل هزینه اهداف انگرام

مدل‌های جدید و پیچیده‌تر هوش مصنوعی گران‌تر از نسل‌های قبل از آن‌ها هستند، و این فرض غالب را به چالش می‌کشند که مقیاس بزرگ‌تر به ناچار هزینه‌ها را کاهش می‌دهد. شرکت‌هایی که مشتاقانه ابزارهای هوش مصنوعی را به کار می‌گیرند، اکنون با این لایحه مواجه شده‌اند، با برخی از محدودیت‌ها در استفاده توسط توسعه‌دهندگان، زیرا مصرف توکن بودجه‌ها را کاهش می‌دهد.

هدف انگرام این است که مدل‌های آن می‌توانند جریان‌های کاری و زمینه‌های خاص سازمان را برای پیش‌بینی سؤالات و ارائه پاسخ‌های هوشمندانه‌تر با کسری از هزینه، به یاد بیاورند. این شرکت ادعا می‌کند که مدل‌هایش می‌توانند با استفاده از 100 برابر توکن‌های کمتر با آزمایشگاه‌های مرزی مطابقت یا عملکرد بهتری داشته باشند، واحد پولی محاسباتی که تعیین می‌کند هر درخواست هوش مصنوعی چقدر هزینه اجرا می‌کند.

لی ماری برازول، شریک کلینر پرکینز، این فرصت را به صراحت بیان کرد. به گزارش CNBC، او گفت: "شما این انفجار داده ها را دارید، انفجاری از هزینه." Engram وارد می‌شود و اساساً سازمان شما را ترسیم می‌کند و خروجی‌های ارزان‌تری را ارائه می‌دهد.

کشش اولیه با نام های بزرگ

علیرغم اینکه کمتر از یک سال پیش تأسیس شده است، این شرکت 13 نفره قبلاً فهرستی از مشتریان ایجاد کرده است که رقبای بزرگتر به آن حسادت می کنند. مشتریان شامل Microsoft، Notion و Harvey، استارتاپ قانونی هوش مصنوعی هستند. این پذیرش اولیه توسط شرکت ها - و توسط یک شرکت هوش مصنوعی دیگر در هاروی - نشان می دهد که فناوری Engram نه به عنوان یک تازگی، بلکه به عنوان زیرساخت اصلی برای حجم کاری واقعی استفاده می شود.

این استارتاپ نام خود را از علوم اعصاب گرفته است، جایی که "Engram" به رد فیزیکی یک خاطره در مغز اشاره دارد. استعاره مناسب است: فناوری Engram به گونه ای طراحی شده است که به سیستم های هوش مصنوعی حافظه ای بادوام از دانش خاص یک سازمان بدهد، بنابراین آنها مجبور نیستند در هر تعاملی، زمینه را از ابتدا دوباره یاد بگیرند.

بنیانگذار وسواس حافظه

بنیانگذار و مدیرعامل انگرام، دن بیدرمن، ارتباط شخصی با مشکلی دارد که شرکتش در حال حل آن است. به گزارش CNBC، علاقه بیدرمن به حافظه از کودکی آغاز شد، زمانی که او سعی کرد به مادربزرگش - که حافظه اش را از دست داده بود - کمک کند تا حقایق کوچکی درباره او و خواهر و برادرش به خاطر بیاورد. این شیفتگی مادام‌العمر به نحوه عملکرد حافظه، اکنون زیربنای رویکرد فنی این شرکت برای ارزان‌تر کردن هوش مصنوعی و آگاه‌تر از زمینه است.

بیدرمن همچنین یک چهره قابل تشخیص در جامعه تحقیقاتی هوش مصنوعی است که به دلیل کارش در درک و بهبود مدل های زبان بزرگ شناخته شده است. این اعتبار فنی احتمالاً به Engram کمک کرده است که هم سرمایه‌گذاران نخبه و هم مشتریان سازمانی را در اولین ماه‌های فعالیت خود جذب کند.

آنچه با پول می‌خرد

انگرام گفت که قصد دارد از بودجه جدید برای حمایت از محاسبات و استعداد استفاده کند - دو منبعی که توانایی یک استارت آپ را برای آموزش، اصلاح و ارائه مدل های هوش مصنوعی تعریف می کنند. برای شرکتی که مدعی افزایش بهره وری چشمگیر است، نیاز به محاسبات قابل توجه نشان می دهد که ساخت سیستم های حافظه بهتر هنوز نیازمند مهندسی جدی و سرمایه گذاری زیرساختی است.

این دور همچنین نشان‌دهنده روند گسترده‌تری در تامین مالی ریسک‌پذیر هوش مصنوعی است: سرمایه‌گذاران به‌طور فزاینده‌ای به سمت شرکت‌هایی جذب می‌شوند که استقرار هوش مصنوعی موجود را ارزان‌تر یا موثرتر می‌کنند، نه اینکه منحصراً روی یک مدل پایه دیگر شرط‌بندی کنند. استارت‌آپ‌هایی که بر کارایی استنتاج، حافظه و بهینه‌سازی هزینه متمرکز هستند، دقیقاً به این دلیل توجه را جلب می‌کنند که به نظر می‌رسد دوران هزینه‌های بدون محدودیت هوش مصنوعی در حال پایان است.

چشم انداز رقابتی

Engram وارد بازاری می شود که در آن تعریف "حافظه هوش مصنوعی" هنوز مورد بحث است. برخی از شرکت ها از طریق مسیریابی مدل بهتر، ارسال پرس و جوهای آسان به مدل های ارزان و رزرو موارد گران قیمت برای کارهای سخت، به مشکل هزینه حمله می کنند. برخی دیگر با استفاده از تکنیک های بازیابی یا ذخیره سازی تخصصی زمینه را فشرده می کنند. رویکرد انگرام - ساخت مدل‌های حافظه اختصاصی که الگوهای سازمان را یاد می‌گیرند - نشان‌دهنده یک شرط متمایز است که یادآوری کارآمد زمینه، خود یک دسته محصول است.

اینکه آیا ادعای جسورانه شرکت مبنی بر تطبیق عملکرد مرزی در یک صدم هزینه توکن تحت بررسی است یا خیر، باید دید. اما با توجه به اینکه مایکروسافت و سایر شرکت‌های بزرگ در حال حاضر حضور دارند، و سرمایه‌گذاری‌هایی مانند Karpathy - که فعالیت حرفه‌ای آن‌ها شامل تاسیس OpenAI و فعالیت در تسلا می‌شود - سرمایه‌شان را پشت سر گذاشته‌اند، Engram به سرعت خود را به عنوان یک استارت‌آپ برای تماشای مسابقه اقتصاد هوش مصنوعی تثبیت کرد.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →