Ketika perusahaan-perusahaan Amerika memperketat cengkeramannya pada belanja AI yang tidak terkendali, sebuah startup yang baru berusia delapan bulan bertaruh bahwa ada banyak keuntungan yang bisa diperoleh dengan membantu perusahaan berbuat lebih banyak dengan token yang lebih sedikit. Engram, yang menggambarkan dirinya sebagai "memori yang dipelajari" AI, mengumumkan pada tanggal 23 Juni 2026 bahwa mereka telah mengumpulkan $98 juta dari sejumlah besar investor.
Putaran ini mendapat dukungan dari General Catalyst, Kleiner Perkins, dan Sequoia, serta salah satu pendiri OpenAI Andrej Karpathy, yang baru-baru ini bergabung dengan lab saingannya, Anthropic. Pendanaan ini menandakan bahwa modal ventura papan atas masih membuka ruang bagi pemain baru di bidang yang semakin ramai ini – asalkan pendanaan tersebut dapat memecahkan masalah yang belum dimiliki oleh perusahaan-perusahaan besar di industri ini: meningkatnya biaya pengoperasian model AI. For more context on this story, see our ongoing artificial intelligence updates.
Target Engram Masalah Biaya
Model AI yang baru dan lebih canggih terbukti lebih mahal dibandingkan generasi sebelumnya, sehingga menantang asumsi yang selama ini mendominasi bahwa skala yang lebih besar pasti akan menurunkan biaya. Perusahaan-perusahaan yang dengan penuh semangat mengadopsi alat-alat AI kini menghadapi tantangan tersebut, dengan beberapa pihak yang membatasi penggunaan alat-alat tersebut oleh pengembang karena konsumsi token membebani anggaran.
Keunggulan Engram adalah modelnya dapat mengingat alur kerja dan konteks spesifik organisasi untuk mengantisipasi pertanyaan dan memberikan respons yang lebih cerdas dengan biaya yang lebih murah. Perusahaan mengklaim modelnya dapat menyamai atau mengungguli laboratorium perbatasan dengan menggunakan token hingga 100 kali lebih sedikit, mata uang komputasi yang menentukan berapa biaya untuk menjalankan setiap kueri AI.
Leigh Marie Braswell, partner di Kleiner Perkins, menjelaskan peluang ini secara blak-blakan. “Anda mengalami ledakan data, ledakan biaya,” katanya, menurut CNBC. "Engram hadir dan pada dasarnya memetakan organisasi Anda dan menawarkan keluaran yang jauh lebih murah."
Traksi Awal Dengan Nama Besar
Meskipun baru didirikan kurang dari setahun yang lalu, perusahaan beranggotakan 13 orang ini telah membangun daftar klien yang akan membuat iri para pesaing yang jauh lebih besar. Pelanggannya termasuk Microsoft, Notion, dan Harvey, startup AI legal. Penerapan awal oleh perusahaan – dan oleh perusahaan AI lainnya di Harvey – menunjukkan bahwa teknologi Engram digunakan bukan sebagai hal baru tetapi sebagai infrastruktur inti untuk beban kerja nyata.
Startup ini mengambil namanya dari ilmu saraf, di mana "engram" mengacu pada jejak fisik yang ditinggalkan memori di otak. Metaforanya tepat: Teknologi Engram dirancang untuk memberikan sistem AI memori yang tahan lama akan pengetahuan spesifik suatu organisasi, sehingga mereka tidak perlu mempelajari kembali konteks dari awal pada setiap interaksi.
Seorang Pendiri Terobsesi Dengan Memori
Salah satu pendiri dan CEO Engram, Dan Biderman, memiliki hubungan pribadi dengan masalah yang sedang dipecahkan oleh perusahaannya. Menurut CNBC, ketertarikan Biderman pada ingatan dimulai sejak kecil, ketika dia mencoba membantu neneknya – yang kehilangan ingatannya – mengingat fakta-fakta kecil tentang dia dan saudara-saudaranya. Ketertarikan seumur hidup terhadap cara kerja memori kini mendasari pendekatan teknis perusahaan untuk membuat AI lebih murah dan lebih peka konteks.
Biderman juga merupakan tokoh terkenal dalam komunitas riset AI, yang dikenal karena karyanya dalam memahami dan meningkatkan model bahasa besar. Kredibilitas teknis tersebut kemungkinan besar membantu Engram menarik investor elit dan pelanggan korporat yang menuntut pada bulan-bulan pertama operasinya.
Apa yang Dibeli dengan Uang
Engram mengatakan pihaknya berencana menggunakan pendanaan baru ini untuk mendukung komputasi dan bakat — dua sumber daya yang menentukan kemampuan startup untuk melatih, menyempurnakan, dan melayani model AI. Bagi perusahaan yang mengklaim peningkatan efisiensi yang dramatis, kebutuhan akan komputasi yang besar menunjukkan bahwa membangun sistem memori yang lebih baik masih memerlukan investasi teknik dan infrastruktur yang serius.
Putaran ini juga mencerminkan tren yang lebih luas dalam pendanaan ventura AI: investor semakin tertarik pada perusahaan-perusahaan yang menjadikan penerapan AI lebih murah atau lebih efektif, dibandingkan hanya bertaruh pada model dasar lain. Startup yang berfokus pada efisiensi inferensi, memori, dan optimalisasi biaya menarik perhatian justru karena era pengeluaran AI yang tidak dibatasi tampaknya akan segera berakhir.
Lanskap Kompetitif
Engram enters a market where the definition of "AI memory" is still being contested. Some companies attack the cost problem through better model routing, sending easy queries to cheap models and reserving expensive ones for hard tasks. Others compress context using retrieval techniques or specialized caching. Engram's approach — building dedicated memory models that learn an organization's patterns — represents a distinct bet that remembering context efficiently is itself a product category.
Whether the company's bold claim of matching frontier performance at one-hundredth the token cost holds up under scrutiny remains to be seen. But with Microsoft and other major enterprises already on board, and with investors like Karpathy — whose career spans the founding of both OpenAI and a stint at Tesla — placing their capital behind it, Engram has quickly established itself as a startup to watch in the economics-of-AI race.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
