Terwijl het Amerikaanse bedrijfsleven zijn greep op de op hol geslagen AI-uitgaven verstevigt, gokt een startup van amper acht maanden oud erop dat er een fortuin te verdienen valt door bedrijven te helpen meer te doen met minder tokens. Engram, dat zichzelf omschrijft als het ‘geleerde geheugen’ van AI, maakte op 23 juni 2026 bekend dat het $98 miljoen heeft opgehaald uit een grote lijst van investeerders.
De ronde kreeg steun van General Catalyst, Kleiner Perkins en Sequoia, evenals mede-oprichter van OpenAI Andrej Karpathy, die zich onlangs bij het rivaliserende laboratorium Anthropic voegde. De financiering geeft aan dat durfkapitaal van het hoogste niveau nog steeds ruimte ziet voor een nieuwe speler in een steeds drukker wordend veld – op voorwaarde dat het een probleem kan oplossen dat de grootste namen in de sector niet hebben: de stijgende kosten van het runnen van AI-modellen. Voor meer context over dit verhaal, zie ons meer AI-verhalen.
Het kostenprobleem Engram streeft ernaar
Nieuwe en geavanceerdere AI-modellen blijken duurder dan de generaties die eraan voorafgingen, wat de ooit dominante veronderstelling in twijfel trekt dat grotere schaal onvermijdelijk de kosten zou drukken. Bedrijven die gretig AI-tools adopteerden, worden nu met de rekening geconfronteerd, waarbij het gebruik door ontwikkelaars enigszins wordt beperkt, omdat de consumptie van tokens de budgetten onder druk zet.
De pitch van Engram is dat zijn modellen organisatiespecifieke workflows en context kunnen oproepen om te anticiperen op vragen en slimmere antwoorden te geven tegen een fractie van de kosten. Het bedrijf beweert dat zijn modellen grenslaboratoria kunnen evenaren of beter kunnen presteren met behulp van tot 100 keer minder tokens, de rekenvaluta die bepaalt hoeveel elke AI-query kost om uit te voeren.
Leigh Marie Braswell, partner bij Kleiner Perkins, vatte de kans botweg samen. "Je hebt een explosie aan data en een explosie aan kosten", zei ze volgens CNBC. "Engram komt binnen en brengt uw organisatie feitelijk in kaart en biedt een orde van grootte goedkopere output."
Vroege tractie met grote namen
Ondanks dat het nog geen jaar geleden werd opgericht, heeft het dertienkoppige bedrijf al een klantenbestand opgebouwd waar veel grotere rivalen jaloers op zouden zijn. Klanten zijn onder meer Microsoft, Notion en Harvey, de legale AI-startup. Die vroege adoptie door bedrijven – en door een ander AI-bedrijf in Harvey – suggereert dat de technologie van Engram niet als nieuwigheid wordt gebruikt, maar als kerninfrastructuur voor echte werklasten.
De startup ontleent zijn naam aan de neurowetenschappen, waar een ‘engram’ verwijst naar het fysieke spoor dat een herinnering in de hersenen achterlaat. De metafoor is treffend: de technologie van Engram is ontworpen om AI-systemen een duurzaam geheugen te geven van de specifieke kennis van een organisatie, zodat ze de context niet bij elke interactie opnieuw hoeven te leren.
Een oprichter die geobsedeerd is door geheugen
De mede-oprichter en CEO van Engram, Dan Biderman, heeft een persoonlijke band met het probleem dat zijn bedrijf oplost. Volgens CNBC begon Bidermans interesse in het geheugen als kind, toen hij zijn grootmoeder – die haar geheugen kwijt was – probeerde te helpen kleine feiten over hem en zijn broers en zussen te herinneren. Die levenslange fascinatie voor de werking van het geheugen ligt nu ten grondslag aan de technische aanpak van het bedrijf om AI goedkoper en meer contextbewust te maken.
Biderman is ook een herkenbaar figuur in de AI-onderzoeksgemeenschap, bekend om zijn werk op het gebied van het begrijpen en verbeteren van grote taalmodellen. Die technische geloofwaardigheid heeft Engram waarschijnlijk geholpen om zowel elite-investeerders als veeleisende zakelijke klanten aan te trekken in de eerste maanden van zijn bestaan.
Wat het geld koopt
Engram zei dat het van plan is de nieuwe financiering te gebruiken ter ondersteuning van compute en talent – de twee bronnen die bepalend zijn voor het vermogen van een startup om AI-modellen te trainen, te verfijnen en te bedienen. Voor een bedrijf dat aanspraak maakt op dramatische efficiëntiewinsten, benadrukt de behoefte aan substantiële rekenkracht dat het bouwen van betere geheugensystemen nog steeds serieuze investeringen in techniek en infrastructuur vergt.
De ronde weerspiegelt ook een bredere trend op het gebied van durfkapitaalfinanciering op het gebied van AI: investeerders worden steeds meer aangetrokken tot pikhouwelenbedrijven die bestaande AI-implementaties goedkoper of effectiever maken, in plaats van uitsluitend te wedden op nog een ander basismodel. Startups die zich richten op inferentie-efficiëntie, geheugen en kostenoptimalisatie trekken de aandacht, juist omdat het tijdperk van onbeperkte AI-uitgaven ten einde lijkt te komen.
Het concurrentielandschap
Engram betreedt een markt waar de definitie van ‘AI-geheugen’ nog steeds wordt betwist. Sommige bedrijven pakken het kostenprobleem aan door betere modelroutering, door eenvoudige vragen naar goedkope modellen te sturen en dure modellen te reserveren voor moeilijke taken. Anderen comprimeren de context met behulp van ophaaltechnieken of gespecialiseerde caching. Engrams aanpak – het bouwen van speciale geheugenmodellen die de patronen van een organisatie leren – vertegenwoordigt een duidelijke gok dat het efficiënt onthouden van context zelf een productcategorie is.
Of de gedurfde claim van het bedrijf om grensprestaties te evenaren tegen een honderdste van de symbolische kosten stand houdt, valt nog te bezien. Maar nu Microsoft en andere grote ondernemingen al aan boord zijn, en met investeerders als Karpathy – wier carrière de oprichting van zowel OpenAI als een periode bij Tesla omvat – die hun kapitaal erachter plaatsen, heeft Engram zich snel gevestigd als een startup om in de gaten te houden in de economie-van-AI-race.
---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
