W miarę jak korporacyjna Ameryka zacieśnia kontrolę nad niekontrolowanymi wydatkami na sztuczną inteligencję, startup działający zaledwie osiem miesięcy obstawia, że można zarobić fortunę, pomagając firmom osiągać więcej przy mniejszej liczbie tokenów. Engram, który określa siebie jako „wyuczoną pamięć” sztucznej inteligencji, ogłosił 23 czerwca 2026 r., że zebrał 98 milionów dolarów z listy inwestorów.
Runda ta zyskała wsparcie ze strony General Catalyst, Kleiner Perkins i Sequoia, a także współzałożyciela OpenAI Andreja Karpathy, który niedawno dołączył do konkurencyjnego laboratorium Anthropic. Finansowanie sygnalizuje, że najwyższej klasy kapitał wysokiego ryzyka nadal widzi miejsce dla nowego gracza na coraz bardziej zatłoczonym rynku – pod warunkiem, że rozwiąże problem, którego nie mają największe nazwiska w branży: rosnące koszty funkcjonowania modeli sztucznej inteligencji. Więcej kontekstu na ten temat znajdziesz w naszych trendy AI.
Cele engramów problemu kosztów
Nowe i bardziej wyrafinowane modele sztucznej inteligencji okazują się droższe niż poprzednie generacje, co podważa dominujące niegdyś założenie, że większa skala nieuchronnie obniży koszty. Firmy, które chętnie przyjęły narzędzia AI, stoją teraz w obliczu ustawy, przy pewnym ograniczeniu ich wykorzystania przez programistów, ponieważ konsumpcja tokenów obciąża budżety.
Pomysł Engrama polega na tym, że jego modele potrafią przywołać specyficzne dla organizacji przepływy pracy i kontekst, aby przewidywać pytania i dostarczać mądrzejsze odpowiedzi za ułamek kosztów. Firma twierdzi, że jej modele mogą dorównać laboratoriom z pogranicza lub je przewyższyć przy użyciu nawet 100 razy mniejszej liczby tokenów – waluty obliczeniowej, która określa, ile kosztuje wykonanie każdego zapytania AI.
Leigh Marie Braswell, partnerka w Kleiner Perkins, bez ogródek przedstawiła tę szansę. „Mamy do czynienia z eksplozją danych i eksplozją kosztów” – stwierdziła według CNBC. „Engram przychodzi i zasadniczo mapuje twoją organizację i oferuje o rząd wielkości tańszą produkcję”.
Wczesna trakcja z wielkimi nazwiskami
Mimo że została założona niecały rok temu, 13-osobowa firma zbudowała już listę klientów, której pozazdroszczą jej znacznie więksi rywale. Do klientów należą Microsoft, Notion i Harvey, legalny start-up zajmujący się sztuczną inteligencją. To wczesne przyjęcie przez przedsiębiorstwa – a także przez inną firmę zajmującą się sztuczną inteligencją w Harvey – sugeruje, że technologia Engram jest wykorzystywana nie jako nowość, ale jako podstawowa infrastruktura do obsługi rzeczywistych obciążeń.
Startup wziął swoją nazwę od neuronauki, gdzie „engram” odnosi się do fizycznego śladu, jaki pamięć pozostawia w mózgu. Metafora jest trafna: technologia Engram została zaprojektowana tak, aby zapewnić systemom AI trwałą pamięć specyficznej wiedzy organizacji, dzięki czemu nie muszą one uczyć się kontekstu od zera przy każdej interakcji.
Założyciel mający obsesję na punkcie pamięci
Współzałożyciel i dyrektor generalny Engram, Dan Biderman, ma osobisty związek z problemem, który rozwiązuje jego firma. Według CNBC zainteresowanie Bidermana pamięcią zaczęło się już w dzieciństwie, kiedy próbował pomóc swojej babci – która utraciła pamięć – przypomnieć sobie drobne fakty o nim i jego rodzeństwie. Ta trwająca całe życie fascynacja działaniem pamięci stanowi obecnie podstawę technicznego podejścia firmy do uczynienia sztucznej inteligencji tańszą i bardziej świadomą kontekstu.
Biderman to także rozpoznawalna postać w środowisku badaczy sztucznej inteligencji, znana z pracy nad zrozumieniem i udoskonaleniem dużych modeli językowych. Ta wiarygodność techniczna prawdopodobnie pomogła Engramowi przyciągnąć zarówno elitarnych inwestorów, jak i wymagających klientów korporacyjnych w pierwszych miesiącach działalności.
Co kupują pieniądze
Engram powiedział, że planuje wykorzystać nowe fundusze na wsparcie obliczeń i talentów – dwóch zasobów, które definiują zdolność startupu do szkolenia, udoskonalania i obsługi modeli sztucznej inteligencji. Dla firmy twierdzącej, że nastąpił radykalny wzrost wydajności, potrzeba znacznych obliczeń podkreśla, że budowanie lepszych systemów pamięci w dalszym ciągu wymaga poważnych inwestycji inżynieryjnych i infrastrukturalnych.
Runda odzwierciedla również szerszy trend w finansowaniu przedsięwzięć w zakresie sztucznej inteligencji: inwestorzy coraz częściej wybierają wyrafinowane firmy, które sprawiają, że istniejące wdrożenia sztucznej inteligencji są tańsze lub bardziej efektywne, zamiast obstawiać wyłącznie na kolejny podstawowy model. Startupy skupione na efektywności wnioskowania, pamięci i optymalizacji kosztów przyciągają uwagę właśnie dlatego, że wydaje się, że era nieograniczonych wydatków na sztuczną inteligencję dobiega końca.
Krajobraz konkurencyjny
Engram wkracza na rynek, na którym wciąż kwestionowana jest definicja „pamięci AI”. Niektóre firmy atakują problem kosztów poprzez lepsze routing modeli, wysyłanie łatwych zapytań do tanich modeli i rezerwowanie drogich modeli do trudnych zadań. Inne kompresują kontekst przy użyciu technik odzyskiwania lub specjalistycznego buforowania. Podejście Engrama – budowanie dedykowanych modeli pamięci, które uczą się wzorców organizacji – stanowi wyraźne założenie, że skuteczne zapamiętywanie kontekstu samo w sobie jest kategorią produktu.
Czas pokaże, czy śmiałe twierdzenie firmy o dorównaniu pionierskim wydajnościom w jednej setnej kosztu tokena zostanie poddane analizie. Jednak mając już na pokładzie Microsoft i inne duże przedsiębiorstwa oraz inwestorów takich jak Karpathy – których kariera obejmuje zarówno założenie OpenAI, jak i pracę w Tesli – inwestując w to swój kapitał, Engram szybko stał się start-upem wartym obserwowania w wyścigu w zakresie ekonomii sztucznej inteligencji.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
