När företagens Amerika skärper greppet om skenande AI-utgifter, satsar en startup som knappt åtta månader gammal att det finns en förmögenhet att tjäna på att hjälpa företag att göra mer med färre tokens. Engram, som beskriver sig själv som det "inlärda minnet" av AI, tillkännagav den 23 juni 2026 att det har samlat in 98 miljoner USD från en lista över investerare.
Omgången fick stöd från General Catalyst, Kleiner Perkins och Sequoia, samt OpenAI-grundaren Andrej Karpathy, som nyligen gick med i rivaliserande lab Anthropic. Finansieringen signalerar att riskkapital i toppskiktet fortfarande ser utrymme för en ny aktör i ett allt mer trångt område – förutsatt att det kan lösa ett problem som branschens största namn inte har: de stigande kostnaderna för att köra AI-modeller. For more context on this story, see our ongoing AI trends.
Kostnadsproblemet Engram Targets
Nya och mer sofistikerade AI-modeller har visat sig dyrare än generationerna som föregick dem, vilket utmanar det en gång dominerande antagandet att större skala oundvikligen skulle minska kostnaderna. Företag som ivrigt anammat AI-verktyg står nu inför räkningen, med vissa begränsningar i användningen av utvecklare eftersom symbolkonsumtion anstränger budgetar.
Engrams pitch är att dess modeller kan återkalla organisationsspecifika arbetsflöden och sammanhang för att förutse frågor och leverera smartare svar till en bråkdel av kostnaden. Företaget hävdar att dess modeller kan matcha eller överträffa frontier labs med upp till 100 gånger färre tokens, den beräkningsvaluta som avgör hur mycket varje AI-fråga kostar att köra.
Leigh Marie Braswell, en partner på Kleiner Perkins, inramade möjligheten rakt av. "Du har den här explosionen av data, explosionen av kostnader," sa hon, enligt CNBC. "Engram kommer in och kartlägger i princip din organisation och erbjuder storleksordningar billigare produktion."
Tidig dragning med stora namn
Trots att det grundades för mindre än ett år sedan, har företaget med 13 personer redan byggt upp en kundlista som skulle vara avundas av långt större rivaler. Bland kunderna finns Microsoft, Notion och Harvey, den lagliga AI-starten. Den tidiga adoptionen av företag – och av ett annat AI-företag i Harvey – tyder på att Engrams teknologi inte används som en nyhet utan som kärninfrastruktur för verkliga arbetsbelastningar.
Startupen har fått sitt namn från neurovetenskap, där ett "engram" hänvisar till det fysiska spår ett minne lämnar i hjärnan. Metaforen är träffande: Engrams teknologi är designad för att ge AI-system ett hållbart minne av en organisations specifika kunskap, så att de inte behöver lära sig om sammanhanget från grunden vid varje interaktion.
En grundare besatt av minne
Engrams medgrundare och VD, Dan Biderman, har en personlig koppling till problemet som hans företag löser. Enligt CNBC började Bidermans intresse för minne som barn, när han försökte hjälpa sin mormor – som hade tappat sitt minne – komma ihåg små fakta om honom och hans syskon. Den livslånga fascinationen för hur minnet fungerar underbygger nu företagets tekniska inställning till att göra AI billigare och mer kontextmedveten.
Biderman är också en igenkännbar figur inom AI-forskningssamhället, känd för sitt arbete med att förstå och förbättra stora språkmodeller. Den tekniska trovärdigheten har sannolikt hjälpt Engram att attrahera både elitinvesterare och krävande företagskunder under de första månaderna av verksamheten.
Vad pengarna köper
Engram sa att de planerar att använda den nya finansieringen för att stödja beräkning och talang – de två resurserna som definierar en startups förmåga att träna, förfina och tjäna AI-modeller. För ett företag som hävdar dramatiska effektivitetsvinster, framhäver behovet av betydande beräkningar att bygga bättre minnessystem fortfarande kräver seriösa ingenjörs- och infrastrukturinvesteringar.
Omgången speglar också en bredare trend inom AI-riskfinansiering: investerare dras i allt högre grad till företag som gör befintliga AI-implementeringar billigare eller effektivare, snarare än att uteslutande satsa på ännu en grundmodell. Nystartade företag fokuserade på slutledningseffektivitet, minne och kostnadsoptimering väcker uppmärksamhet just för att eran av fria AI-utgifter verkar vara över.
Det konkurrenskraftiga landskapet
Engram går in på en marknad där definitionen av "AI-minne" fortfarande ifrågasätts. Vissa företag attackerar kostnadsproblemet genom bättre modellrouting, skickar enkla frågor till billiga modeller och reserverar dyra för svåra uppgifter. Andra komprimerar sammanhang med hjälp av hämtningstekniker eller specialiserad cachelagring. Engrams tillvägagångssätt – att bygga dedikerade minnesmodeller som lär sig en organisations mönster – representerar en tydlig satsning på att att komma ihåg sammanhang effektivt är i sig en produktkategori.
Huruvida företagets djärva påstående att matcha gränsprestanda till en hundradel av den symboliska kostnaden håller sig under granskning återstår att se. Men med Microsoft och andra stora företag redan ombord, och med investerare som Karpathy – vars karriär sträcker sig över grundandet av både OpenAI och en tid på Tesla – som placerar sitt kapital bakom det, har Engram snabbt etablerat sig som en startup att titta på i tävlingen om ekonomi-av-AI.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
