随着美国企业界加强对失控的人工智能支出的控制，一家成立仅八个月的初创公司押注，帮助企业用更少的代币做更多的事情可以赚大钱。 Engram 将自己描述为人工智能的“学习记忆”，于 2026 年 6 月 23 日宣布，已从众多投资者名单中筹集 9800 万美元。
该轮融资得到了 General Catalyst、Kleiner Perkins 和 Sequoia 以及 OpenAI 联合创始人 Andrej Karpathy 的支持，后者最近加入了竞争对手 Anthropic 实验室。这笔资金表明，顶级风险投资仍然在这个日益拥挤的领域看到了新参与者的空间——只要它能够解决业界知名人士未能解决的问题：运行人工智能模型的成本不断上升。 更多相关背景，请参阅我们的AI行业报道。
成本问题印迹目标
事实证明，新的、更复杂的人工智能模型比前几代模型的价格更高，这挑战了曾经占主导地位的假设，即更大的规模将不可避免地降低成本。急于采用人工智能工具的公司现在正面临着这一法案，由于代币消费导致预算紧张，一些公司限制了开发人员的使用。
Engram 的宣传是，其模型可以回忆组织特定的工作流程和上下文，以预测问题并以极低的成本提供更智能的响应。该公司声称其模型可以使用最多 100 倍的代币来匹配或超越前沿实验室，代币是决定每个人工智能查询运行成本的计算货币。
凯鹏华盈 (Kleiner Perkins) 合伙人利·玛丽·布拉斯韦尔 (Leigh Marie Braswell) 直言不讳地描述了这个机会。据 CNBC 报道，她说：“数据爆炸，成本爆炸。” “印迹进来后基本上会规划出你的组织并提供更便宜的产出。”
早期的大牌吸引力
尽管成立不到一年，这家拥有 13 名员工的公司已经建立了一个令规模大得多的竞争对手羡慕不已的客户名单。客户包括微软、Notion 和合法的人工智能初创公司 Harvey。企业以及哈维的另一家人工智能公司的早期采用表明，Engram 的技术并不是被用作新颖性，而是被用作实际工作负载的核心基础设施。
这家初创公司的名字来源于神经科学，其中“印迹”指的是记忆在大脑中留下的物理痕迹。这个比喻很恰当：Engram 的技术旨在为人工智能系统提供对组织特定知识的持久记忆，因此它们不必在每次交互时从头开始重新学习上下文。
一位痴迷于内存的创始人
Engram 的联合创始人兼首席执行官 Dan Biderman 与其公司正在解决的问题有着密切的个人联系。据 CNBC 报道，比德曼对记忆的兴趣始于孩童时期，当时他试图帮助失去记忆的祖母记住有关他和兄弟姐妹的小事实。这种对记忆如何工作的终生迷恋现在支撑着该公司的技术方法，使人工智能更便宜、更具情境感知能力。
Biderman 也是人工智能研究界的知名人物，以其在理解和改进大型语言模型方面的工作而闻名。这种技术可信度可能帮助 Engram 在运营的头几个月吸引了精英投资者和要求严格的企业客户。
有钱能买什么
Engram 表示，计划利用新资金支持计算和人才——这两种资源定义了初创公司训练、完善和服务人工智能模型的能力。对于一家声称效率大幅提升的公司来说，对大量计算的需求凸显出构建更好的内存系统仍然需要大量的工程和基础设施投资。
这轮融资还反映了人工智能风险投资的一个更广泛的趋势：投资者越来越被那些使现有人工智能部署更便宜或更有效的镐和铲公司所吸引，而不是专门押注于另一种基础模型。专注于推理效率、内存和成本优化的初创公司之所以受到关注，正是因为不受限制的人工智能支出时代似乎即将结束。
竞争格局
英格拉姆进入了一个“人工智能记忆”的定义仍然存在争议的市场。一些公司通过更好的模型路由来解决成本问题，将简单的查询发送到廉价的模型，并为困难的任务保留昂贵的查询。其他人使用检索技术或专门的缓存来压缩上下文。 Engram 的方法——构建学习组织模式的专用记忆模型——代表了一种独特的赌注，即有效记住上下文本身就是一个产品类别。
该公司大胆宣称的以代币成本百分之一的价格匹配前沿业绩的说法是否经得起审查，还有待观察。但随着微软和其他大型企业的加入，以及像 Karpathy 这样的投资者——他的职业生涯包括 OpenAI 的创立和特斯拉的工作经历——的投入，Engram 很快就成为了人工智能经济竞赛中值得关注的初创公司。
---
掌握AI最新动态获取最新的AI新闻、分析和突破——尽在一处。
阅读更多AI新闻 →
