【导读】AI领域权威Karpathy重磅投资！初创公司Engram正式亮相，13人团队致力于让AI实现永久记忆，打造“永不遗忘”的智能系统。

仅有13名成员的团队，成立仅8个月，公司估值已达到6亿美元！

就在今天，专注于AI记忆技术的初创公司Engram正式结束隐身模式，完成首秀，并一举获得9800万美元融资。

这13个人究竟在做什么样的项目，能值如此高的金额？

答案简单明了：记忆！

最关键的是，Engram仅需消耗1%到10%的Token，就能让大模型做到过目不忘。而且，每一次对话，模型都能实现自我优化与持续改进。

知名投资人Karpathy第一时间在社交媒体上送上了祝贺。

成立8个月，目标让AI“永不失忆”

Engram一词源自神经科学，指代大脑中记忆留下的“痕迹”。一家以AI记忆为核心的公司，直接取名“记忆痕迹”，雄心昭然若揭。

团队将试图解决的核心痛点，形象地概括为——“天才陌生人”（genius stranger）。如今的AI，智商极高，但记忆力却糟糕得惊人。它能处理海量数据、攻克复杂难题，然而在特定业务场景下，认知水平甚至不如一个刚入职的实习生——这听起来是否有些荒谬？

于是，一个令人头疼的场景反复上演：AI不得不一遍又一遍重读相同的文档，一次次重新学习业务背景；每遇到一个新问题，都需要把整个组织的知识库从头到尾“重新发现”一遍。

这不仅效率低下，而且成本高昂。随着上下文窗口不断增大，模型变得越昂贵、越容易产生混淆。

不卷大模型，专攻“记忆”技术

Engram的打法与其它实验室截然不同。它的策略是从一个强大的预训练模型出发，将训练算力全部聚焦在“上下文”处理上。

听起来很理想，但技术上如何实现？答案隐藏在CTO Sabri Eyuboglu手中的王牌——Cartridges技术之中。

这是近两年将“大量文档压缩成可复用记忆”的代表性方法之一，由斯坦福团队打造，其背后的导师正是机器学习大牛、Engram联合创始人Chris Ré。

再来看一组具体数字，就能理解背后的真相：当AI阅读一份7万字、约400KB的法律合同时，它在内部生成的记忆体积会瞬间暴涨到100GB以上，足足比原始文件大了25万倍，这正是AI变得又慢又贵的根本原因。

Cartridges的思路堪称暴力美学——与其每次临时把整篇文档塞进上下文窗口，不如提前投入大量算力，在离线状态下将其“学习”成一个微小的记忆模块。

团队把这一过程称为“self-study”：让模型先围绕语料自行生成大量合成对话，再把这些“学习痕迹”蒸馏进一个紧凑的缓存中。最终，内存占用降至原来的约1/40，解码吞吐量飙升25倍以上。

更精妙的是Engram的架构哲学：它将模型的“推理层”与“记忆层”彻底分离。推理负责思考，记忆负责“认得你”。这样一来，AI就能在几秒到几小时内，实时吸收个人偏好、对话历史和新数据，而无需从头重新训练。

一支“全明星”团队

Engram的团队每一位成员都来头不小。去年10月，Engram从斯坦福AI实验室孵化而出，CEO是以色列研究者Dan Biderman。他拥有哥伦比亚大学计算神经科学博士学位，之后进入斯坦福AI实验室从事博士后研究。

更有意思的是Biderman对“记忆”痴迷的起点。小时候，他总想尽各种办法，帮助已经失忆的祖母重新记起关于他和兄弟姐妹的那些小事。

这支13人的团队，成员来自斯坦福、伯克利、康奈尔等顶尖高校。第一名员工是创始人的妻子Dr. Natalie Biderman，同样是一位斯坦福的记忆研究者。据Biderman透露，团队中有不少人拒绝了Anthropic和谷歌的橄榄枝，才选择加入这条小船。在如今抢人白热化的AI圈，这份“弃明投暗”的含金量还在持续上升。

AI可以记住你了

说到底，Engram押注的是AI范式的下一次转向。过去几年，全行业信仰“Scaling Law”：模型越大、数据越多、越聪明。但Engram提出了一条新的Scaling轴：把算力砸在“学习与内化个人数据”上。

模型越用越懂你，越用越聪明。学习的对象从公开互联网转向了“你”和“世界本身”。学习的频率从每天，逼近每一刻。

这正是通往ASI（超级人工智能）道路上最关键的两块拼图之一：让智能不再静止，而是持续生长。

Engram只有13个人，但它想做的，是给AI装上一段永不褪色的记忆。而记忆，恰恰是智能真正开始理解世界的起点。