Karpathy投资AI记忆公司Engram，9800万美元融资打造持续学习层

一家名为Engram的AI初创公司近日公开亮相，并宣布完成9800万美元融资，投资方包括General Catalyst、Kleiner Perkins、Sequoia等头部风投，知名AI学者Andrej Karpathy、Pieter Abbeel等也作为投资人/顾问参与。Engram成立于2024年10月，孵化于斯坦福AI实验室，团队仅13人，估值已达约6亿美元。

核心定位：为AI构建持续学习的“记忆层”

Engram致力于解决大模型在企业场景中的“健忘”问题——模型虽能处理通用知识，但对组织内部的项目决策、历史讨论等私有上下文并不熟悉，导致每次对话需重复提供背景，成本高且易出错。Engram提出将“上下文”转化为模型能力：通过离线训练让模型提前学习GitHub、Slack、Notion等企业数据，而非每次临时检索。其目标是实现从每天到每小时、最终每分钟的数据更新频率，使模型在使用中持续改进。

技术亮点：Cartridges与记忆压缩

Engram的核心技术之一是Cartridges，由CTO Sabri Eyuboglu（斯坦福团队，导师为联合创始人Chris Ré）主导。该方法通过“self-study”流程：让模型围绕语料生成大量合成对话，再将“学习痕迹”蒸馏为紧凑缓存。据称，处理一份7万字的法律合同时，传统方式内存占用超100GB，而Cartridges可将内存降至约1/40，解码吞吐量提升25倍以上。Engram还采用“推理层”与“记忆层”分离的架构，使模型能在几秒到几小时内实时吸收新数据，无需重训。

早期合作与产品

Engram的首个产品是面向Agent的API，服务于大型知识工作区。已公布的合作方包括：Notion（构建理解大型工作空间的Custom Agents）、Harvey（律所和企业知识场景）、Microsoft（M365中的定制化Agent）。这些场景均具有知识密度高、上下文复杂的特点。

团队背景

CEO Dan Biderman拥有哥伦比亚大学计算神经科学博士学位，曾在斯坦福AI实验室做博士后，研究记忆与遗忘。团队13人来自斯坦福、伯克利、康奈尔，多名成员拒绝了Anthropic和谷歌的offer加入。公司聚焦持续学习、上下文压缩、检索增强、LoRA、合成数据等方向。

行业意义

Engram押注一条新的Scaling方向：将算力投入私有上下文的持续学习，而非单纯扩大模型规模。其目标是从“天才陌生人”转变为真正理解用户和组织的AI，被视为通往通用人工智能（AGI）乃至超级智能（ASI）的关键拼图之一。