由Andrej Karpathy等人投资的这家13人初创团队成立仅8个月，旨在通过Cartridges技术将企业知识转化为模型可持久调用的记忆，解决大模型在组织场景下的遗忘与重复学习成本问题。
人工智能初创公司Engram于2026年6月24日正式结束隐身状态并宣布完成9800万美元融资。该团队由13人组成，运营时长仅为8个月，其核心目标是构建一个能让大语言模型持续学习并永久保留组织内部知识的记忆层。与依赖长上下文窗口或检索增强生成（RAG）的传统方案不同，Engram主张在推理前将数据转化为模型可复用的内部记忆，从而避免每次交互时重新读取大量文档造成的计算浪费与认知偏差。\n\n该项目的技术核心在于CTO Sabri Eyuboglu主导的Cartridges架构。通过该技术，Engram声称仅需消耗1%至10%的Token量，即可让模型实现类似人类过目不忘的能力。其工作原理是将GitHub、Slack、Notion及内部文档等分散信息压缩为可复用的记忆单元，使模型在面对具体业务时具备即时调用的背景知识，而非表现出“天才陌生人”的特征——即通用能力强但缺乏特定组织上下文认知。这种设计旨在解决企业部署大模型时面临的重复学习成本高、对话结束后知识丢失以及随着上下文增长导致推理成本飙升等实际痛点。\n\nEngram的投资阵容包括General Catalyst、Kleiner Perkins、Sequoia Capital等头部风险投资机构，同时Andrej Karpathy、Pieter Abbeel及Jason Wei等人也作为投资人或顾问加入。Karpathy在结束与前东家Anthropic的合作后随即参与了对该项目的支持。行业观察指出，当前大模型竞争焦点正从单纯的参数规模与推理速度转向垂直场景的适应能力，Engram试图通过将计算前移至记忆构建阶段，为AI在复杂企业流程中的长期应用提供新的基础设施方案，其市场定位直指那些需要模型持续消化内部知识而非临时检索资料的高价值应用场景。