生成されたAIの大規模なエンタープライズ展開が進むと、モデルコールのコストが急速に高まります。 わずか8か月間確立されたエングラムは、トークン消費量を削減し、エンタープライズ指向の「記憶層」製品を通じて応答効率を改善しようとする資金調達で98万ドルの完了を発表しました。
資金調達とクライアントリスト
資金調達の現在のラウンドは、一般触媒、クレニナー・パーキンス、セコイア、および投資家の間で行われたOpenAI、アンドレジ・カルパシーの共同創設者によって出席しました。 Engramによると、主にコンピューティングの入力と才能の採用に資金が使用されます。
現在、13名の社員しかいませんが、Microsoft、Notion、ローエイ・アイ・イニシャル・カンパニー・ハーヴェイなど、クライアントがアクセスしています。 短時間でスタートアップ企業にとって、そのようなクライアントのリストは、その製品がエンタープライズの ' s 試用と調達 horizon に入ったことを示しています。
主要な減少トークン支出
エングラムはAIの「学習メモリ」として位置づけています。 コアの考え方は、モデルが組織内の作業プロセス、コンテキスト、履歴情報を保存できるようにすることです。これにより、フォローアップの質問に関連した要素をより迅速に使用し、反復的な推論と長い文脈のコストを応答し、削減することができます。
同社によると、いくつかのミッションでは、そのモデルは、前研究室モデルよりも、比較可能またはより良い結果で、トークンとして100回以上になる可能性があります。 トークンは、AIクエリ実行のベースユニットであり、コールが高まるにつれて、企業は通常消費します。
モデルのメモリ パネルに切って下さい
ダン・ビダーマン、共同創業者兼チーフ・エグゼクティブ・オフィサー、現行モデルの多くの問題が理解の欠如ではなく、安定した記憶の欠如であると主張する。 コンテキストが長いほど、モデルは追加情報によって遅くなり、より多くの検索、読み込み、推論の企業へのコストが高くなります。
エングラムは、エングラムは、すべての機能でOpenAIやAnthropicモデルよりも優れていると主張していないと述べたが、むしろ、プロの設定で効率性の利点に重点を置いた。 この資金調達は、AIの起業家精神企業が単に強力なモデルを追求し、コスト制御とビジネスのランディング能力に移行していることを示しています。