El gasto en IA de las empresas estadounidenses se está descontrolando, y una startup de 8 meses de antigüedad con un enfoque inspirado en la neurociencia para la memoria acaba de recaudar 98 millones de dólares para solucionarlo.
Atrás
Engram recauda 98 millones de dólares para reducir 100 veces los costos de tokens de IA
El gasto en IA de las empresas estadounidenses se está descontrolando, y una startup de 8 meses de antigüedad con un enfoque inspirado en la neurociencia para la memoria acaba de recaudar 98 millones de dólares para solucionarlo.
Engram, una startup de IA cuyos modelos pueden igualar a los de los laboratorios frontier utilizando hasta 100 veces menos tokens, recaudó 98 millones de dólares de General Catalyst, Kleiner Perkins y Sequoia, en un momento en que las empresas se enfrentan a costos de IA disparados. La ronda también incluyó al cofundador de OpenAI, Andrej Karpathy.
"Hay una explosión de datos, una explosión de costos", afirmó Leigh Marie Braswell, socia de Kleiner Perkins. "Engram llega, mapea tu organización y ofrece resultados órdenes de magnitud más baratos".
La empresa de 13 personas, fundada hace menos de un año, ya ha fichado a Microsoft, Notion y la startup legal de IA Harvey como clientes. Los modelos de Engram recuerdan flujos de trabajo y contextos específicos de la organización para anticipar preguntas y ofrecer respuestas más baratas, según la compañía. Su enfoque se basa en el concepto neurocientífico de los engramas —rastros de memoria en el cerebro.
La financiación llega en un momento en que empresas desde Uber hasta grandes bancos reportan que han superado sus presupuestos de IA con escaso retorno. El director de tecnología de Uber reveló en abril que la compañía ya había excedido su presupuesto de IA para 2026. Dos grandes bancos gastaron un estimado de 1.000 millones de dólares en experimentos de IA sin retornos significativos, según The Times. Meta impuso límites estrictos al uso interno de tokens tras descubrir que estaba en camino de gastar miles de millones de dólares solo en IA para 2026.
El cofundador y CEO de Engram, Dan Biderman, quien posee un doctorado en neurociencia computacional de la Universidad de Columbia y luego trabajó en el laboratorio de IA de Stanford, afirmó que la empresa está construyendo una capa de "memoria aprendida" para los sistemas de IA. La idea surgió de su observación de que, aunque los modelos de IA parecen altamente capaces, su memoria es mucho más limitada de lo que parece —y agregar más contexto a menudo los abruma, elevando los costos.
"Estamos tratando de ir más allá de la simple toma de notas y construir esa capa de intuición que los humanos tienen y los modelos actuales no", dijo Biderman.
El impulso por la eficiencia llega mientras la industria de la IA en general enfrenta una crisis de costos. OpenAI y Anthropic están considerando recortes drásticos de precios a menos de tres meses de comenzar a cobrar costos reales por sus servicios de modelos de lenguaje de gran tamaño, según un ejecutivo de Cisco que afirmó que los costos de token superan con creces el valor que generan a escala. Gartner proyecta que la escasez de memoria impulsada por la demanda de servidores de IA elevará los precios de las PC en un 17 % y los de los teléfonos inteligentes en un 13 % en 2026.
El enfoque de Engram refleja un cambio más amplio hacia la eficiencia. Apple ha estado construyendo modelos de IA en el dispositivo a través de su asociación con Google Gemini, destilando modelos grandes en versiones más pequeñas que se ejecutan localmente. La startup china Zhipu AI lanzó recientemente GLM-5.2, un modelo de peso abierto que reduce los costos hasta en un 82 % por token en comparación con los modelos frontier occidentales, fijando el precio de salida en 4,40 dólares por millón de tokens.
Biderman reconoció que los modelos de Engram no son "absolutamente mejores" que los de OpenAI o Anthropic en todas las tareas, pero dijo que sobresalen en especialización —a veces a expensas de otras capacidades. La empresa planea utilizar la financiación para respaldar cómputo y talento.
Para los inversores, la rápida captación de clientes de Engram —consiguiendo a Microsoft y Notion en cuestión de meses desde su fundación— señala que la demanda empresarial de infraestructura de IA rentable es real y urgente. La startup entra en un campo abarrotado de apuestas por la eficiencia, pero su enfoque en la memoria organizacional la diferencia de la optimización genérica de modelos. Si las afirmaciones de Engram de una reducción de 100 veces en tokens se mantienen en producción a escala, podría presionar los precios de inferencia en toda la industria, reduciendo los márgenes de los proveedores de la nube y beneficiando a los compradores empresariales de IA.
Este artículo es solo para fines informativos y no constituye asesoramiento de inversión.
Características
© 2026 Edgen impulsado por