大模型竞争正酣，Engram另辟蹊径：押注AI持续学习，获9800万美元融资！

当大模型公司聚焦于上下文窗口、推理能力和Agent工作流竞争时，Engram公司另辟蹊径，押注AI持续学习，已完成9800万美元融资。

独特定位：解决企业知识难题

如今的AI虽能处理诸多任务，但对组织内部关键知识陌生，企业使用成本高且易出错。Engram想让AI真正学会组织内部知识，构建可持续学习的“记忆层”。

核心创新：计算前移策略

与常见方案不同，Engram将计算前移，让模型提前学习企业信息，而非每次回答问题时重新检索。它押注新的scaling方向，投入私有上下文训练。

产品合作：瞄准企业场景

Engram首个产品是面向Agent的API，已公布与Notion、Harvey和Microsoft的早期合作，聚焦知识密度高、上下文复杂的企业场景。

团队背景：专注持续学习

Engram团队背景高度集中在持续学习和模型记忆问题上，成员从多角度研究记忆与遗忘，致力于打造围绕长期学习设计的基础设施。

未来挑战：研究到产品转化

Engram真正的挑战是将持续学习从研究问题转化为稳定产品，要让模型学习企业数据并做到可靠、可控、可审计，持续产生价值。

编辑观点：Engram另辟蹊径的思路值得关注，若能解决从研究到产品的转化问题，有望在企业AI应用领域开辟新赛道。