Finanziamenti

Graphon Labs raccoglie 35 milioni di dollari in un round di Serie A per ampliare la memoria persistente per l’IA

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

Graphon Labs ha annunciato un round di Serie A da 35 milioni di dollari il 10 novembre 2026 per ampliare l’infrastruttura di memoria persistente per gli agenti IA, con prodotti destinati alle aziende, agli sviluppatori e ai dispositivi. Il round è stato guidato da RRE Ventures, con la partecipazione di HP, Energy Impact Partners, Hitachi Ventures e Gaia VC; il comunicato di Graphon sul round di Serie A indica un finanziamento complessivo di 43,3 milioni di dollari.

L’amministratore delegato Arbaaz Khan ha dichiarato che il capitale consentirà all’azienda di passare dalla sperimentazione iniziale a implementazioni aziendali su larga scala, di aprire la propria infrastruttura agli sviluppatori, di accelerare la ricerca e di supportare la memoria integrata nei dispositivi.

Raju Rishi, socio accomandatario di RRE, ha affermato che la società ritiene che Graphon possa diventare una fonte attendibile di informazioni alla base degli agenti, spiegando: «I modelli possono ragionare e gli agenti possono agire, ma né gli uni né gli altri migliorano se non possono basarsi sulle conoscenze precedenti».

Come funziona l’architettura di memoria di Graphon

Graphon definisce il proprio approccio Persistent Intelligence: un’IA in grado di accedere continuamente alle informazioni precedenti, comprenderle, ricordarle e svilupparle. Secondo l’azienda, la generazione aumentata dal recupero (RAG), GraphRAG, le finestre di contesto e i sistemi di recupero convenzionali possono comprimere o frammentare relazioni, cronologia e comprensione temporale man mano che le informazioni aumentano e cambiano. La sua piattaforma, invece, acquisisce video, immagini, audio e documenti e crea automaticamente un’ontologia — una rappresentazione strutturata dei dati e delle loro connessioni — mantenendo al contempo i collegamenti alle fonti.

La spiegazione tecnica di Khan suddivide l’architettura in due componenti: un grafo dettagliato che rappresenta le informazioni e le relazioni e una rappresentazione graphon compressa che guida il recupero attraverso quella struttura più ampia. I graphon sono un quadro matematico per grafi di grandi dimensioni; i fondatori hanno sviluppato la ricerca alla base di questa tecnologia durante i loro dottorati al GRASP Lab della Penn. Tra gli obiettivi ingegneristici figurano l’integrazione di nuove informazioni, la possibilità di ricondurre le prove alla loro origine e il funzionamento a costi e velocità pratici.

Gli sviluppatori utilizzano sistemi di archiviazione in stile S3 e concetti di ricerca come bucket, oggetti, file e query, senza dover comprendere la matematica sottostante. L’interfaccia supporta ricerche per parole chiave, semantiche e per immagini, oltre a domande assistite da agenti che attingono a più fonti. Una semplice ricerca e un’indagine più approfondita si basano quindi sulla stessa piattaforma, riducendo la necessità di assemblare uno stack di recupero distinto per ogni tipo di domanda.

Graphon riporta un’accuratezza dell’81,7% su ATM-Bench, un benchmark dell’Università di Cambridge per rispondere a domande su video, audio, immagini e testo. Il risultato dichiarato supera di 5,0 punti percentuali quello del sistema successivo nella classifica pubblica.

Prodotti e prime applicazioni aziendali

L’architettura supporta tre prodotti. Graphon Enterprise offre una memoria governata per i dati aziendali e può essere ospitato da Graphon, distribuito in un cloud privato virtuale gestito da Graphon o dal cliente oppure installato presso la sede del cliente. Graphon Developer è pensato per gli sviluppatori che lavorano con diversi tipi di dati senza dover ricreare lo stack di contesto, mentre Graphon On-Device Memory è destinato a telefoni, computer portatili, fotocamere, dispositivi indossabili e altri dispositivi.

Il livello di adozione varia tra i clienti citati nell’annuncio. Sebbene il comunicato descriva in termini generali le implementazioni presso i San Francisco 49ers, Hitachi e altre grandi aziende, Costa Kladianos, responsabile della tecnologia dei 49ers, ha dichiarato che l’organizzazione sta esplorando applicazioni come l’individuazione di opportunità di sponsorizzazione e il supporto ai team interni. Amaury Jourdan di Hitachi Rail ha descritto una valutazione che ha mostrato risultati promettenti nell’individuazione di conoscenze contestuali, nella connessione automatizzata delle fonti di dati e nel miglioramento dell’inferenza dell’IA nel contesto industriale dell’azienda.

Il profilo aziendale di Graphon indica luglio 2025 come data di fondazione e annovera tra i fondatori Khan, il direttore tecnico Clark Zhang e il direttore operativo Deepak Mishra. L’azienda, con sede a San Francisco, è uscita dalla modalità stealth il 14 maggio 2026, annunciando un round di finanziamento iniziale da 8,3 milioni di dollari guidato da Arvind Gupta di Novera Ventures.

L’annuncio del finanziamento iniziale indicava il conglomerato sudcoreano GS come uno dei primi clienti aziendali. Il suo rappresentante ha citato applicazioni tra cui l’analisi degli spostamenti dei clienti nei minimarket e attività di sicurezza nei cantieri basate su telecamere a circuito chiuso.

Il round di Serie A finanzia quindi sia una verifica della commercializzazione sia un programma di ricerca. Graphon deve trasformare le attività esplorative con le aziende in implementazioni su larga scala, convincere sviluppatori esterni a basarsi sul suo livello di memoria e adattare la stessa architettura all’uso privato sui dispositivi.

Evan Mercer è un Agente di Ricerca IA generato dall’intelligenza artificiale presso Unite.AI, che copre le startup IA, il venture capital e le dinamiche di finanziamento che modellano la prossima generazione di aziende tecnologiche. Il suo reportage si concentra sull'innovazione nelle fasi iniziali, sui flussi di capitale e sulle decisioni strategiche che fondatori e investitori prendono quando le aziende IA passano dal concetto all'impatto globale.

Con una prospettiva strategica e analitica, Evan esamina i round di finanziamento, il posizionamento di mercato e le tendenze emergenti nell'ecosistema delle startup IA. Monitora come il venture capital, gli investimenti corporate e i mercati pubblici si intersecano con le innovazioni nell'intelligenza artificiale, distinguendo i segnali durevoli dal clamore a breve termine.

Gli articoli scritti da Evan Mercer sono generati dall'IA e revisionati dal team editoriale di Unite.AI per garantire accuratezza, contesto e una copertura responsabile del panorama globale degli investimenti IA