Graphon Labs haalt $35 miljoen op in Series A voor opschaling van persistent AI-geheugen

Graphon Labs maakte op 10 november 2026 bekend dat het $35 miljoen heeft opgehaald in een Series A-financieringsronde om infrastructuur voor persistent geheugen voor AI-agenten op te schalen, voor toepassingen in bedrijven, voor ontwikkelaars en op apparaten. RRE Ventures leidde de ronde, waaraan HP, Energy Impact Partners, Hitachi Ventures en Gaia VC deelnamen; in het bericht van Graphon over de Series A wordt het totale opgehaalde bedrag op $43,3 miljoen gesteld.

Chief executive Arbaaz Khan zei dat het kapitaal het bedrijf moet helpen de overstap te maken van vroege experimenten naar grootschalige implementaties bij bedrijven, de infrastructuur open te stellen voor ontwikkelaars, onderzoek te versnellen en geheugen op apparaten te ondersteunen.

Raju Rishi, general partner bij RRE, zei dat zijn bedrijf verwacht dat Graphon een bron van waarheid onder AI-agenten wordt. Hij lichtte toe: „Modellen kunnen redeneren en agenten kunnen handelen, maar geen van beide wordt beter als ze niet kunnen voortbouwen op eerdere kennis.”

Hoe de geheugenarchitectuur van Graphon werkt

Graphon noemt zijn aanpak Persistent Intelligence: AI die voortdurend toegang heeft tot eerdere informatie, die kan begrijpen en onthouden en waarop het kan voortbouwen. Volgens het bedrijf kunnen retrieval-augmented generation, GraphRAG, contextvensters en conventionele ophaalmethoden relaties, geschiedenis en temporeel inzicht comprimeren of versnipperen wanneer de hoeveelheid informatie groeit en verandert. Het platform verwerkt in plaats daarvan video, afbeeldingen, audio en documenten en bouwt automatisch een ontologie op — een gestructureerde weergave van de gegevens en hun onderlinge verbanden — waarbij de koppelingen naar de bronnen behouden blijven.

Khan legt de architectuur technisch uit aan de hand van twee onderdelen: een gedetailleerde graaf die informatie en relaties weergeeft, en een gecomprimeerde graphonrepresentatie die het ophalen van informatie uit die grotere structuur aanstuurt. Graphons zijn een wiskundig raamwerk voor zeer grote grafen. De oprichters ontwikkelden het onderliggende onderzoek tijdens hun promotieonderzoek aan Penn’s GRASP Lab. De technische doelstellingen zijn onder meer nieuwe informatie opnemen, bewijs naar de oorsprong ervan kunnen herleiden en tegen praktische kosten en met praktische snelheid werken.

Ontwikkelaars kunnen werken met opslag volgens het S3-model en zoekconcepten zoals buckets, objecten, bestanden en zoekopdrachten, zonder de wiskunde erachter te hoeven begrijpen. De interface ondersteunt zoeken op trefwoorden, semantisch zoeken en zoeken in afbeeldingen, en maakt het mogelijk om met hulp van AI-agenten vragen te stellen op basis van meerdere bronnen. Een eenvoudige zoekopdracht en een diepgaander onderzoek maken daardoor gebruik van hetzelfde platform, zodat er voor elk soort vraag minder vaak een afzonderlijke ophaalstack hoeft te worden samengesteld.

Graphon rapporteert een nauwkeurigheid van 81,7% op ATM-Bench, een benchmark van de Universiteit van Cambridge voor het beantwoorden van vragen over video, audio, afbeeldingen en tekst. Volgens de gerapporteerde resultaten ligt de score 5,0 procentpunt hoger dan die van het eerstvolgende systeem op de openbare ranglijst.

Producten en eerste toepassingen bij bedrijven

De architectuur ondersteunt drie producten. Graphon Enterprise biedt geheugen met beheer en governance voor bedrijfsgegevens. Het kan door Graphon worden gehost, worden geïmplementeerd in een virtuele private cloud die door Graphon of de klant wordt beheerd, of lokaal worden geïnstalleerd. Graphon Developer is bedoeld voor ontwikkelaars die met verschillende gegevenstypen werken zonder de contextstack opnieuw te hoeven opbouwen. Graphon On-Device Memory is gericht op telefoons, laptops, camera’s, wearables en andere apparaten.

De genoemde klanten bevinden zich in verschillende fasen van invoering. Hoewel het bericht in algemene zin spreekt over implementaties bij de San Francisco 49ers, Hitachi en andere grote bedrijven, zei Costa Kladianos, hoofd technologie bij de 49ers, dat de organisatie toepassingen onderzoekt, zoals het opsporen van sponsormogelijkheden en ondersteuning van interne teams. Amaury Jourdan van Hitachi Rail beschreef een evaluatie die veelbelovend bleek voor het vinden van contextuele kennis, het automatisch koppelen van gegevensbronnen en het verbeteren van AI-inferentie in de industriële omgeving van het bedrijf.

In het bedrijfsprofiel van Graphon staat juli 2025 als oprichtingsdatum. Als oprichters worden Khan, chief technology officer Clark Zhang en chief operating officer Deepak Mishra genoemd. Het in San Francisco gevestigde bedrijf kwam uit de stealthfase op 14 mei 2026, toen het een seedronde van $8,3 miljoen aankondigde, geleid door Arvind Gupta van Novera Ventures.

In de aankondiging van de seedronde werd het Zuid-Koreaanse conglomeraat GS genoemd als een van de eerste zakelijke klanten. De vertegenwoordiger noemde toepassingen zoals het analyseren van klantbewegingen in gemakswinkels en werkzaamheden rond bouwveiligheid op basis van camerabeelden van bewakingscamera’s.

De Series A-financiering is dus bedoeld voor zowel een test van de commercialisering als een onderzoeksprogramma. Graphon moet verkennende projecten bij bedrijven omzetten in grootschalige implementaties, externe ontwikkelaars ervan overtuigen om op zijn geheugenlaag voort te bouwen en dezelfde architectuur aanpassen voor privégebruik op apparaten.