Graphon Labs привлекает $35 млн в рамках раунда серии A для масштабирования инфраструктуры постоянной памяти для ИИ

Graphon Labs объявила о привлечении $35 млн в рамках раунда серии A 10 ноября 2026 года для масштабирования инфраструктуры постоянной памяти для ИИ-агентов в корпоративных продуктах, инструментах для разработчиков и устройствах. Раунд возглавила RRE Ventures; в нем также приняли участие HP, Energy Impact Partners, Hitachi Ventures и Gaia VC. В сообщении Graphon о раунде серии A общий объем финансирования оценивался в $43,3 млн.

Генеральный директор Arbaaz Khan заявил, что привлеченные средства позволят компании перейти от ранних экспериментов к масштабному внедрению решений на предприятиях, открыть доступ разработчикам к своей инфраструктуре, ускорить исследования и поддержать разработку памяти для устройств.

Генеральный партнер RRE Raju Rishi сказал, что компания видит в Graphon будущий источник достоверных данных для агентов, пояснив: «Модели умеют рассуждать, а агенты — действовать, но ни те ни другие не становятся лучше, если не могут опираться на прежние знания».

Как устроена архитектура памяти Graphon

Graphon называет свой подход Persistent Intelligence — это ИИ, способный непрерывно обращаться к ранее полученной информации, понимать, запоминать ее и опираться на нее. По словам компании, по мере роста и изменения объема информации генерация с дополненной выборкой, GraphRAG, контекстные окна и традиционные методы поиска могут сжимать или фрагментировать связи и историю, а также затруднять понимание временных взаимосвязей. Вместо этого платформа обрабатывает видео, изображения, аудио и документы и автоматически формирует онтологию — структурированное представление данных и связей между ними, — сохраняя при этом ссылки на источники.

В техническом объяснении Khan делит архитектуру на две части: подробный граф, в котором представлены информация и связи между ее элементами, и сжатое представление в виде графона, которое помогает искать данные в этой более крупной структуре. Графоны — это математический аппарат для описания очень больших графов; основополагающие исследования в этой области основатели провели во время обучения в докторантуре в лаборатории GRASP при Пенсильванском университете. Среди инженерных задач — включение новой информации, отслеживание происхождения доказательств и обеспечение практичной стоимости и скорости работы.

Разработчики используют привычные им концепции хранения данных в стиле S3 и поиска — например, бакеты, объекты, файлы и запросы, — не вникая в математические основы. Интерфейс поддерживает поиск по ключевым словам, семантический поиск и поиск по изображениям, а также вопросы с помощью агентов по нескольким источникам. Поэтому и простой поиск, и более глубокое исследование выполняются на одной платформе, что избавляет от необходимости собирать отдельный стек для поиска данных под каждый тип вопросов.

По данным Graphon, точность системы на наборе тестов ATM-Bench, разработанном Кембриджским университетом для оценки ответов на вопросы по видео, аудио, изображениям и тексту, составляет 81,7%. Этот результат на 5,0 процентного пункта выше, чем у следующей системы в открытом рейтинге.

Продукты и первые корпоративные внедрения

На основе этой архитектуры созданы три продукта. Graphon Enterprise обеспечивает управляемую память для корпоративных данных; его можно разместить на инфраструктуре Graphon, развернуть в виртуальном частном облаке под управлением Graphon или заказчика либо установить локально. Graphon Developer предназначен для разработчиков, работающих с данными разных типов и желающих обойтись без повторного создания стека контекстной обработки. Graphon On-Device Memory рассчитан на телефоны, ноутбуки, камеры, носимые устройства и другие устройства.

У названных в объявлении клиентов внедрение решений находится на разных этапах. Хотя в сообщении в целом говорится о развертывании решений у клуба San Francisco 49ers, компании Hitachi и других крупных предприятий, руководитель технологического направления 49ers Costa Kladianos заявил, что организация изучает возможные варианты применения, например выявление спонсорских возможностей и поддержку внутренних команд. Amaury Jourdan из Hitachi Rail рассказал об оценке, результаты которой обнадеживают в отношении поиска контекстных знаний, автоматизированного подключения источников данных и повышения качества выводов ИИ в промышленной среде.

В профиле компании Graphon указано, что она основана в июле 2025 года, а ее основатели — Khan, технический директор Clark Zhang и операционный директор Deepak Mishra. Компания из Сан-Франциско вышла из режима скрытой разработки 14 мая 2026 года, объявив о посевном раунде на $8,3 млн, который возглавил Arvind Gupta из Novera Ventures.

В объявлении о посевном раунде южнокорейский конгломерат GS был назван одним из первых корпоративных клиентов. Его представитель упомянул такие варианты применения, как анализ перемещения покупателей в магазинах шаговой доступности и обеспечение безопасности на строительных площадках с помощью систем видеонаблюдения.

Таким образом, раунд серии A финансирует не только исследовательскую программу, но и проверку возможностей коммерциализации. Graphon предстоит превратить экспериментальные проекты с предприятиями в масштабные внедрения, убедить сторонних разработчиков создавать решения на основе ее слоя памяти и адаптировать ту же архитектуру для использования на устройствах с сохранением конфиденциальности данных.