EnCharge AI setzt auf analoge In-Memory-Chips: 200 TOPS KI auf 8-Watt-Laptops

Das Unternehmen entwirft ladungsbasierte analoge In-Memory-KI-Beschleuniger (EN100), die Inferenz auf Laptops, Workstations und Edge-Geräten mit einem Bruchteil der Leistungsaufnahme einer GPU ausführen.

Analoges In-Memory-Computing kann Inferenz auf dem Gerät etwa 20-mal effizienter machen als digitale Chips, sodass Laptops und Roboter einen spezialisierten Beschleuniger statt GPUs einsetzen.

21,7 Mio. US-Dollar (Dez. 2022); 18,6 Mio. US-Dollar DARPA-OPTIMA-Zuschuss (2024); über 100 Mio. US-Dollar Series B unter der Führung von Tiger Global (Feb. 2025) – insgesamt rund 144 Mio. US-Dollar.

Vermas Princeton-Labor erforschte rund ein Jahrzehnt lang mit Finanzierung des Verteidigungsministeriums ladungsbasiertes analoges In-Memory-Computing; 2022 gründete er EnCharge AI mit dem ehemaligen IBM-CTO Kailash Gopalakrishnan und dem ehemaligen Macom-COO Echere Iroaga aus und sammelte 21,7 Mio. US-Dollar ein, um einen vollständigen Hardware-plus-Software-Stack aufzubauen.

Feb. 2025: überzeichnete Series B von über 100 Mio. US-Dollar unter der Führung von Tiger Global, mit Samsung Ventures, dem mit Foxconn verbundenen HH-CTBC, RTX Ventures und In-Q-Tel; das erste Produkt EN100 (M.2-Modul: über 200 TOPS bei 8,25 W, 32 GB LPDDR; 4-Chip-PCIe-Karte: rund 1 PetaOPS bei 40 W) wurde vorgestellt, mit Fachpresseberichterstattung bis 2026; Zielmärkte sind Laptops, Workstations, Robotik und Industrieautomation.

EN100 ist gestartet und in der Kommerzialisierung; das Unternehmen bleibt privat, ohne offengelegte Umsätze oder Kundennamen.

Analoges In-Memory-Computing greift die größten Kosten der KI-Inferenz an – die Datenbewegung zwischen Speicher und Recheneinheit –, statt nur digitale Chips zu skalieren.

Ein Jahrzehnt Princeton-Forschung und DoD-Finanzierung entschärften die Risiken der Technologie, bevor Wagniskapital die Agenda des Unternehmens veränderte.

Die Investorenliste mit Samsung, Foxconn, RTX und In-Q-Tel signalisiert Nachfrage nach effizienter KI auf dem Gerät in Unterhaltungselektronik, Fertigung und Verteidigung.

Die Wette ist konträr: Wenn Effizienz gewinnt, verdrängen Edge-Geräte Cloud-GPUs bei alltäglicher Inferenz; wenn digitale Roadmaps sich weiter verbessern, schließt sich das Zeitfenster.

Die zehnjährige Risikoentschärfung grundlegender Technologie vor dem Einstieg von Wagniskapital verschaffte EnCharge Patente und eine konträre Geschichte, doch analoge Inferenz muss sich noch gegen Nvidias Roadmap bei OEM-Sockeln durchsetzen.

Stand April 2026 hat EnCharge mit EN100 sein erstes Produkt auf den Markt gebracht und verfolgt die OEM-Einführung in Laptops, Workstations sowie Edge- und Industriesystemen; das Unternehmen bleibt privat mit rund 90 Mitarbeitenden in Santa Clara. Es wurden keine Umsätze oder namentlich genannten Kunden offengelegt, und die Behauptung, analoge Inferenz werde digitale Beschleuniger verdrängen, ist in großem Maßstab weiterhin unbewiesen.