EnCharge AI apuesta por chips analógicos en memoria que ejecutan IA de 200 TOPS en portátiles de 8 W

Diseña aceleradores de IA analógicos en memoria basados en carga (EN100) que ejecutan inferencia en portátiles, estaciones de trabajo y dispositivos de borde con una fracción del consumo energético de una GPU.

La computación analógica en memoria puede hacer la inferencia en el dispositivo ~20 veces más eficiente que los chips digitales, de modo que los portátiles y los robots adopten un acelerador especializado en lugar de GPUs.

21,7 millones de dólares (dic. 2022); subvención DARPA OPTIMA de 18,6 millones de dólares (2024); más de 100 millones de dólares en la Serie B liderada por Tiger Global (feb. 2025): total ~144 millones de dólares.

El laboratorio de Verma en Princeton investigó durante aproximadamente una década la computación analógica en memoria basada en carga con financiación del Departamento de Defensa; en 2022 escindió EnCharge AI con el ex-CTO de IBM Kailash Gopalakrishnan y el ex-COO de Macom Echere Iroaga, recaudando 21,7 millones de dólares para construir una pila completa de hardware y software.

Feb. 2025: Serie B sobresuscrita de más de 100 millones de dólares liderada por Tiger Global, con Samsung Ventures, HH-CTBC vinculada a Foxconn, RTX Ventures e In-Q-Tel; se presentó el primer producto EN100 (módulo M.2: más de 200 TOPS a 8,25 W, 32 GB LPDDR; tarjeta PCIe de 4 chips: ~1 petaOPS a 40 W), con cobertura de la prensa especializada hasta 2026; dirigido a portátiles, estaciones de trabajo, robótica y automatización industrial.

EN100 se lanzó y está en comercialización; la empresa sigue siendo privada, sin que se hayan divulgado ingresos ni nombres de clientes.

La computación analógica en memoria ataca el mayor coste de la inferencia de IA, el movimiento de datos entre la memoria y el cómputo, en lugar de limitarse a escalar chips digitales.

Una década de investigación en Princeton y financiación del Departamento de Defensa redujo el riesgo de la tecnología antes de que el capital riesgo cambiara la agenda de la empresa.

La lista de inversores que abarca a Samsung, Foxconn, RTX e In-Q-Tel señala demanda de IA eficiente en el dispositivo en electrónica de consumo, fabricación y defensa.

La apuesta es contracorriente: si gana la eficiencia, los dispositivos de borde desplazan a las GPUs en la nube para la inferencia cotidiana; si las hojas de ruta digitales siguen mejorando, la ventana se cierra.

Reducir el riesgo de una tecnología fundamental durante una década antes de la llegada del capital riesgo dio a EnCharge patentes y una historia contracorriente, pero la inferencia analógica aún debe ganar los sockets de los OEM frente a la hoja de ruta de Nvidia.

A abril de 2026, EnCharge ha lanzado su primer producto, EN100, y busca la adopción por parte de OEM en portátiles, estaciones de trabajo y sistemas de borde/industriales; sigue siendo una empresa privada de aproximadamente 90 personas en Santa Clara. No se han divulgado ingresos ni clientes nombrados, y la afirmación de que la inferencia analógica desplazará a los aceleradores digitales sigue sin demostrarse a escala.