EnCharge AI aposta em chips analógicos de memória integrada para rodar IA de 200 TOPS em notebooks de 8 W

Projeta aceleradores analógicos de IA de memória integrada baseados em carga (EN100) que executam inferência em notebooks, workstations e dispositivos de borda com uma fração do consumo de energia de uma GPU.

A computação analógica em memória pode tornar a inferência no dispositivo ~20x mais eficiente que chips digitais, de modo que notebooks e robôs adotem um acelerador especializado em vez de GPUs.

US$ 21,7 milhões (dez 2022); subsídio DARPA OPTIMA de US$ 18,6 milhões (2024); Série B de >US$ 100 milhões liderada pela Tiger Global (fev 2025) - total de ~US$ 144 milhões.

O laboratório de Verma em Princeton pesquisou computação analógica em memória baseada em carga por cerca de uma década com financiamento do Departamento de Defesa; ele fundou a EnCharge AI em 2022 com o ex-CTO da IBM Kailash Gopalakrishnan e o ex-COO da Macom Echere Iroaga, levantando US$ 21,7 milhões para construir uma pilha completa de hardware e software.

Fev 2025: Série B sobrescrita de >US$ 100 milhões liderada pela Tiger Global, com Samsung Ventures, HH-CTBC ligada à Foxconn, RTX Ventures e In-Q-Tel; primeiro produto EN100 (módulo M.2: 200+ TOPS a 8,25 W, 32 GB LPDDR; placa PCIe de 4 chips: ~1 petaOPS a 40 W) revelado, com cobertura da imprensa especializada até 2026; com foco em notebooks, workstations, robótica e automação industrial.

O EN100 foi lançado e está em comercialização; a empresa permanece privada, sem receita ou nomes de clientes divulgados.

A computação analógica em memória ataca o maior custo na inferência de IA, a movimentação de dados entre memória e computação, em vez de apenas escalar chips digitais.

Uma década de pesquisa em Princeton e financiamento do DoD reduziu o risco da tecnologia antes de o capital de risco mudar a agenda da empresa.

A lista de investidores que abrange Samsung, Foxconn, RTX e In-Q-Tel sinaliza demanda por IA eficiente no dispositivo em eletrônicos de consumo, manufatura e defesa.

A aposta é contrária: se a eficiência vencer, dispositivos de borda deslocam GPUs na nuvem para inferência cotidiana; se os roteiros digitais continuarem melhorando, a janela se fecha.

Reduzir o risco de tecnologia fundamental por uma década antes do capital de risco deu à EnCharge patentes e uma história contrária, mas a inferência analógica ainda precisa conquistar sockets de OEMs contra o roteiro da Nvidia.

Em abril de 2026, a EnCharge lançou seu primeiro produto, o EN100, e busca adoção por OEMs em notebooks, workstations e sistemas de borda/industriais; permanece uma empresa privada de cerca de 90 pessoas em Santa Clara. Nenhuma receita ou cliente nomeado foi divulgado, e a alegação de que a inferência analógica deslocará aceleradores digitais ainda não foi comprovada em volume.