EnCharge AI 押注類比記憶體內運算晶片，讓 8W 筆電執行 200 TOPS AI

設計基於電荷的類比記憶體內運算 AI 加速器（EN100），可在筆電、工作站與邊緣裝置上執行推論，耗電僅為 GPU 的一小部分。

類比記憶體內運算可讓裝置端推論效率比數位晶片高出約 20 倍，因此筆電與機器人將採用專用加速器，而非 GPU。

2,170 萬美元（2022 年 12 月）；1,860 萬美元 DARPA OPTIMA 補助（2024 年）；由 Tiger Global 領投的逾 1 億美元 B 輪募資（2025 年 2 月）——總計約 1.44 億美元。

Verma 在普林斯頓的實驗室在美國國防部資助下，研究基於電荷的類比記憶體內運算約十年；他於 2022 年與前 IBM 技術長 Kailash Gopalakrishnan、前 Macom 營運長 Echere Iroaga 共同衍生創立 EnCharge AI，募得 2,170 萬美元，用以打造完整的硬體加軟體堆疊。

2025 年 2 月：由 Tiger Global 領投、獲超額認購的逾 1 億美元 B 輪募資，參與者包括 Samsung Ventures、與鴻海相關的 HH-CTBC、RTX Ventures 及 In-Q-Tel；首款產品 EN100 亮相（M.2 模組：8.25W 下達 200+ TOPS，32GB LPDDR；四晶片 PCIe 卡：40W 下約 1 petaOPS），相關報導延續至 2026 年；目標市場為筆電、工作站、機器人與工業自動化。

EN100 已推出並進入商業化階段；公司仍為未上市民營企業，未揭露營收或客戶名稱。

類比記憶體內運算針對的是 AI 推論中最大的成本——在記憶體與運算單元之間搬移資料——而非僅是擴展數位晶片。

普林斯頓十年的研究與國防部資助，在創投資金改變公司議程之前，已降低了這項技術的風險。

投資人名單橫跨三星、鴻海、RTX 與 In-Q-Tel，顯示消費電子、製造與國防領域對高效裝置端 AI 的需求。

這是一項逆勢押注：若效率勝出，邊緣裝置將在日常推論上取代雲端 GPU；若數位晶片路線圖持續進步，機會之窗就會關閉。

在創投資金進場前先花十年降低基礎技術風險，讓 EnCharge 取得專利與逆勢敘事，但類比推論仍須在 OEM 設計採用上擊敗 Nvidia 的路線圖。

截至 2026 年 4 月，EnCharge 已推出首款產品 EN100，並正爭取在筆電、工作站與邊緣／工業系統中的 OEM 採用；公司仍為未上市民營企業，約有 90 名員工，位於聖塔克拉拉。未揭露營收或具名客戶，而類比推論將取代數位加速器的主張，在大規模量產下仍未獲證實。