Graphon 完成 3500 万美元 A 轮融资，主攻智能体记忆问题
给智能体加记忆的创业公司 Graphon 拿了 3500 万美元 A 轮，两位创始人在 DeepMind 和 NVIDIA 做过机器人记忆。产品把文档、邮件、视频建成一张图，LoCoMo 拿到 94% 准确率还只花 7.9K tokens。如果你在做需要记住企业数据的 agent，可以看看他们的思路。
Graphon 宣布完成 3500 万美元 A 轮融资，距种子轮仅 6 个月。创始团队 Arbaaz Khan 和 Clark Zhang 曾在 NASA JPL、Google DeepMind、Meta 和 NVIDIA 从事机器人记忆相关工作。
产品层面，Graphon 无需人工构建 schema，直接把公司内部的文档、邮件、图片和视频统一建成一张图，新增数据不会破坏原有结构。基准成绩方面，在 LoCoMo 上达到 94% 准确率，上下文仅用 7.9K tokens，超过了把完整历史对话喂给前沿模型的做法；在测试多年真实邮件、照片和视频的 ATM-Bench 及其 Hard 版本上排名第一；DolphinBench 得分 84%，成本降低 10 倍。
智能体记忆（长期保持上下文与状态）目前是 agent 基础设施中最受关注的方向之一，RAG 和向量检索方案在跨模态、长期数据场景下表现有限。Graphon 用图结构统一多模态数据，主打成本与准确率兼顾，对需要让 agent 记住企业历史数据的应用方来说是一个值得关注的新选项。
Memory is one of the biggest open problems for AI agents right now. Graphon builds one graph across a company's documents, emails, images, and videos without a hand-made schema, so new data does not break it. On LoCoMo, it reaches 94% accuracy with only 7.9K tokens of context, higher than giving a frontier model the full history. It is also #1 on ATM-Bench, which tests years of real emails, photos, and videos. Arbaaz Khan @graphonfounder After years working on robot memory at @NASAJPL , @GoogleDeepMind , @Meta and @nvidia , @clarkzhango and I kept asking: why does AI still forget? Today, with @deepakmishraVC , we’re announcing @GraphonAI and our $35M Series A just 6 months after our seed. • #1 on ATM-Bench, ATM-Bench Hard • 94% on LoCoMo • 84% on DolphinBench, 10x cheaper • A new cost-accuracy frontier across 7 benchmarks businessinsider.com/graphon-pitch-…
本条情报归属 AITOP「产品」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：Graphon、智能体、RAG、多模态，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「elvis」（@omarsar0），经 AITOP 多维评分管线结构化提炼。截至目前，全网已有 11 家独立信源对该事件进行交叉印证与跟进报道（含 Techsauce、TestingCatalog、The Rundown AI 等），属于近期高关注度行业信号。
