> ## Content Index
> Fetch the complete content index at: https://eclibra.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# Tensormesh привлёк $20 млн от Nvidia и AMD — инфраструктурный стартап делает инференс ИИ в 10 раз дешевле
- URL: https://eclibra.com/tensormesh-kv-cache-inference-2026/
- Published: 2026-07-10T09:30:35.000Z
- Updated: 2026-07-10T09:30:35.000Z
- Description: Стартап Tensormesh привлёк $20 млн seed extension от Nvidia и AMD. LMCache — система управления KV-кэшем — сокращает затраты на инференс ИИ до 10 раз за счёт переиспользования вычислений между запросами.
- Author: ByteMaster
- Tags: ИИ-инфраструктура и энергия, #mode-2, #hook-number, #track-E, #smm

Двадцать четыре с половиной миллиона долларов. Для стартапа, который вышел из тени семь месяцев назад с $4,5 млн, это не просто очередной раунд. Tensormesh привлёк $20 млн seed extension при участии NVentures (венчурное крыло Nvidia), AMD Ventures, CoreWeave, Valley Capital Partners и Laude Ventures. Данных о valuation нет — но состав инвесторов говорит громче цифр.

Продукт Tensormesh — LMCache, открытая система управления KV-кэшем для LLM-инференса. Если коротко: когда вы отправляете запрос к LLM, модель пересчитывает внимание ко всем предыдущим токенам. С каждым новым запросом — заново. LMCache сохраняет эти вычисления и переиспользует их между сессиями.

Результат — до 10× сокращения затрат на GPU и времени ожидания первого токена (TTFT) в нагрузках с повторяющимся контекстом: чат-боты, RAG-системы, юридический анализ документов, агентные циклы.

Технология уже интегрирована в стеки Nvidia Dynamo, Google Kubernetes Engine и vLLM. LMCache состоит в экосистеме PyTorch Foundation и набрал более 5 000 звёзд на GitHub.

Основатели — Junchen Jiang (CEO) и Yihua Cheng (CTO), исследователи из University of Chicago, UC Berkeley и Carnegie Mellon. Их подход к KV-кэшу начинался как академическая работа (CacheBlend, EuroSys 2025 Best Paper) и превратился в инфраструктурный продукт, который закрывают производители чипов.

Почему это важно.

Рынок ИИ перешёл от гонки training к гонке inference. Обучить модель можно раз в квартал. Сервейс обходится каждый день. По данным Semianalysis, затраты на inference для frontier-моделей достигают $3 на миллион входных токенов — и это без оптимизаций. Любая технология, которая снижает этот множитель, привлекает внимание не только фондов, но и самих производителей железа. Nvidia и AMD инвестируют в Стартап не ради дохода — они страхуют экосистему: чем дешевле inference, тем больше спрос на их чипы.

KV-кэш — технический термин, но ключевой. Во время генерации ответа модель хранит промежуточные состояния внимания (Key и Value) для каждого токена. С ними она переиспользует ранее вычисленный контекст, не пересчитывая его заново. Проблема в объёме: для Llama 70B с окном в 128K токенов KV-кэш занимает 42 ГБ — больше, чем веса самой модели.

Компания переносит этот кэш на CPU и SSD, расширяя доступное пространство. LMCache превращает кэш из временного состояния в постоянный слой — его можно хранить между запросами, передавать между инстансами и даже делить между разными движками инференса.

Раунд seed extension на $20 млн — сигнал зрелости для сегмента inference-оптимизации. Вслед за Разработчик в этом же пространстве работают Baseten ($1,5 млрд при $13 млрд valuation) и SGLang (открытый движок с радикальным ускорением). Но Он — единственный, кто строит коммерческий продукт вокруг KV-кэша как отдельного слоя инфраструктуры.

Следующие 12 месяцев покажут, выживет ли независимый слой кэширования между моделями и железом — или станет функцией, встроенной в рантаймы от Nvidia. Пока Продукт ставит на первое.

[ AI inference startup Tensormesh raises from Nvidia, AMD Inference optimization startup Tensormesh raised a $20 million seed extension, co-founder and CEO Junchen Jiang tells Axios Pro. Axios ](https://www.axios.com/pro/enterprise-software-deals/2026/05/27/ai-inference-tensormesh-nvidia-amd?ref=eclibra.com) 

Эксклюзив Axios Pro — основной источник данных о раунде

[ Tensormesh raises $4.5M to squeeze more inference out of AI server loads Tensormesh uses an expanded form of KV caching to make inference loads as much as 10 times more efficient. TechCrunch ](https://techcrunch.com/2025/10/23/tensormesh-raises-4-5m-to-squeeze-more-inference-out-of-ai-server-loads/?ref=eclibra.com) 

Анонс первого раунда и выход из стелс-режима — октябрь 2025

[ LMCache Blog — KV Cache Management for LLM Inference LMCache is a KV cache management layer for scalable LLM inference. Reduces TTFT and improves throughput for long-context workloads. LMCache / Tensormesh ](https://blog.lmcache.ai/?ref=eclibra.com) 

Официальный блог продукта — технические детали и бенчмарки