Mirendil获谷歌云超亿美元算力支持，押注“自我进化”AI重构科研范式

【科技24时区】当一家初创公司尚未推出成熟产品，便敢签下价值过亿美元的长期算力合约，这背后折射出的不仅是资本的热度，更是AI行业底层逻辑的剧烈变迁。据TechCrunch独家获悉，人工智能实验室Mirendil已与Google Cloud达成多年期合作伙伴关系，旨在为其“自我改进型”（self-improving）AI研究获取庞大的计算资源。这笔交易金额超过1亿美元，几乎占据了该公司今年6月底以10亿美元估值完成的种子轮融资的一半。

这一举动并非孤立事件，而是当前AI产业两大趋势交汇的缩影：一方面，云巨头正通过巨额基础设施承诺来笼络潜力初创企业；另一方面，AI公司则在疯狂囤积算力协议，以确保在规模化扩张过程中不被“卡脖子”。对于Mirendil而言，这份合约意味着它不仅能使用谷歌自家的TPU（张量处理单元），还能接入英伟达的GPU集群，并利用托管训练集群开展核心研发。其终极愿景颇具野心——打造出一个能独立承担整个前沿AI实验室工作的智能系统。

所谓“自我改进型AI”，亦称递归自我改进，指的是能够通过迭代不断优化自身能力的AI系统。这一概念并非Mirendil独创，包括Anthropic在内的多家顶级实验室早已深耕于此，而Recursive Superintelligence和Ricursive Intelligence等新兴初创公司也近期纷纷入局。Mirendil联合创始人兼CEO Behnam Neyshabur出身于Anthropic，他坚信这种技术将自动化大量科学与AI研究工作，从而加速医学、生物学及材料科学等领域的突破。

Neyshabur向媒体阐释了其核心理念：AI应当模仿人类科学家探索新领域的方式——积累知识、沉淀专长，并逐步提升表现。“你可以设定一个目标指向它，随着时间推移，它会变得越来越好。”他以阿尔茨海默病研究为例，“我们如何构建一个能持续进行研究、不断扩充相关知识库并提升性能的AI系统？这项技术允许我们为AI设定极具挑战性的目标，而AI会持续取得进展。”

然而，训练此类具备“进化”能力的模型，对算力的需求堪称天文数字。Mirendil另一位联合创始人Harsh Mehta指出，当下的训练核心已不再是单纯的堆砌硬件，而是如何将合适的工作负载匹配到合适的芯片上。“这些模型擅长处理不同类型的工作负载和芯片组合，”Mehta解释道，“谷歌提供了多种类型的芯片……这种灵活性使我们能够将工作负载与最匹配的加速器进行‘混搭’，这不仅降低了我们的成本，也为使用我们系统的客户节省了开支。”

这种异构计算的灵活性，正是谷歌AI基础设施战略的核心卖点。谷歌AI与基础设施高级副总裁兼首席技术官Amin Vahdat在声明中强调，AI的进步不再仅仅取决于芯片层面的性能提升，“更在于我们如何编排整个智能系统，并突破规模化扩展的物理限制。”

从商业博弈的角度看，这是一笔双赢的交易。Neyshabur认为，Mirendil的软件和系统层能帮助客户更充分地挖掘谷歌硬件的潜力，这在一定程度上为谷歌在与竞争对手的角逐中增添了筹码。作为回报，谷歌获得了一位致力于构建前沿递归自我改进AI的战略伙伴——这项技术未来极有可能被打包成解决方案，推向广大的企业级客户市场。在这场算力与算法的双重竞赛中，Mirendil试图证明，真正的智能不仅仅在于计算速度，更在于自我迭代的深度与广度。