Mirendil 与 Google Cloud 签署超 1 亿美元合作，加速递归自我改进 AI 研发

合作概述

据 TechCrunch 独家披露，Mirendil 与 Google Cloud 签署了价值超过 1 亿美元的长期算力合作协议。该协议为 Mirendil 提供 Google 的 TPU 与 Nvidia GPU 计算节点，以及托管训练集群，帮助其在递归自我改进（recursive self‑improvement）AI 项目上实现规模化训练。

递归自我改进 AI 的目标

Mirendil 的联合创始人兼 CEO Behnam Neyshabur 表示，公司的愿景是打造能够自行迭代、不断提升的通用智能系统。通过让 AI 像人类科学家一样“提出问题‑实验‑改进”，未来可在药物发现、材料设计等前沿科研领域实现自动化突破。

技术与算力布局

合作的核心在于硬件多样性与调度灵活性。Mirendil 联合创始人 Harsh Mehta 解释道：“我们需要将不同工作负载匹配到最合适的加速器，Google 的多芯片生态正好满足这一需求”。

• TPU：适用于大规模矩阵运算，提升 Transformer‑类模型的训练吞吐。
• GPU：在混合精度训练和图形渲染上保持优势。
• 托管集群：提供统一的作业调度与成本监控，帮助客户在使用 Mirendil 平台时降低算力开支。

行业意义

此番合作折射出两大趋势：一是云服务商通过大额算力投入锁定前沿 AI 初创企业；二是递归自我改进技术正从概念走向可落地的研发平台。Google AI 基础设施副总裁 Amin Vahdat 在声明中指出，AI 的下一轮突破不再仅仅是芯片性能，而是系统化的算力编排与智能体协同。

Mirendil 过去在种子轮融资中已获约 2 亿美元，估值 10 亿美元。本次与 Google Cloud 的合作相当于其融资额的半数，显示出资本与算力在推动前沿 AI 发展中的协同效应。

展望

随着算力成本的进一步优化和自我改进算法的成熟，Mirendil 有望在未来几年内提供面向企业的 AI 研究即服务（AI‑aaS）平台，帮助更多行业实现科研自动化。业界观察人士普遍认为，此类深度合作将为递归自我改进 AI 的商业化打开新的入口，也可能重新定义 AI 与云计算的合作范式。