Startup AI Mirendil Borong Google Cloud Rp1,5 Triliun demi Kecerdasan Buatan yang Bisa Mengembangkan Dirinya Sendiri

Tujuan startup ini adalah mengotomatiskan penelitian ilmiah — menciptakan AI yang dapat mengembangkan dirinya sendiri (self-improving) yang dirancang untuk mempercepat penemuan di bidang seperti kedokteran, biologi, kimia, dan ilmu material . Ide utamanya adalah model AI tidak hanya dapat membantu eksperimen, tetapi juga menghasilkan hipotesis, merancang protokol, dan secara berulang meningkatkan kemampuannya sendiri, yang pada dasarnya mempercepat seluruh siklus penelitian.

Kesepakatan: Persyaratan Keuangan dan Infrastruktur Komputasi

Kemitraan ini terstruktur sebagai komitmen multi-tahun senilai lebih dari 100 juta dolar AS . Berikut detail utamanya:

• Nilai: Lebih dari 100 juta dolar AS, sekitar setengah dari putaran pendanaan awal (seed) Mirendil yang sebesar 200 juta dolar AS .
• Sumber Daya Komputasi: Akses ke AI Hypercomputer Google Cloud, yang mencakup TPU milik Google sendiri dan GPU Nvidia, plus klaster pelatihan terkelola .
• Waktu: Diumumkan dua bulan setelah putaran pendanaan awal Mirendil ditutup dengan valuasi 1 miliar dolar AS pada akhir Juni 2026 .

Skala komitmen ini mencerminkan besarnya kebutuhan komputasi untuk riset AI mutakhir. Sebagai gambaran, angka lebih dari 100 juta dolar AS menjadikannya salah satu kemitraan cloud terbesar untuk sebuah startup AI tahun ini .

Pendekatan Teknis: Menyesuaikan Beban Kerja dengan Perangkat Keras

Untuk menjaga biaya tetap terkendali, Mirendil menggunakan strategi komputasi yang fleksibel — mereka mencocokkan beban kerja pelatihan AI yang berbeda dengan perangkat keras yang paling hemat biaya . Startup ini menggunakan:

• TPU Google untuk tugas pelatihan tertentu
• GPU Nvidia untuk tugas lainnya

Pendekatan penyesuaian beban kerja ini mengurangi pemborosan dan memungkinkan startup menyelesaikan lebih banyak riset dalam komitmen lebih dari 100 juta dolar AS. Ini adalah optimalisasi praktis yang penting bagi laboratorium AI mana pun yang mencoba meregangkan anggaran komputasinya.

Manfaat bagi Kedua Belah Pihak

Kemitraan ini memberikan nilai yang jelas bagi Mirendil dan Google Cloud.

Bagi Mirendil dan pelanggannya: Kesepakatan ini menjamin kapasitas komputasi yang sangat besar dan andal yang diperlukan untuk melatih dan menjalankan model AI yang dapat mengembangkan dirinya sendiri. Ini memungkinkan Mirendil menawarkan siklus penelitian ilmiah yang lebih cepat kepada pelanggannya — tanpa pelanggan harus mengelola infrastruktur mereka sendiri. AI startup ini dirancang untuk pada akhirnya memecahkan masalah dalam pengembangan farmasi, penemuan material, dan industri padat penelitian lainnya.

Bagi Google Cloud: Google mengamankan mitra AI mutakhir bereputasi tinggi yang menjadi jangkar kesepakatan cloud perusahaan besar . Ini membantu Google bersaing dengan AWS dan Azure untuk mendapatkan startup asli AI (AI-native startups) dengan menunjukkan bahwa tumpukan TPU + GPU Google Cloud dapat mendukung riset terdepan. Ini juga memberi Google wawasan awal tentang kebutuhan infrastruktur AI yang dapat mengembangkan dirinya sendiri, yang dapat menginformasikan peta jalan perangkat keras dan produk cloud di masa depan .

Seperti yang dicatat oleh sebuah analisis, kesepakatan ini menandakan semakin besarnya selera Google untuk mendukung riset AI mutakhir di luar laboratoriumnya sendiri .

Apa Artinya bagi Industri AI

Kesepakatan Mirendil adalah bagian dari tren yang lebih luas: raksasa cloud semakin mendekati startup AI dengan komitmen infrastruktur besar, mengunci hubungan jangka panjang sebelum pesaing bisa masuk. Angka lebih dari 100 juta dolar AS sebanding dengan skala kesepakatan serupa dari AWS dan Azure dengan laboratorium terdepan lainnya.

Bagi dunia AI yang dapat mengembangkan dirinya sendiri (self-improving AI), kemitraan ini memberikan dukungan infrastruktur konkret untuk area riset yang sebagian besar masih bersifat teoretis. Seperti disebutkan dalam artikel TechCrunch, AI Mirendil belum terbukti dalam skala besar, tetapi kapasitas komputasi kini ada untuk mencobanya .

Kesepakatan ini juga menyoroti betapa besarnya komputasi yang dibutuhkan untuk riset AI mutakhir — dan seberapa besar penyedia cloud bersedia berinvestasi untuk memenangkan beban kerja tersebut.