以下是该合作的详细解读、对其初创公司的意义，以及它对更广泛的AI和云计算格局的重要性。

创始人及其使命

Mirendil由Behnam Neyshabur（CEO）和Harsh Mehta共同创立，两人都是前Anthropic研究员，也曾在Google工作过。他们离开Anthropic创立Mirendil，怀揣着一个大胆的使命：构建能够加速自身改进并推动科学发现的AI系统。

该初创公司的目标是自动化科学研究——创建旨在加速医学、生物学、化学和材料科学等领域发现的自我改进AI。其核心思想是，AI模型不仅能辅助实验，还能生成假设、设计方案并迭代改进自身能力，从而有效缩短整个研究周期。

交易详情：财务条款与计算基础设施

该合作被构建为一项价值超过1亿美元的多年承诺。以下是关键细节：

• 价值：超过1亿美元，约为Mirendil 2亿美元种子轮融资的一半。
• 计算资源：可使用Google Cloud的AI Hypercomputer，包括Google自研TPU和Nvidia GPU，以及托管训练集群。
• 时间点：在Mirendil于2026年6月底以10亿美元估值完成种子轮融资两个月后宣布。

这一规模的承诺反映了前沿AI研究对算力的巨大需求。作为参考，1亿+美元的金额使其成为今年AI初创公司最大规模的云合作伙伴关系之一。

技术路线：工作负载与硬件匹配

为控制成本，Mirendil采用了灵活的计算策略——它根据不同AI训练工作负载匹配最具成本效益的硬件。该初创公司使用：

• Google的TPU 用于某些训练任务
• Nvidia GPU 用于其他任务

这种工作负载匹配方法减少了浪费，使该公司能在1亿+美元的承诺内完成更多研究。对于任何试图精打细算算力预算的AI实验室来说，这都是一个实用的优化。

双方如何受益

该合作关系为Mirendil和Google Cloud都创造了明确价值。

对Mirendil及其客户而言：该协议保证了训练和运行自我改进模型所需的大规模、可靠算力。这使得Mirendil能够为其客户提供更快的科学研究周期——而客户无需管理自己的基础设施。该初创公司的AI旨在最终解决药物研发、材料发现和其他研究密集型行业的问题。

对Google Cloud而言：Google锁定了一个高调前沿AI合作伙伴，该合作成为一项重要的企业云交易锚点。这有助于Google与AWS和Azure竞争AI原生初创公司，展示其TPU+GPU堆栈能够支持最前沿的研究。同时，这也让Google能提前了解自我改进AI对基础设施的需求，为未来的硬件和云产品路线图提供参考。

正如一项分析所指出的，这笔交易表明Google越来越乐于支持其自有实验室之外的前沿AI研究。

这对AI行业意味着什么

Mirendil的交易是更广泛趋势的一部分：云巨头们正越来越多地通过大额基础设施承诺来吸引AI初创公司，在竞争对手介入前锁定长期合作关系。1亿+美元的金额与AWS和Azure同其他前沿实验室达成类似交易的规模相匹配。

对于自我改进AI领域来说，这次合作为一个仍处于理论阶段的研究领域提供了具体的基础设施支持。正如TechCrunch文章所指出的，Mirendil的AI尚未在大规模上得到验证，但现在它已拥有了尝试所需的算力。

这笔交易也凸显了前沿AI研究对算力的巨大需求，以及云提供商为赢得这些工作负载愿意投入多少。

以下是该合作的详细解读、对其初创公司的意义，以及它对更广泛的AI和云计算格局的重要性。

创始人及其使命

Mirendil由Behnam Neyshabur（CEO）和Harsh Mehta共同创立，两人都是前Anthropic研究员，也曾在Google工作过。他们离开Anthropic创立Mirendil，怀揣着一个大胆的使命：构建能够加速自身改进并推动科学发现的AI系统。

该初创公司的目标是自动化科学研究——创建旨在加速医学、生物学、化学和材料科学等领域发现的自我改进AI。其核心思想是，AI模型不仅能辅助实验，还能生成假设、设计方案并迭代改进自身能力，从而有效缩短整个研究周期。

交易详情：财务条款与计算基础设施

该合作被构建为一项价值超过1亿美元的多年承诺。以下是关键细节：

• 价值：超过1亿美元，约为Mirendil 2亿美元种子轮融资的一半。
• 计算资源：可使用Google Cloud的AI Hypercomputer，包括Google自研TPU和Nvidia GPU，以及托管训练集群。
• 时间点：在Mirendil于2026年6月底以10亿美元估值完成种子轮融资两个月后宣布。

这一规模的承诺反映了前沿AI研究对算力的巨大需求。作为参考，1亿+美元的金额使其成为今年AI初创公司最大规模的云合作伙伴关系之一。

技术路线：工作负载与硬件匹配

为控制成本，Mirendil采用了灵活的计算策略——它根据不同AI训练工作负载匹配最具成本效益的硬件。该初创公司使用：

• Google的TPU 用于某些训练任务
• Nvidia GPU 用于其他任务

这种工作负载匹配方法减少了浪费，使该公司能在1亿+美元的承诺内完成更多研究。对于任何试图精打细算算力预算的AI实验室来说，这都是一个实用的优化。

双方如何受益

该合作关系为Mirendil和Google Cloud都创造了明确价值。

对Mirendil及其客户而言：该协议保证了训练和运行自我改进模型所需的大规模、可靠算力。这使得Mirendil能够为其客户提供更快的科学研究周期——而客户无需管理自己的基础设施。该初创公司的AI旨在最终解决药物研发、材料发现和其他研究密集型行业的问题。

对Google Cloud而言：Google锁定了一个高调前沿AI合作伙伴，该合作成为一项重要的企业云交易锚点。这有助于Google与AWS和Azure竞争AI原生初创公司，展示其TPU+GPU堆栈能够支持最前沿的研究。同时，这也让Google能提前了解自我改进AI对基础设施的需求，为未来的硬件和云产品路线图提供参考。

正如一项分析所指出的，这笔交易表明Google越来越乐于支持其自有实验室之外的前沿AI研究。

这对AI行业意味着什么

Mirendil的交易是更广泛趋势的一部分：云巨头们正越来越多地通过大额基础设施承诺来吸引AI初创公司，在竞争对手介入前锁定长期合作关系。1亿+美元的金额与AWS和Azure同其他前沿实验室达成类似交易的规模相匹配。

对于自我改进AI领域来说，这次合作为一个仍处于理论阶段的研究领域提供了具体的基础设施支持。正如TechCrunch文章所指出的，Mirendil的AI尚未在大规模上得到验证，但现在它已拥有了尝试所需的算力。

这笔交易也凸显了前沿AI研究对算力的巨大需求，以及云提供商为赢得这些工作负载愿意投入多少。