以下是這項合作案的完整分析，以及它對Mirendil、AI產業和雲端運算領域的意義。

創辦人背景與願景

Mirendil由Behnam Neyshabur（執行長）和Harsh Mehta共同創立，兩人皆為前Anthropic研究員，並曾服務於Google。他們離開Anthropic創立Mirendil，懷抱著一個大膽的使命：打造能夠自我加速進化，並驅動科學發現的AI系統。

該新創的核心目標是自動化科學研究流程——打造用於加速醫學、生物學、化學及材料科學等領域科學發現的自我進化AI。其核心理念是，AI模型不僅能協助執行實驗，更能主動生成假說、設計實驗流程，並反覆自我改進，從而有效縮短整個研究週期。

合約內容：財務條款與運算基礎設施

這項合作協議是一個價值超過1億美元的多年承諾。以下是關鍵細節：

• 金額：超過1億美元，約為Mirendil 2億美元種子輪融資的一半。
• 運算資源：可使用Google Cloud的AI Hypercomputer，包含Google自研的TPU與Nvidia GPU，以及受管的訓練叢集。
• 時間點：在Mirendil於2026年6月底以10億美元估值完成種子輪融資的兩個月後公布。

這等規模的投入，反映了前沿AI研究對運算資源的巨大需求。對比業界，超過1億美元的投資金額使其成為今年AI新創領域最大規模的雲端合作案之一。

技術策略：為工作負載配對最佳硬體

為了控制成本，Mirendil採用了一套靈活的運算策略——將不同的AI訓練工作負載分配給最具成本效益的硬體。該新創使用：

• Google的TPU 執行特定訓練任務
• Nvidia的GPU 執行其他任務

這種工作負載配對方式能減少浪費，讓Mirendil在超過1億美元的預算內完成更多研究。對於任何試圖精打細算使用運算預算的AI實驗室來說，這都是一個實用的最佳化策略。

合作如何創造雙贏

這項合作為Mirendil和Google Cloud雙方都創造了顯著的價值。

對Mirendil及其客戶而言：這項協議確保了訓練和運行自我進化模型所需的巨量且穩定的運算能力。這讓Mirendil能夠為客戶提供更快的科學研究循環——而客戶無需自行管理基礎設施。該新創的AI系統最終目標是解決藥物開發、材料發現等研究密集型產業的問題。

對Google Cloud而言：Google鎖定了一個備受矚目的前沿AI合作夥伴，為其簽下一筆重要的企業雲端合約。這有助於Google在爭取AI原生新創客戶時，與AWS和Azure競爭，證明Google Cloud的TPU+GPU技術堆疊能滿足尖端研究的需求。同時，這也讓Google能更早了解自我進化AI對基礎設施的特定需求，為未來的硬體和雲端產品路線圖提供參考。

正如一份分析指出，這項合作顯示了Google越來越傾向於支持其自家實驗室以外的尖端AI研究。

這對AI產業的意義

Mirendil的合作案反應了一個更廣泛的趨勢：雲端巨頭們正積極以大型基礎設施投資來爭取AI新創客戶，希望在競爭對手介入前就鎖定長期合作關係。超過1億美元的金額，與AWS和Azure與其他前沿實驗室簽訂的類似合約規模相當。

對於自我進化AI這個領域而言，此次合作為一個仍主要處於理論階段的研究方向，提供了實質的基礎設施支持。正如TechCrunch文章所言，Mirendil的AI尚未在大規模應用中得到驗證，但如今，它已經具備了嘗試所需的運算能力。

這項合作也凸顯了前沿AI研究所需要的運算資源有多麼龐大——以及雲端供應商為了贏得這些工作負載，願意投入多少資金。

以下是這項合作案的完整分析，以及它對Mirendil、AI產業和雲端運算領域的意義。

創辦人背景與願景

Mirendil由Behnam Neyshabur（執行長）和Harsh Mehta共同創立，兩人皆為前Anthropic研究員，並曾服務於Google。他們離開Anthropic創立Mirendil，懷抱著一個大膽的使命：打造能夠自我加速進化，並驅動科學發現的AI系統。

該新創的核心目標是自動化科學研究流程——打造用於加速醫學、生物學、化學及材料科學等領域科學發現的自我進化AI。其核心理念是，AI模型不僅能協助執行實驗，更能主動生成假說、設計實驗流程，並反覆自我改進，從而有效縮短整個研究週期。

合約內容：財務條款與運算基礎設施

這項合作協議是一個價值超過1億美元的多年承諾。以下是關鍵細節：

• 金額：超過1億美元，約為Mirendil 2億美元種子輪融資的一半。
• 運算資源：可使用Google Cloud的AI Hypercomputer，包含Google自研的TPU與Nvidia GPU，以及受管的訓練叢集。
• 時間點：在Mirendil於2026年6月底以10億美元估值完成種子輪融資的兩個月後公布。

這等規模的投入，反映了前沿AI研究對運算資源的巨大需求。對比業界，超過1億美元的投資金額使其成為今年AI新創領域最大規模的雲端合作案之一。

技術策略：為工作負載配對最佳硬體

為了控制成本，Mirendil採用了一套靈活的運算策略——將不同的AI訓練工作負載分配給最具成本效益的硬體。該新創使用：

• Google的TPU 執行特定訓練任務
• Nvidia的GPU 執行其他任務

這種工作負載配對方式能減少浪費，讓Mirendil在超過1億美元的預算內完成更多研究。對於任何試圖精打細算使用運算預算的AI實驗室來說，這都是一個實用的最佳化策略。

合作如何創造雙贏

這項合作為Mirendil和Google Cloud雙方都創造了顯著的價值。

對Mirendil及其客戶而言：這項協議確保了訓練和運行自我進化模型所需的巨量且穩定的運算能力。這讓Mirendil能夠為客戶提供更快的科學研究循環——而客戶無需自行管理基礎設施。該新創的AI系統最終目標是解決藥物開發、材料發現等研究密集型產業的問題。

對Google Cloud而言：Google鎖定了一個備受矚目的前沿AI合作夥伴，為其簽下一筆重要的企業雲端合約。這有助於Google在爭取AI原生新創客戶時，與AWS和Azure競爭，證明Google Cloud的TPU+GPU技術堆疊能滿足尖端研究的需求。同時，這也讓Google能更早了解自我進化AI對基礎設施的特定需求，為未來的硬體和雲端產品路線圖提供參考。

正如一份分析指出，這項合作顯示了Google越來越傾向於支持其自家實驗室以外的尖端AI研究。

這對AI產業的意義

Mirendil的合作案反應了一個更廣泛的趨勢：雲端巨頭們正積極以大型基礎設施投資來爭取AI新創客戶，希望在競爭對手介入前就鎖定長期合作關係。超過1億美元的金額，與AWS和Azure與其他前沿實驗室簽訂的類似合約規模相當。

對於自我進化AI這個領域而言，此次合作為一個仍主要處於理論階段的研究方向，提供了實質的基礎設施支持。正如TechCrunch文章所言，Mirendil的AI尚未在大規模應用中得到驗證，但如今，它已經具備了嘗試所需的運算能力。

這項合作也凸顯了前沿AI研究所需要的運算資源有多麼龐大——以及雲端供應商為了贏得這些工作負載，願意投入多少資金。