就在上周，一家叫 Mirendil 的 AI 实验室和 Google Cloud 签了一份价值超过 1 亿美元的多年期协议。单看金额不算天文数字，但这笔交易的意味挺特别：一家成立没多久、还没任何产品的公司，愿意把种子轮里差不多一半的钱直接换成算力，去追一个听起来有点科幻的目标——造一个会自己改进自己的 AI。
钱从哪来，人又是什么来头
Mirendil 今年 6 月底才以 10 亿美元估值完成 2 亿美元种子轮，由 a16z 和 Kleiner Perkins 领投，Nvidia 也掺了一脚。而公司的两位创始人 Behnam Neyshabur 和 Harsh Mehta，都是从 Anthropic 出来的。Neyshabur 早先在 Google 做过 AI for Science，后来去了 Anthropic；Mehta 则在 Anthropic 内部搭起了第一版自动研究平台——那套工具本来就是 Anthropic 用来给自己加速研究的。团队里还有从 xAI、DeepMind、OpenAI 挖来的人。
他们嘴里的”自我改进 AI”到底指什么
业内管这叫递归式自我改进。普通模型靠人一遍遍调参、重训；自我改进 AI 则能自己找出短板、设计改进方案、再把自己迭代一遍，中间不需要每次都等人来推。Mirendil 把这事框定在”AI for AI for Science”：它不打算做一个跟 Claude、GPT 抢市场的通用大模型，而是想搭一个平台，让医学、生物、材料这些领域的研究团队，能开发并持续打磨属于自己专业的 AI 模型。
“你可以拥有一个自我改进的 AI，把某个问题指派给它，它会随着时间推移不断精进。”—— Behnam Neyshabur 描述递归自我改进的愿景
为什么非得找 Google 买 1 亿美元算力
因为这类 AI 实在太能吃算力了。一个系统要反复评估自己、提出改进、再跑训练循环，消耗的基础设施远不是跑一次训练能比。协议让 Mirendil 同时用上 Google 的 TPU 和 Nvidia 的 GPU，还有托管的训练集群。Mehta 说，他们的模型很擅长把合适的工作负载分配到合适的芯片上，而 Google 手里芯片种类多，这种灵活性正好能压低成本——不光是给自己省，也给用他们系统的客户省。
Google 打的什么算盘
站在 Google 这边，这笔买卖也不亏。AI 与基础设施高级副总裁 Amin Vahdat 就说，AI 的进步早就不止是比谁的芯片快，”更在于怎么编排整个智能系统，突破规模化扩展的物理天花板”。Mirendil 成了 Google 在递归自我改进这条前沿赛道上提前卡位的一个战略伙伴。更有意思的是，就在同一周，Jeff Dean 等人带着几乎一模一样的”自动化研究循环”论点宣布了 Discovery Loop——Google 投了那边，又给 Mirendil 当算力房东。说白了，不管哪边先跑通，Google 这边的租金都收着。
- 它说明前沿人才的赌注，正从”再训一个大模型”转向”造一个能自己研究的循环”。
- 如果递归自我改进真按描述跑通，AI 能力增长会从外部训练变成自我复利。
- Nvidia 一边投资、一边通过 Google Cloud 供算力，这条产业链的绑定只会越来越深。
发表回复