Mirendil ha firmado una asociación plurianual con Google Cloud por valor de más de 100 millones de dólares, según el cofundador y director ejecutivo Behnam Neyshabur, lo que da al joven laboratorio de IA acceso a Google TPUs, Nvidia GPUs y clústeres de entrenamiento gestionados para su investigación sobre IA auto-mejorable.

El acuerdo es significativo porque convierte una gran parte del capital que Mirendil ha recaudado recientemente en capacidad de cómputo en un momento en que las empresas de IA de vanguardia compiten por aceleradores escasos. La compañía dice que su objetivo a largo plazo es construir sistemas que puedan mejorar repetidamente su conocimiento y rendimiento mientras realizan investigación, automatizando potencialmente partes del descubrimiento científico y del desarrollo de IA.

Un compromiso de infraestructura importante para un laboratorio joven

Neyshabur dijo a TechCrunch que el acuerdo con Google Cloud tiene un valor superior a 100 millones de dólares. Eso representaría aproximadamente la mitad de la financiación semilla que Mirendil obtuvo a finales de junio con una valoración de 1.000 millones de dólares, según el mismo informe.

El acuerdo da a Mirendil acceso a más de un tipo de acelerador en lugar de atar sus cargas de trabajo a una sola plataforma de chips. Las TPUs de Google y las GPUs de Nvidia se combinarán con clústeres de entrenamiento gestionados, lo que permitirá a la startup ejecutar distintas etapas de su trabajo en hardware adecuado para cada carga de trabajo.

El acuerdo refleja un cambio más amplio en la economía de la IA de vanguardia. Para las empresas que desarrollan modelos grandes o sistemas agentivos complejos, el acceso a la capacidad de cómputo puede ser estratégicamente tan importante como el acceso al talento o al capital de riesgo. Mientras tanto, los proveedores de nube están usando compromisos de infraestructura para atraer a startups cuyos sistemas futuros podrían convertirse en importantes fuentes de demanda empresarial.

No hay indicios en la cobertura disponible de que Mirendil haya lanzado un producto comercial o haya revelado clientes vinculados al acuerdo. El propósito inmediato parece ser la investigación y el desarrollo de sistemas, más que un lanzamiento de software a corto plazo.

Qué quiere decir Mirendil con auto-mejora

Mirendil está trabajando en lo que la industria suele llamar auto-mejora recursiva: sistemas de IA que mejoran iterativamente sus propias capacidades, conocimientos o métodos. El concepto ha atraído la atención de laboratorios consolidados y de startups más recientes, pero sigue siendo un objetivo de investigación y no una categoría de producto demostrada con estándares de rendimiento acordados.

Neyshabur describió un sistema que podría recibir un problema difícil y seguir mejorando a medida que investiga el tema. Puso como ejemplo la enfermedad de Alzheimer, sugiriendo que un sistema así podría acumular conocimiento, aprender sobre un dominio y avanzar hacia un objetivo de investigación definido con el tiempo.

Los objetivos declarados por Mirendil van más allá de la medicina. La empresa cree que su enfoque podría apoyar trabajos en biología, ciencia de materiales e investigación en IA. Esas ambiciones requerirían algo más que un modelo capaz: necesitarían una evaluación fiable, gestión de tareas a largo plazo, herramientas para recopilar y comprobar evidencia y mecanismos que eviten que un bucle de investigación automatizado refuerce sus propios errores.

Por tanto, el acuerdo con Google Cloud importa no solo por su valor en dólares. Le da a Mirendil la capacidad de experimentar con la capa de orquestación en torno a la IA auto-mejorable, incluyendo cómo interactúan modelos, herramientas, evaluadores y recursos de cómputo a lo largo de ejecuciones de investigación prolongadas.

La evidencia y las afirmaciones siguen siendo limitadas

Los hechos centrales de este informe proceden de la entrevista de TechCrunch con el director ejecutivo de Mirendil y de comentarios atribuidos a Google y al cofundador de Mirendil Harsh Mehta. Los otros dos elementos del grupo de fuentes ofrecen titulares o resúmenes, pero no texto de artículo utilizable de forma independiente, por lo que no añaden confirmación ni detalles técnicos.

Por lo tanto, el valor del acuerdo reportado, el acceso al hardware y la dirección de investigación prevista deben entenderse como hechos divulgados por la empresa o informados por los medios, no como cifras auditadas de forma independiente. La evidencia disponible no establece cuánta capacidad de cómputo recibirá Mirendil, en qué calendario exacto ni si el compromiso representa capacidad reservada, gasto en nube, créditos o una combinación de arreglos.

Amin Vahdat, vicepresidente sénior y director tecnológico de IA e infraestructura de Google, dijo que el progreso de la IA depende cada vez más de orquestar sistemas completos en lugar de mejorar solo el rendimiento a nivel de chip. Esa declaración es la caracterización de Google de su estrategia de infraestructura, no una prueba de que la investigación de Mirendil haya alcanzado una capacidad concreta.

Del mismo modo, la afirmación de Mirendil de que su software puede ayudar a los clientes a extraer más valor del hardware de Google es una posición de la empresa. En la cobertura proporcionada no se ofrecieron benchmarks, evaluaciones de modelos, cargas de trabajo en producción ni despliegues de clientes para verificar esa afirmación. La misma cautela aplica a la ambición de la compañía de realizar un trabajo comparable al de todo un laboratorio de IA de vanguardia.

Implicaciones para desarrolladores y compradores empresariales

Para los desarrolladores de IA, el acuerdo subraya la importancia de la flexibilidad de cargas de trabajo. El entrenamiento, la inferencia, la generación de datos sintéticos, la evaluación y los experimentos de uso de herramientas pueden no tener los mismos requisitos de hardware. Una plataforma que pueda mover cargas de trabajo entre Google TPUs y Nvidia GPUs podría reducir la dependencia de una sola familia de aceleradores, pero también introduce complejidad de ingeniería en compatibilidad de software, programación, observabilidad y control de costes.

El acuerdo también puede ofrecer una señal útil sobre cómo las empresas de IA en fase temprana financian la infraestructura. Un gran compromiso con la nube puede proporcionar capacidad y soporte técnico, pero puede consumir capital antes de que un producto haya establecido ingresos. Los fundadores que consideren acuerdos similares deberán sopesar el acceso garantizado frente al bloqueo contractual, el riesgo de utilización y la posibilidad de que las mejoras en la eficiencia del hardware cambien la economía durante un plazo plurianual.

Para las empresas, la cuestión más importante es si la IA auto-mejorable puede hacerse gobernable en flujos de trabajo reales. Un sistema que siga cambiando sus estrategias mientras persigue un objetivo de investigación necesitaría registros de auditoría sólidos, permisos limitados, resultados reproducibles, revisión humana y salvaguardas contra hallazgos inventados o débilmente sustentados. Una mayor disponibilidad de cómputo no resuelve esos problemas de fiabilidad y seguridad.

El acuerdo también le da a Google una posible relación estratégica con un laboratorio centrado en una dirección de investigación de alto impacto. Si los sistemas de Mirendil maduran, Google podría obtener un socio cuyo software esté diseñado en torno a su infraestructura, además de ayudar a demostrar cómo las plataformas de nube respaldan la investigación de IA a largo plazo. Eso es una posibilidad, no un resultado comercial divulgado.

Qué observar a continuación

La primera señal será si Mirendil publica detalles técnicos sobre la arquitectura de su sistema, los métodos de entrenamiento, el marco de evaluación o el uso de cómputo. Esas divulgaciones ayudarían a distinguir una visión general de investigación de un enfoque reproducible de auto-mejora recursiva.

Los desarrolladores también deberían vigilar pruebas de que la startup está utilizando tanto Google TPUs como Nvidia GPUs en experimentos a escala de producción, en lugar de simplemente conservar acceso teórico a ambas. Indicadores útiles serían comparaciones de coste a nivel de carga de trabajo, datos de rendimiento y resultados de evaluaciones independientes.

Más financiación, clientes empresariales identificados por nombre, publicaciones de investigación o una demostración pública de un sistema que mejora a lo largo de tareas prolongadas aclararían la trayectoria comercial y técnica de Mirendil. Por el contrario, la falta de progreso medible reforzaría la idea de que el acuerdo es principalmente una apuesta por un programa de investigación exigente.

Perspectiva de Creati.ai

El compromiso de Mirendil con Google Cloud muestra cómo podría competir la próxima generación de laboratorios de IA: no solo entrenando modelos más grandes, sino asegurando la infraestructura necesaria para ejecutar bucles de investigación persistentes. El tamaño del acuerdo es notable, pero la prueba más difícil será si el cómputo adicional produce mejoras fiables en lugar de simplemente experimentos más largos.

Para el mercado, la historia se lee mejor como una apuesta por la infraestructura y la ejecución. Mirendil ha asegurado acceso a hardware importante y a sistemas de nube; sin embargo, la evidencia disponible aún no ha demostrado que la IA auto-mejorable pueda ofrecer los resultados científicos o comerciales que imagina.