Mirendilは、共同創業者兼CEOのBehnam Neyshabur氏によると、1億ドルを超える複数年のGoogle Cloudとの提携契約を締結した。これにより、若いAIラボは自己改善AIの研究のためにGoogle TPUs、Nvidia GPUs、そして管理されたトレーニングクラスタへアクセスできるようになる。

この合意が重要なのは、フロンティアAI企業が希少なアクセラレータを奪い合う中で、Mirendilが最近調達した資本の大きな部分を計算能力へと変えるからだ。同社は、研究を行いながら知識と性能を繰り返し向上できるシステムを構築することを長期目標としており、科学的発見やAI開発の一部を自動化する可能性があるとしている。

若いラボにとって大きなインフラ投資

Neyshabur氏はTechCrunchに対し、Google Cloudとの契約額は1億ドルを上回ると語った。同じ報道によれば、それはMirendilが6月下旬に企業価値10億ドルで調達したシード資金のおよそ半分に相当する。

この取り決めにより、Mirendilは単一のチップ・プラットフォームにワークロードを縛られることなく、複数種類のアクセラレータを利用できる。GoogleのTPUsとNvidiaのGPUsは管理されたトレーニングクラスタと組み合わされ、スタートアップは各ワークロードに適したハードウェア上で作業のさまざまな段階を実行できる。

この契約は、フロンティアAIの経済構造におけるより広い変化を示している。大規模モデルや複雑なエージェント型システムを開発する企業にとって、計算資源へのアクセスは、才能やベンチャー資本へのアクセスと同じくらい戦略的に重要になり得る。一方、クラウド事業者は、将来のシステムが企業需要の重要な供給源になり得るスタートアップを引き寄せるため、インフラ投資のコミットメントを活用している。

入手できる報道には、Mirendilが商用製品を立ち上げた、あるいは契約に関連する顧客を開示したという示唆はない。差し当たりの目的は、短期的なソフトウェア展開ではなく、研究とシステム開発であるように見える。

Mirendilが言う自己改善とは何か

Mirendilは、業界で一般に再帰的自己改善と呼ばれるものに取り組んでいる。これは、AIシステムが自らの能力、知識、手法を反復的に改善していくというものだ。この概念は既存の研究機関や新興スタートアップの注目を集めているが、合意された性能基準を備えた実証済みの製品カテゴリではなく、あくまで研究目標にとどまっている。

Neyshabur氏は、難しい問題を与えられたシステムが、その विषयについて調査を進める中で改善を続けられると説明した。例としてアルツハイマー病を挙げ、そのようなシステムは知識を蓄積し、ある分野を学び、時間をかけて定められた研究目標に向けて前進できる可能性があると示唆した。

Mirendilが掲げる目標は医療にとどまらない。同社は、自社のアプローチが生物学、材料科学、AI研究の作業を支援できると考えている。こうした野心には、単に高性能なモデル以上のものが必要だ。信頼できる評価、長時間にわたるタスク管理、証拠を集めて検証するためのツール、そして自動化された研究ループが自らの誤りを増幅させるのを防ぐ仕組みが求められる。

したがって、Google Cloudとの取り決めが重要なのは金額だけではない。モデル、ツール、評価者、計算資源が長期の研究実行にわたってどのように相互作用するかを含め、自己改善AIを取り巻くオーケストレーション層を試すための能力をMirendilに与えるからだ。

証拠と主張は依然として限定的

この報道の中心的な事実は、TechCrunchによるMirendilのCEOへのインタビューと、GoogleおよびMirendilの共同創業者Harsh Mehta氏に帰せられたコメントに基づいている。ソース群の他の2件は見出しや要約を提供するだけで、独立して利用可能な記事本文はないため、追加の裏付けや技術的詳細は加わらない。

そのため、報じられている契約額、ハードウェアへのアクセス、意図された研究方向は、独立監査済みの数値ではなく、企業が開示した、あるいはメディアが報じた事実として理解すべきだ。入手できる証拠では、Mirendilがどれだけの計算資源を、どの正確なスケジュールで受け取るのか、またそのコミットメントが予約済み容量、クラウド支出、クレジット、あるいはそれらの組み合わせなのかは明らかになっていない。

GoogleのAIおよびインフラ担当シニアバイスプレジデント兼チーフテクノロジストであるAmin Vahdat氏は、AIの進歩はチップレベルの性能改善だけでなく、システム全体をオーケストレーションすることにますます依存していると述べた。これはGoogleによるインフラ戦略の説明であり、Mirendilの研究が特定の能力を達成した証拠ではない。

同様に、Mirendilが自社ソフトウェアで顧客がGoogleのハードウェアからより多くの価値を引き出せると主張するのは、あくまで同社の立場だ。提供された報道には、その主張を検証するベンチマーク、モデル評価、実運用ワークロード、顧客導入のいずれも含まれていない。全フロンティアAIラボに匹敵する仕事を行うという同社の野心にも、同じ注意が当てはまる。

ビルダーと企業購入者への示唆

AI開発者にとって、この合意はワークロードの柔軟性の重要性を浮き彫りにする。トレーニング、推論、合成データ生成、評価、ツール使用の実験は、必ずしも同じハードウェア要件を持たない。Google TPUsとNvidia GPUsの間でワークロードを移せるプラットフォームは、単一のアクセラレータファミリーへの依存を減らせる可能性がある一方で、ソフトウェア互換性、スケジューリング、可観測性、コスト管理に関する技術的複雑さももたらす。

この取り決めは、初期段階のAI企業がインフラをどのように資金調達しているかについて、有用なシグナルにもなり得る。大きなクラウド契約は容量と技術支援を提供できるが、製品が収益基盤を確立する前に資本を消費する可能性がある。似たような契約を検討する創業者は、保証されたアクセスと契約上の拘束、利用リスク、そしてハードウェア効率の改善が数年契約の経済性を変え得る可能性とのバランスを取る必要がある。

企業にとってより重要な問いは、自己改善AIを実際の業務フローで統制可能にできるかどうかだ。研究目標を追求しながら戦略を変え続けるシステムには、強固な監査証跡、限定された権限、再現可能な結果、人間によるレビュー、そして捏造された、あるいは根拠の弱い発見に対する安全策が必要になる。計算資源が増えても、そうした信頼性と安全性の問題は解決しない。

この契約はまた、Googleに対し、影響の大きい研究方向に焦点を当てるラボとの潜在的な戦略関係をもたらす。Mirendilのシステムが成熟すれば、Googleは自社のインフラを前提に設計されたソフトウェアを持つパートナーを得られる可能性があり、同時にクラウドプラットフォームが長期のAI研究をどう支えるかを示すことにもつながる。それは可能性であり、開示された商業的成果ではない。

今後注目すべき点

最初のシグナルは、Mirendilがシステムアーキテクチャ、トレーニング方法、評価フレームワーク、あるいは計算資源の使用状況について技術的詳細を公開するかどうかだ。そうした開示は、一般的な研究ビジョンと再帰的自己改善への再現可能なアプローチを区別する助けになる。

また、スタートアップが単に理論上のアクセスを保持しているだけでなく、Google TPUsとNvidia GPUsの両方を本番規模の実験で使っている証拠にも注意すべきだ。役立つ指標としては、ワークロード単位のコスト比較、スループットデータ、独立評価の結果などが挙げられる。

追加資金、顧客名の明示、研究論文、あるいは長期タスクを通じて改善するシステムの公開デモがあれば、Mirendilの商業的・技術的な軌道がより明確になるだろう。逆に、測定可能な進展が見られなければ、この契約は主として要求の厳しい研究プログラムへの賭けだという見方が強まる。

Creati.aiの視点

MirendilのGoogle Cloudへのコミットメントは、次世代のAIラボがどう競争するかを示している。より大きなモデルを訓練するだけでなく、持続的な研究ループを回すために必要なインフラを確保することで競争するのだ。契約規模は注目に値するが、より厳しい試練は、追加の計算資源が単に実験を長引かせるだけでなく、信頼できる改善を生み出すかどうかにある。

市場にとって、この話はインフラと実行への賭けとして読むのが最も適切だ。Mirendilは重要なハードウェアとクラウドシステムへのアクセスを確保したが、入手可能な証拠の範囲では、自己改善AIが同社の想定する科学的、あるいは商業的成果をもたらせることはまだ示していない。