Mirendil은 1억 달러가 넘는 다년간의 Google Cloud 파트너십을 체결했다고 공동창업자이자 CEO인 Behnam Neyshabur가 밝혔다. 이를 통해 젊은 AI 연구소는 자기개선 AI 연구를 위해 Google TPUs, Nvidia GPUs, 그리고 관리형 학습 클러스터에 접근할 수 있게 된다.

이번 계약은 최근 조달한 자본의 상당 부분을 연산 능력으로 전환한다는 점에서 중요하다. 최첨단 AI 기업들이 희소한 가속기 확보 경쟁을 벌이는 시점이기 때문이다. 회사는 장기적으로 연구를 수행하는 동안 지식과 성능을 반복적으로 향상시킬 수 있는 시스템을 구축하는 것을 목표로 하며, 이를 통해 과학적 발견과 AI 개발의 일부를 잠재적으로 자동화할 수 있다고 말한다.

젊은 연구소에 대한 대규모 인프라 투자

Neyshabur는 TechCrunch에 Google Cloud 계약의 가치는 1억 달러를 웃돈다고 말했다. 같은 보도에 따르면 이는 Mirendil이 지난 6월 말 10억 달러 기업가치로 조달한 시드 자금의 약 절반에 해당한다.

이 계약으로 Mirendil은 하나의 칩 플랫폼에 워크로드를 묶지 않고, 여러 종류의 가속기를 사용할 수 있게 된다. Google의 TPUs와 Nvidia GPUs는 관리형 학습 클러스터와 함께 제공되어, 스타트업이 각 워크로드에 적합한 하드웨어에서 작업의 서로 다른 단계를 실행할 수 있도록 한다.

이 계약은 최첨단 AI 경제의 더 큰 변화를 보여준다. 대규모 모델이나 복잡한 에이전트 시스템을 개발하는 기업에게 연산 자원 접근은 인재나 벤처 자본만큼 전략적으로 중요할 수 있다. 한편 클라우드 제공업체들은 향후 기업 수요의 중요한 원천이 될 수 있는 스타트업을 유치하기 위해 인프라 약정을 활용하고 있다.

현재까지의 보도에는 Mirendil이 상용 제품을 출시했거나 이 계약과 연결된 고객을 공개했다는 내용은 없다. 즉각적인 목적은 가까운 시일 내 소프트웨어 출시가 아니라 연구와 시스템 개발로 보인다.

Mirendil이 말하는 자기개선의 의미

Mirendil은 업계에서 흔히 재귀적 자기개선이라고 부르는 것에 집중하고 있다. 이는 AI 시스템이 자신의 능력, 지식 또는 방법을 반복적으로 향상시키는 개념이다. 이 개념은 기존 연구소와 신생 스타트업 모두의 관심을 끌고 있지만, 합의된 성능 기준을 갖춘 입증된 제품 범주라기보다는 여전히 연구 목표에 가깝다.

Neyshabur는 어려운 문제를 받은 시스템이 해당 주제를 조사하는 동안 계속 개선될 수 있다고 설명했다. 그는 알츠하이머병을 예로 들며, 그런 시스템이 지식을 축적하고 특정 분야를 학습하며 시간이 지남에 따라 정의된 연구 목표를 향해 진전을 이룰 수 있다고 말했다.

Mirendil의 목표는 의료를 넘어선다. 회사는 자사의 접근 방식이 생물학, 재료과학, AI 연구 분야의 작업을 지원할 수 있다고 보고 있다. 이런 야망을 실현하려면 단순히 성능 좋은 모델 이상이 필요하다. 신뢰할 수 있는 평가, 장기 과제 관리, 증거를 수집하고 검증하는 도구, 그리고 자동화된 연구 루프가 자신의 오류를 강화하지 못하도록 막는 장치가 필요하다.

따라서 Google Cloud 계약은 금액만으로 중요한 것이 아니다. 이는 모델, 도구, 평가자, 연산 자원이 장기간의 연구 실행 동안 어떻게 상호작용하는지 포함해 자기개선 AI 주변의 오케스트레이션 계층을 실험할 수 있는 역량을 Mirendil에 제공한다.

증거와 주장은 여전히 제한적

이 보도의 핵심 사실은 TechCrunch가 Mirendil CEO와 진행한 인터뷰와 Google 및 Mirendil 공동창업자 Harsh Mehta에게 귀속된 발언에서 나온다. 출처 묶음의 다른 두 항목은 제목이나 요약만 제공할 뿐, 독립적으로 활용 가능한 기사 본문은 없으므로 추가적인 확인이나 기술적 세부 정보를 더하지 못한다.

따라서 보도된 계약 규모, 하드웨어 접근권, 의도된 연구 방향은 독립적으로 감사된 수치가 아니라 회사가 공개했거나 언론이 보도한 사실로 이해해야 한다. उपलब्ध한 증거만으로는 Mirendil이 얼마나 많은 연산 자원을 받게 되는지, 정확한 일정은 어떠한지, 또 이 약정이 예약된 용량인지, 클라우드 지출인지, 크레딧인지, 혹은 이들의 조합인지 알 수 없다.

Google의 AI 및 인프라 담당 수석부사장이자 최고기술책임자인 Amin Vahdat는 AI의 진보가 이제 칩 수준 성능 향상만이 아니라 전체 시스템을 오케스트레이션하는 데 점점 더 의존한다고 말했다. 이는 Google이 자사 인프라 전략을 설명한 것이지, Mirendil의 연구가 특정한 능력을 달성했다는 증거는 아니다.

마찬가지로 Mirendil의 소프트웨어가 고객이 Google 하드웨어에서 더 큰 가치를 끌어내도록 도울 수 있다는 주장은 회사 측 입장이다. 제공된 보도에는 해당 주장을 검증할 벤치마크, 모델 평가, 실제 운영 워크로드, 고객 배포 사례가 없었다. 전체 최첨단 AI 연구소에 맞먹는 일을 할 수 있다는 회사의 포부에도 같은 주의가 적용된다.

빌더와 기업 구매자를 위한 시사점

AI 개발자들에게 이번 계약은 워크로드 유연성의 중요성을 부각한다. 학습, 추론, 합성 데이터 생성, 평가, 도구 사용 실험은 동일한 하드웨어 요구사항을 갖지 않을 수 있다. Google TPUs와 Nvidia GPUs 사이에서 워크로드를 옮길 수 있는 플랫폼은 특정 가속기 가족에 대한 의존도를 줄일 수 있지만, 소프트웨어 호환성, 스케줄링, 관찰 가능성, 비용 통제 측면에서 엔지니어링 복잡성을 더한다.

이 계약은 초기 단계 AI 기업이 인프라를 어떻게 자금 조달하는지에 대한 유용한 신호가 될 수도 있다. 대규모 클라우드 약정은 용량과 기술 지원을 제공할 수 있지만, 제품이 수익을 확립하기 전에 자본을 소모할 수 있다. 유사한 계약을 고려하는 창업자들은 보장된 접근성과 계약상 구속, 활용 위험, 그리고 하드웨어 효율 개선이 다년간 계약 기간 중 경제성을 바꿀 가능성을 함께 따져야 한다.

기업 입장에서 더 중요한 질문은 자기개선 AI를 실제 업무 흐름에서 통제 가능하게 만들 수 있는가 하는 점이다. 연구 목표를 추구하면서 전략을 계속 바꾸는 시스템은 강력한 감사 추적, 제한된 권한, 재현 가능한 결과, 인간 검토, 그리고 조작되었거나 근거가 약한 발견에 대한 안전장치를 필요로 한다. 더 많은 연산 자원이 이런 신뢰성과 안전 문제를 해결해 주지는 않는다.

이번 계약은 또한 Google에게 영향력 큰 연구 방향에 집중하는 연구소와의 잠재적 전략 관계를 제공한다. Mirendil의 시스템이 성숙한다면 Google은 자사 인프라를 중심으로 설계된 소프트웨어를 가진 파트너를 얻을 수 있고, 동시에 클라우드 플랫폼이 장기 AI 연구를 어떻게 지원하는지 보여주는 데도 기여할 수 있다. 이는 가능성일 뿐, 공개된 상업적 성과는 아니다.

앞으로 주목할 점

첫 번째 신호는 Mirendil이 시스템 아키텍처, 학습 방법, 평가 프레임워크, 혹은 컴퓨팅 사용량에 대한 기술적 세부 정보를 공개하는지 여부다. 그런 공개는 일반적인 연구 비전과 재귀적 자기개선에 대한 재현 가능한 접근법을 구분하는 데 도움이 될 것이다.

개발자들은 또한 스타트업이 두 자원에 대해 이론적 접근권만 유지하는 것이 아니라, Google TPUs와 Nvidia GPUs를 모두 실제 대규모 실험에 사용하고 있는지에 대한 증거도 지켜봐야 한다. 유용한 지표로는 워크로드 수준의 비용 비교, 처리량 데이터, 독립 평가 결과가 있다.

추가 자금 조달, 실명 공개 기업 고객, 연구 논문, 또는 장기 과제에서 스스로 개선하는 시스템의 공개 시연은 Mirendil의 상업적·기술적 궤적을 더 명확하게 해줄 것이다. 반대로 측정 가능한 진전이 없다면, 이번 계약은 본질적으로 까다로운 연구 프로그램에 대한 베팅이라는 시각이 강화될 것이다.

Creati.ai 관점

Mirendil의 Google Cloud 약정은 차세대 AI 연구소가 어떻게 경쟁할지를 보여준다. 더 큰 모델을 훈련하는 것뿐 아니라, 지속적인 연구 루프를 돌릴 인프라를 확보하는 방식으로 경쟁하는 것이다. 계약 규모는 주목할 만하지만, 더 어려운 시험은 추가 연산이 단지 실험 시간을 늘리는 것이 아니라 신뢰할 만한 개선을 만들어내느냐에 있다.

시장 관점에서 이 이야기는 인프라와 실행에 대한 베팅으로 읽는 것이 가장 적절하다. Mirendil은 중요한 하드웨어와 클라우드 시스템에 대한 접근을 확보했지만, उपलब्ध한 증거만으로는 자기개선 AI가 그들이 구상하는 과학적 또는 상업적 결과를 제공할 수 있다는 점은 아직 입증하지 못했다.