Mirendil подписала многолетнее партнёрство с Google Cloud на сумму более $100 млн, сообщил сооснователь и CEO Бехнам Нейшабур, предоставив молодой ИИ-лаборатории доступ к Google TPUs, Nvidia GPUs и управляемым тренировочным кластерам для исследований самосовершенствующегося ИИ.

Это соглашение важно, потому что оно превращает значительную часть недавно привлечённого капитала Mirendil в вычислительные мощности в момент, когда передовые ИИ-компании конкурируют за дефицитные ускорители. Компания говорит, что её долгосрочная цель — создавать системы, которые могут многократно улучшать свои знания и производительность в процессе исследований, потенциально автоматизируя части научного открытия и разработки ИИ.

Крупное инфраструктурное обязательство для молодой лаборатории

Нейшабур сообщил TechCrunch, что сделка с Google Cloud оценивается более чем в $100 млн. Это составило бы примерно половину посевного финансирования, которое Mirendil привлекла в конце июня при оценке в $1 млрд, согласно тому же отчёту.

Соглашение даёт Mirendil доступ не к одному, а к нескольким типам ускорителей, не привязывая её рабочие нагрузки к одной платформе чипов. TPUs Google и GPUs Nvidia будут сочетаться с управляемыми тренировочными кластерами, позволяя стартапу выполнять разные этапы работы на оборудовании, подходящем для каждой нагрузки.

Сделка отражает более широкий сдвиг в экономике передового ИИ. Для компаний, разрабатывающих крупные модели или сложные агентные системы, доступ к вычислениям может быть столь же стратегически важен, как доступ к талантам или венчурному капиталу. Тем временем облачные провайдеры используют инфраструктурные обязательства, чтобы привлекать стартапы, чьи будущие системы могут стать важными источниками корпоративного спроса.

В доступных материалах нет указаний на то, что Mirendil запустила коммерческий продукт или раскрыла клиентов, связанных с соглашением. Судя по всему, непосредственная цель — исследования и разработка систем, а не скорый выпуск программного продукта.

Что Mirendil имеет в виду под самосовершенствованием

Mirendil работает над тем, что в отрасли обычно называют рекурсивным самосовершенствованием: ИИ-системами, которые итеративно улучшают собственные способности, знания или методы. Эта концепция привлекла внимание как устоявшихся лабораторий, так и более новых стартапов, но остаётся исследовательской целью, а не доказанной продуктовой категорией с согласованными стандартами производительности.

Нейшабур описал систему, которая могла бы получать сложную задачу и продолжать улучшаться по мере изучения темы. В качестве примера он привёл болезнь Альцгеймера, предполагая, что такая система могла бы накапливать знания, изучать область и со временем продвигаться к заданной исследовательской цели.

Заявленные цели Mirendil выходят за рамки медицины. Компания считает, что её подход может поддерживать работы в биологии, материаловедении и исследованиях ИИ. Для реализации таких амбиций потребуется не просто сильная модель: нужны надёжная оценка, управление долгими задачами, инструменты для сбора и проверки доказательств, а также механизмы, предотвращающие самоподкрепление ошибок в автоматизированном исследовательском цикле.

Поэтому соглашение с Google Cloud важно не только из-за его долларовой стоимости. Оно даёт Mirendil возможность экспериментировать с уровнем оркестрации вокруг самосовершенствующегося ИИ, включая то, как модели, инструменты, оценщики и вычислительные ресурсы взаимодействуют в ходе длительных исследовательских запусков.

Доказательств и утверждений по-прежнему немного

Ключевые факты в этом материале взяты из интервью TechCrunch с CEO Mirendil и из комментариев, приписанных Google и сооснователю Mirendil Харшу Мехте. Два других материала в наборе источников содержат лишь заголовки или краткие пересказы, но не пригодный для самостоятельного использования текст статьи, поэтому они не добавляют ни подтверждения, ни технических деталей.

Поэтому заявленную стоимость сделки, доступ к оборудованию и предполагаемое направление исследований следует понимать как факты, раскрытые компанией или сообщённые СМИ, а не как независимо проверенные цифры. Имеющиеся данные не показывают, сколько вычислений получит Mirendil, по какому именно графику и означает ли обязательство зарезервированную мощность, облачные расходы, кредиты или сочетание этих вариантов.

Старший вице-президент и главный технолог по ИИ и инфраструктуре Google Амин Вахдат сказал, что прогресс ИИ всё больше зависит от оркестрации целых систем, а не только от улучшения производительности на уровне чипов. Это характеристика стратегии инфраструктуры Google, а не доказательство того, что исследования Mirendil достигли какой-либо конкретной способности.

Аналогично, утверждение Mirendil о том, что её ПО может помочь клиентам извлекать больше ценности из оборудования Google, — это позиция компании. В предоставленных материалах не было ни бенчмарков, ни оценки моделей, ни рабочих нагрузок в продакшене, ни развёртываний у клиентов, чтобы проверить это утверждение. Та же осторожность относится и к амбиции компании выполнять работу, сопоставимую с целой передовой ИИ-лабораторией.

Последствия для разработчиков и корпоративных покупателей

Для разработчиков ИИ соглашение подчёркивает важность гибкости рабочих нагрузок. Обучение, инференс, генерация синтетических данных, оценка и эксперименты с использованием инструментов могут иметь разные требования к оборудованию. Платформа, способная переносить нагрузки между Google TPUs и Nvidia GPUs, может снизить зависимость от одной семьи ускорителей, но при этом добавляет инженерную сложность в области совместимости ПО, планирования, наблюдаемости и контроля затрат.

Соглашение также может служить полезным сигналом о том, как ранние ИИ-компании финансируют инфраструктуру. Крупное облачное обязательство может обеспечить мощность и техническую поддержку, но может поглотить капитал ещё до того, как продукт сформирует выручку. Основателям, рассматривающим аналогичные сделки, придётся сопоставлять гарантированный доступ с контрактной привязкой, риском недоиспользования и возможностью того, что рост эффективности оборудования изменит экономику в течение многолетнего срока.

Для компаний более важный вопрос заключается в том, можно ли сделать самосовершенствующийся ИИ управляемым в реальных рабочих процессах. Системе, которая продолжает менять стратегии в ходе достижения исследовательской цели, потребуются надёжные аудиторские следы, ограниченные права, воспроизводимые результаты, человеческая проверка и защита от сфабрикованных или слабо обоснованных выводов. Более высокая доступность вычислений этих проблем надёжности и безопасности не решает.

Сделка также даёт Google потенциальные стратегические отношения с лабораторией, сосредоточенной на исследовательском направлении с высокой значимостью. Если системы Mirendil созреют, Google может получить партнёра, чьё ПО спроектировано вокруг его инфраструктуры, а также помочь показать, как облачные платформы поддерживают длительные исследования в ИИ. Это возможность, а не раскрытый коммерческий результат.

За чем следить дальше

Первым сигналом станет публикация Mirendil технических деталей о системной архитектуре, методах обучения, системе оценки или использовании вычислений. Такие раскрытия помогли бы отличить общую исследовательскую концепцию от воспроизводимого подхода к рекурсивному самосовершенствованию.

Разработчикам также стоит следить за признаками того, что стартап использует и Google TPUs, и Nvidia GPUs в экспериментах масштаба production, а не просто сохраняет теоретический доступ к обоим. Полезными индикаторами были бы сравнения затрат на уровне рабочих нагрузок, данные о пропускной способности и результаты независимых оценок.

Дополнительное финансирование, названные поимённо корпоративные клиенты, публикации исследований или публичная демонстрация системы, улучшающейся в ходе длительных задач, прояснили бы коммерческую и техническую траекторию Mirendil. И наоборот, отсутствие измеримого прогресса укрепило бы мнение, что сделка — это прежде всего ставка на сложную исследовательскую программу.

Позиция Creati.ai

Обязательство Mirendil перед Google Cloud показывает, как может конкурировать следующее поколение ИИ-лабораторий: не только обучая более крупные модели, но и обеспечивая инфраструктуру, необходимую для постоянных исследовательских циклов. Масштаб сделки заметен, но более жёсткой проверкой станет то, приведёт ли дополнительное вычисление к надёжным улучшениям, а не просто к более длинным экспериментам.

Для рынка эта история лучше всего читается как ставка на инфраструктуру и исполнение. Mirendil обеспечила себе доступ к важному оборудованию и облачным системам; однако на доступных данных она ещё не доказала, что самосовершенствующийся ИИ может дать те научные или коммерческие результаты, которые компания себе представляет.