據共同創辦人兼執行長 Behnam Neyshabur 表示，Mirendil 已與 Google Cloud 簽署一份價值超過 1 億美元的多年期合作協議，讓這家年輕的 AI 實驗室能夠使用 Google TPUs、Nvidia GPUs，以及受管理的訓練叢集，投入自我改進 AI 的研究。

這項協議之所以重要，是因為它把 Mirendil 近期募得的相當大一部分資金轉化為運算能力；而此時前沿 AI 公司正激烈競爭稀缺的加速器資源。公司表示，長期目標是打造能在研究過程中反覆提升知識與效能的系統，進而有可能自動化 科學發現 與 AI 開發的一部分。

為年輕實驗室做出的大型基礎設施承諾

Neyshabur 告訴 TechCrunch，這筆 Google Cloud 交易價值超過 1 億美元。根據同一篇報導，這大約相當於 Mirendil 在 6 月底以 10 億美元估值所募得種子資金的一半。

這項安排讓 Mirendil 不必把工作負載綁定在單一晶片平台，而是能使用多種類型的加速器。Google 的 TPUs 與 Nvidia GPUs 將搭配受管理的訓練叢集，讓新創可在最適合各項工作負載的硬體上執行不同階段的工作。

這筆交易反映了前沿 AI 經濟的更廣泛轉變。對於開發大型模型或複雜代理系統的公司而言，取得運算能力的戰略重要性，可能與取得人才或創投資金不相上下。與此同時，雲端供應商正透過基礎設施承諾來吸引新創，而這些新創未來的系統可能成為企業需求的重要來源。

目前可得報導並未顯示 Mirendil 已推出商業產品，或揭露與該協議相關的客戶。就目前看來，其直接目的似乎是研究與系統開發，而非近期內推出軟體產品。

Mirendil 所說的自我改進是什麼

Mirendil 正在研發業界通常稱為遞迴式自我改進的技術：AI 系統能反覆提升自身能力、知識或方法。這個概念已吸引成熟實驗室與較新的新創關注，但它仍是研究目標，而不是一個已被證實、且具有一致效能標準的產品類別。

Neyshabur 描述了一個系統：它可以接收一個困難問題，並在調查該主題的過程中持續改進。他以阿茲海默症為例，指出這樣的系統能夠累積知識、學習某個領域，並隨時間朝著明確的研究目標前進。

Mirendil 所宣稱的目標不只限於醫學。公司認為其方法也可支援生物學、材料科學與 AI 研究工作。這些雄心不僅需要一個能力強大的模型：還需要可靠的評估、長時間任務管理、蒐集與測試證據的工具，以及防止自動化研究迴圈強化自身錯誤的機制。

因此，Google Cloud 的安排之所以重要，不只是因為金額本身。它讓 Mirendil 能夠試驗圍繞自我改進 AI 的協調層，包括模型、工具、評估器與運算資源在長時間研究執行中如何互動。

證據與主張仍然有限

本報導的核心事實來自 TechCrunch 對 Mirendil 執行長的訪談，以及歸因於 Google 與 Mirendil 共同創辦人 Harsh Mehta 的說法。來源群組中的另外兩則只提供標題或摘要，並沒有可獨立使用的文章全文，因此不會增加額外佐證或技術細節。

因此，報導中的交易金額、硬體存取權與預期研究方向，應被理解為公司揭露或媒體報導的事實，而非經獨立審計的數字。現有證據並未說明 Mirendil 將獲得多少運算資源、具體時程為何，或這項承諾是預留容量、雲端支出、點數，還是多種安排的組合。

Google AI 與基礎設施資深副總裁暨首席技術官 Amin Vahdat 表示，AI 的進步越來越依賴協調完整系統，而不只是提升晶片層級的效能。這是 Google 對其基礎設施策略的描述，而不是 Mirendil 研究已達成特定能力的證據。

同樣地，Mirendil 聲稱其軟體能幫助客戶從 Google 硬體中取得更多價值，這是公司的立場。所提供的報導並未附上任何基準測試、模型評估、正式上線工作負載或客戶部署，以驗證這項說法。對於公司想做出足以比肩整個前沿 AI 實驗室的工作，也應採取同樣的謹慎態度。

對開發者與企業買家的影響

對 AI 開發者而言，這項協議凸顯了工作負載彈性的價值。訓練、推論、合成資料生成、評估與工具使用實驗，未必對硬體有相同需求。若平台能在 Google TPUs 與 Nvidia GPUs 之間移轉工作負載，可能降低對單一加速器家族的依賴，但也會在軟體相容性、排程、可觀測性與成本控制上帶來工程複雜度。

這項安排也可能成為觀察早期 AI 公司如何為基礎設施籌資的有用信號。大型雲端承諾可提供容量與技術支援，但在產品尚未建立營收前，也可能先消耗資本。考慮類似交易的創辦人，必須在保證存取、合約綁定、使用風險，以及硬體效率提升可能在多年期內改變經濟結構之間做出權衡。

對企業而言，更重要的問題是：自我改進 AI 能否在真實工作流程中被有效治理。若系統在追求研究目標時持續改變策略，就需要強大的稽核軌跡、受限權限、可重現結果、人工審核，以及防範捏造或證據薄弱發現的保障措施。更多運算資源並不能解決這些可靠性與安全性問題。

這筆交易也讓 Google 與一間聚焦高影響力研究方向的實驗室建立潛在戰略關係。若 Mirendil 的系統成熟，Google 可能獲得一個其軟體是圍繞自家基礎設施設計的合作夥伴，同時也有助於展示雲端平台如何支援長期 AI 研究。這只是可能性，並非已揭露的商業結果。

接下來值得觀察什麼

第一個信號會是 Mirendil 是否公開其系統架構、訓練方法、評估框架或運算使用情況的技術細節。這些揭露有助於區分一般性的研究願景與可重現的遞迴式自我改進方法。

開發者也應注意，這家新創是否真的在生產規模的實驗中同時使用 Google TPUs 與 Nvidia GPUs，而不只是理論上對兩者保有存取權。可參考的指標包括工作負載層級的成本比較、吞吐量數據，以及獨立評估結果。

若有後續融資、具名企業客戶、研究論文，或公開展示一個能在長時間任務中持續改進的系統，將能更清楚說明 Mirendil 的商業與技術走向。相反地，若缺乏可量化進展，則會強化外界對此交易主要是押注於一項高難度研究計畫的看法。

Creati.ai 觀點

Mirendil 對 Google Cloud 的承諾顯示下一代 AI 實驗室可能如何競爭：不只是訓練更大的模型，而是先確保執行持續研究迴圈所需的基礎設施。這筆交易規模相當可觀，但更嚴峻的考驗將是，額外運算究竟會帶來可靠的改進，還只是讓實驗持續更久。

對市場而言，這則故事最適合被視為一場基礎設施與執行力的押注。Mirendil 已取得重要硬體與雲端系統的存取權；但根據目前可得證據，它尚未證明自我改進 AI 能實現其所構想的科學或商業成果。