Harsh Mehta 在 Anthropic 的時候，啟動了一個后來被稱為 autoresearch 的內(nèi)部平臺（不是 Karpathy 那個）。最初這個項(xiàng)目只有他一個人，功能是讓 AI 自主完成 AI 研發(fā)中的一系列流程環(huán)節(jié)：提出實(shí)驗(yàn)假設(shè)、編寫代碼、調(diào)度算力、評估結(jié)果，再決定下一步做什么。

他一個人搭出雛形后，這個平臺逐步擴(kuò)展成 Anthropic 內(nèi)部的核心研發(fā)能力之一。

2025 年 12 月，Mehta 和同事 Behnam Neyshabur 一起離開 Anthropic，他決定將之前工作擴(kuò)展成一家公司。2026 年初，兩人在舊金山注冊了 Mirendil，致力于構(gòu)建一套能自主循環(huán)處理 AI 研發(fā)問題的系統(tǒng)。6 月 25 日，公司正式亮相，同時宣布完成 2 億美元種子輪融資，由 a16z 和 Kleiner Perkins 聯(lián)合領(lǐng)投，英偉達(dá)跟投，估值約 10 億美元。

圖丨Mirendil 團(tuán)隊(duì)（來源：X）

今年 3 月，就有報道稱這家公司正在以 10 億美元估值談判 1.75 億美元融資，當(dāng)時輪次尚未關(guān)閉。最終金額超過了彼時的報道。對一家成立不到半年、團(tuán)隊(duì)只有 20 人的公司來說，2 億美元的種子輪，在整個硅谷融資記錄里也稱得上罕見。

不過，在頂尖人才貴得離譜的硅谷，這個團(tuán)隊(duì)的履歷在某種程度上也確實(shí)配得上這個估值。

Neyshabur 是 SAM 優(yōu)化器的共同發(fā)明者。在 Google 時，他曾聯(lián)合領(lǐng)導(dǎo) Minerva 項(xiàng)目，這是最早能夠進(jìn)行復(fù)雜數(shù)學(xué)推理的大模型之一；之后，他又參與了 Gemini 在數(shù)學(xué)和代碼方面的預(yù)訓(xùn)練工作。

到了 Anthropic，Neyshabur 聯(lián)合領(lǐng)導(dǎo) Discovery 團(tuán)隊(duì)，目標(biāo)是構(gòu)建 AI Scientist，同時也參與了 Claude computer-use 功能背后的研發(fā)工作。

Mehta 則是 Anthropic 的高級研究科學(xué)家。除了獨(dú)立搭建 autoresearch 平臺的初版，他還負(fù)責(zé)將這套自動化研發(fā)能力在公司內(nèi)部規(guī)模化推廣。

另外兩位聯(lián)合創(chuàng)始人，則補(bǔ)上了工程和執(zhí)行力的拼圖。Shayan Salehian 是 xAI 的早期工程師，從 Twitter 時代就在公司，后來參與了 Grok 模型的后訓(xùn)練、推理和 Agent 基礎(chǔ)設(shè)施，哪里最關(guān)鍵就出現(xiàn)在哪里。

Tara Rezaei 今年 23 歲，MIT 畢業(yè)，奧賽獎牌得主，曾在 OpenAI 做早期學(xué)生研究員。

目前，Mirendil 創(chuàng)始團(tuán)隊(duì)一共 20 人，分別來自 Anthropic、xAI、Google DeepMind 和 OpenAI 四家機(jī)構(gòu)。

Neyshabur 在 a16z 發(fā)布的一段訪談中解釋了 Mirendil 背后的思路。

科學(xué)家和工程師最核心的能力，是在某個領(lǐng)域持續(xù)深入，積累出越來越精細(xì)的專業(yè)判斷。但越深入，專長也會越窄，覆蓋的只是所有可能研究方向中很小的一塊。而幾乎所有科學(xué)領(lǐng)域的進(jìn)步，又都依賴這種持續(xù)深入的能力。

Mirendil 要做的，是讓一個 AI 系統(tǒng)也能夠被指向某個特定方向，然后快速迭代、快速變深。Neyshabur 把這稱為“self-accelerating AI”。

落到產(chǎn)品上，Mirendil 訓(xùn)練的是專門擅長 AI 研發(fā)任務(wù)的前沿模型，再圍繞這些模型搭建一整套系統(tǒng)，讓它能夠自主提出實(shí)驗(yàn)方案、調(diào)配 GPU、跑訓(xùn)練、比較 checkpoint、評估結(jié)果，然后進(jìn)入下一輪循環(huán)。

a16z 在投資博文中的形容是：這像一個專為 AI 研究構(gòu)建的編碼智能體，只不過它能夠控制自己的 GPU。

這件事的邏輯起點(diǎn)，來自團(tuán)隊(duì)對當(dāng)下 AI 研發(fā)現(xiàn)狀的觀察：今天，任何一個想用 AI 做藥物發(fā)現(xiàn)或材料科學(xué)研究的實(shí)驗(yàn)室，首先都得把自己變成一個前沿 AI 實(shí)驗(yàn)室。這個門檻太高了，需要數(shù)百億美元資金和數(shù)十萬塊 GPU。

Mirendil 賭的是，這個門檻可以被大幅壓低。如果 AI 研發(fā)本身可以被自動化、被產(chǎn)品化，那么掌握領(lǐng)域知識的科學(xué)家，就不再需要同時掌握大規(guī)模訓(xùn)練的全部工程能力。

a16z 在博文里把這個愿景稱為“vibe research”：讓不那么技術(shù)化的用戶，也能跑自己的前沿實(shí)驗(yàn)。

a16z 還用 Cursor 舉了一個例子，說明他們?yōu)槭裁纯春眠@條路徑。Cursor 最初完全依賴第三方模型，后來開始基于開源模型構(gòu)建自己的 Composer 模型，現(xiàn)在已經(jīng)開始在 SpaceX 做前沿模型的預(yù)訓(xùn)練。

產(chǎn)品的性能和經(jīng)濟(jì)性，在每個階段都有提升；而建模工作本身，也會像大實(shí)驗(yàn)室的集中式研發(fā)一樣不斷積累和復(fù)利。并不是每個組織都需要走到預(yù)訓(xùn)練這一步，但大多數(shù)組織都會因?yàn)槟軌蜃灾髋軐?shí)驗(yàn)、更新模型權(quán)重而獲得實(shí)際收益。

a16z 的博文里還提出了一個更大的判斷框架。他們認(rèn)為，AI 能力的真正民主化需要兩樣?xùn)|西：一是可供任何人擴(kuò)展的前沿開源模型，二是實(shí)驗(yàn)室級別的研究平臺，讓普通工程師也能做前沿 AI 工作。

Mirendil 定位于第二個。至于第一個，a16z 寫道：“這個缺口目前由中國模型填補(bǔ)，但這可能不是長期解決方案。”

這句話的潛臺詞并不難理解。在美國頭部 VC 眼中，當(dāng)前開源前沿模型領(lǐng)域由中國公司主導(dǎo)，是一個結(jié)構(gòu)性事實(shí)。DeepSeek、千問以及 GLM，都是繞不開的名字。

但他們不認(rèn)為這個格局是穩(wěn)態(tài)，也不打算長期依賴它。投資 Mirendil，在某種意義上也是對這種焦慮的回應(yīng)：如果不能確保開源模型的自主供給，那至少可以投資一個能降低整個 AI 研發(fā)門檻的平臺層。

參考資料：

1.https://a16z.com/announcement/investing-in-mirendil/

2.https://t.co/HGdS8Gwt9W

運(yùn)營/排版：何晨龍

注：封面/首圖由 AI 輔助生成