AI 实验室 Mirendil 与 Google Cloud 签署了价值超 1 亿美元、为期多年的合作协议，为 Google Cloud 的 AI 基础设施提供自研软件层，同时获取 Google TPU 和 NVIDIA GPU 算力支持。这是云巨头争相吸引 AI 初创公司的大趋势下又一里程碑式交易。
AI 实验室 Mirendil 已与 Google Cloud 签署了一项多年合作伙伴协议，为其自我改进 AI 系统获取计算能力。
这笔交易反映了当前 AI 行业的两大趋势：云巨头以巨额基础设施承诺吸引初创公司，同时 AI 实验室也在开发能够根据自身需求优化计算资源的软件层。
Mirendil 联合创始人兼 CEO Behnam Neyshabur 向 TechCrunch 透露，这笔交易价值超过 1 亿美元。不过，与纯粹的云消费协议不同，Mirendil 还将为 Google Cloud 的 AI 基础设施提供其软件层，帮助客户从 Google 的硬件中获得更高性能。
该协议让 Mirendil 可以同时使用 Google 的 TPU 和 NVIDIA GPU，以及用于训练自有模型的管理训练集群。Neyshabur 表示，与 Google 合作的原因之一是 TPU 作为网络内计算单元的独特能力——TPU 在训练过程中可以充当路由器，优化整个集群的训练效率。
自我改进 AI（也称为递归自我改进）指的是能够迭代式自我提升的 AI 系统。Mirendil 认为，这一过程将自动化大量科学和 AI 研究，帮助科学家在物理、医学、工程等领域取得进展。
Neyshabur 认为，AI 可以模仿人类科学家学习新领域、积累知识和专业知识的方式，并在此基础上进行迭代改进。他设想了一个系统，能够自主提出假设、设计实验、分析结果，并将结论应用于下一轮研究。
「我们如何让一个 AI 系统持续进行研究，不断改进自身在特定领域（如物理或医学）的知识和性能？」Neyshabur 说，「这需要数量惊人的计算资源。」
训练自我改进 AI 需要巨大的计算能力，这也是 Mirendil 联合创始人 Harsh Mehrotra 所说的「超大规模训练运行」的核心。Mirendil 的软件层在这方面发挥了关键作用——它能够自动适配不同工作负载和芯片类型，将合适的任务分配给合适的硬件。
「这些模型非常擅长处理不同工作负载和芯片，将正确的任务分配给正确的硬件，」Mehrotra 说。「我们的系统让客户能够从计算资源中获得更多价值。」
这种灵活性正是 Google AI 基础设施战略的核心。Google SVP 兼 AI 和基础设施首席技术官 Amin Vahdat 表示，Google Cloud 致力于为 AI 工作负载提供最灵活、最高效的基础设施，而与 Mirendil 的合作正是这一战略的延伸。
Neyshabur 表示，Mirendil 的软件和系统层帮助客户从 Google 的硬件中获得更多价值，这也让 Google Cloud 在竞争激烈的 AI 云市场中获得了差异化优势。
来源：TechCrunch
