估值68亿！前Anthropic员工拿下融资，英伟达投了

智东西（公众号：zhidxcom）




编译 |  杨京丽




编辑 |  李水青

智东西6月25日消息，今天，美国AI初创公司Mirendil宣布，其已完成


2亿美元（约合人民币13.6亿元）


种子轮融资，由a16z和Kleiner Perkins领投，英伟达等机构跟投。据《华尔街日报》报道，Mirendil本轮融资后估值达


10亿美元（约合人民币68亿元）


，是近年来AI初创公司中规模较大的种子轮估值之一。

▲Mirendil宣布完成2亿美元融资（图源：X）

该公司的目标是


普及前沿AI研发能力


，计划打造能够加速AI研究的工具，帮助科学家在医学、材料等领域开发自己的专用内部AI模型。围绕这一方向，Mirendil计划在未来几个月发布


一个模型和一款产品


，并通过用户反馈继续迭代。

一、创始人曾在谷歌、Anthropic任职，离职后组建20人技术团队

Mirendil今年3月成立，总部位于旧金山，由Behnam Neyshabur、Harsh Mehta、Shayan Salehian和Tara Rezaei创立。其中，Neyshabur和Mehta曾在


谷歌和Anthropic


任职，Salehian是


xAI早期成员


，Rezaei毕业于


麻省理工学院


。

四位联合创始人中，Neyshabur担任公司CEO，Mehta任CTO。2019年，二人


在谷歌工作时相识


。当时，Mehta主动发邮件联系刚加入谷歌的Neyshabur。Mehta回忆称：“Neyshabur当时在AI领域已经小有名气了。”虽然当时模型能力有限，但他们已经看到了


AI加速科学研究的潜力


。

Neyshabur和Mehta


在2024年底加入Anthropic


，并于2025年12月离职。就在他们离开前不久，Anthropic发布了


Claude Opus 4.5模型


，该模型大幅扩展了AI Agent执行复杂任务的能力。目前，Mirendil约有20名技术员工，在旧金山办公。

二、不直接做科学模型，Mirendil要帮科研人员自己开发AI

据《华尔街日报》报道，Neyshabur和Mehta希望通过


构建能够自我改进的AI


，帮助开源AI开发者跟上前沿实验室的步伐。当AI研究进一步加速，科学家就能在医学、材料等领域，开发自己的专用内部AI模型。

▲公司计划普及前沿AI研发能力（图源：Mirendil）

Neyshabur在采访中说：“我们正在做的产品有点像


服务科学AI的AI（AI for AI for science）


，而非科学AI（AI for science）。例如，客户未来可能会


使用Mirendil的工具创建一个科学模型


，预测个人罹患阿尔茨海默病的风险。”

也就是说，Mirendil不是直接替科学家做出某个专用AI模型，而是提供一种工具，帮助科研人员自己开发模型。Mirendil计划在未来几个月发布


一个模型和一款产品


，并通过用户反馈继续迭代。

三、头部实验室用AI研发AI，外部开发者却难用同类工具训练竞品

Mirendil获得融资之际，头部AI实验室也在越来越多地


用AI加速AI研发


。截至今年5月，Anthropic称，Claude已经编写了Anthropic


超过80%


的代码。

但Anthropic在服务条款中称，公司禁止用户使用其工具，开发“任何与我们服务竞争的产品或服务”。Anthropic在一份声明中称，其政策是主要模型提供商中的标准做法，有助于防止外国对手削弱美国在前沿AI领域的领先地位。

用AI构建更强大的AI，又被称作


递归式自我改进


，Anthropic曾将其视作潜在风险。部分AI安全研究员认为，如果模型能够在没有人类监督的情况下，改写自己的代码，


AI能力可能会快速增长，并超出人类控制


。但Neyshabur和Mehta认为，递归式自我改进是


加速科学发展的“最短路径”


，且可以被安全监督。

a16z投资人Matt Bornstein认为：“头部AI实验室不愿让客户用自家工具训练或强化竞品模型，这在商业上并不意外。但也正因为头部AI公司与外部开发者之间存在利益冲突，市场上才需要Mirendil这样的独立公司，专门为外部开发者和科研团队提供AI研发能力。”

结语：科研团队也需要自己的“AI研发能力”

Mirendil的核心卖点在于，把原本集中在头部AI实验室内部的AI研发能力，拆成科研人员也能使用的AI工具。医学、材料或生命科学实验室很难直接组建一支顶级AI工程团队，但他们同样需要面向自身课题和数据的专用模型，Mirendil想补上的正是这项能力。

接下来，Mirendil需要证明的是，其产品能否真正进入科研工作流，帮助研究人员从数据整理、模型开发到实验验证，更高效地推进项目。若未来几个月发布的模型和产品能获得早期用户认可，它或许会成为“AI加速科学”这条赛道里底层工具的一种新形态。

来源：Mirendil、《华尔街日报》