一家成立不到一年的AI实验室，刚把种子轮融资的一半——超过1亿美元——全部砸进了一张云计算合同里。
2026年8月6日，由前Anthropic研究员创立的AI实验室Mirendil宣布与Google Cloud签署多年合作协议，获取包括Google TPU和Nvidia GPU在内的算力资源，用于自改进AI（Recursive Self-improvement）的研发。Mirendil联合创始人兼CEO Benham Neyshabur向TechCrunch独家证实，这笔交易金额超过1亿美元。
这不仅是Mirendil的里程碑，更是整个AI行业正在发生的两股趋势的交汇点：云巨头在用惊人的基础设施承诺争夺AI初创公司，而AI公司则在把算力合同当作战略资产疯狂囤积。
1亿美元是什么概念
2026年6月，Mirendil以10亿美元估值完成2亿美元种子轮融资，由a16z和Kleiner Perkins联合领投，Nvidia参投。这笔融资已是AI历史上规模最大的种子轮之一。而Mirendil与Google Cloud签下的算力合同，金额超过1亿美元，相当于种子轮的一半。
这不是孤例。
就在一周多前，同样聚焦自改进AI的伦敦初创公司Recursive Superintelligence，与AWS签署了一份4.1亿美元的云计算合同。Recursive今年5月才以46.5亿美元估值完成6.5亿美元融资，这笔AWS合同几乎吃掉了其融资的大头。CEO Richard Socher直言，公司的首要支出不是招人，而是买算力。
再往前看，2025年底由AlphaChip之父创立的Ricursive Intelligence，以3500万美元种子轮（Sequoia领投）和3亿美元A轮（Lightspeed领投，DST、NVentures参投）总计3.35亿美元启动，以40亿美元估值成为2026年最受关注的AI芯片初创公司之一。它的使命同样是递归自改进，只不过入口在芯片设计：用AI设计芯片，再用更好芯片跑AI。
三家公司，同一赛道，三份天价算力合同。一个清晰的信号正在浮现：自改进AI的竞争，第一仗不拼算法，拼算力。
为什么自改进AI如此吃算力
自改进AI的核心逻辑是：AI系统能够自主设计实验、迭代优化自身，逐步减少人工干预。Mirendil的联合创始人Harsh Mehta解释得很直白。
这些模型非常擅长处理不同的工作负载和芯片，把合适的负载分配给合适的芯片。Google提供了多种芯片……这种灵活性让我们能够混合搭配工作负载与合适的加速器，最终降低成本，不仅对我们自己，也对使用我们系统的客户。
自改进AI的每一轮迭代，都需要完整的训练加推理加评估循环。传统AI模型训练是一次性的：训练好，部署，使用。但自改进AI是永不停机的。它每改进一次自己，就需要重新训练、重新评估、重复验证。算力消耗不是线性增长，而是指数级叠加。
这笔交易的三重逻辑
逻辑一：Google Cloud的算力换生态战略
Mirendil的这笔交易，不能只从Mirendil的角度看，还要从Google Cloud的角度看。
2026年4月，Google向Anthropic承诺了高达400亿美元的投资，锁定5GW的TPU算力，将Anthropic的估值推至3500亿美元。现在，Google又向Anthropic的前员工——Mirendil的两位联合创始人Neyshabur和Mehta均于2025年底离开Anthropic——签下了一份算力合同。
这绝非巧合。
Google Cloud AI基础设施首席技术官Amin Vahdat在声明中表示，AI的进步已经不再仅仅是芯片层面的性能比拼，而是如何编排整个智能系统，突破规模化的物理限制。
Mirendil为Google提供了一个独特的价值：它的自改进AI平台能让客户从Google的硬件中榨取更多价值。Neyshabur表示，Mirendil的软件和系统层能帮助客户更好地利用Google的硬件资源。这意味着，Google每签下一个Mirendil，就相当于在它的生态里多了一个硬件放大器。
与此同时，Google也在与AWS、Azure展开激烈的算力合同争夺战。AWS刚刚签下Recursive的4.1亿美元大单，微软Azure则在疯狂押注OpenAI和其自有基础设施。对于Google来说，与其被动防守，不如主动出击，用Mirendil这样的Anthropic系初创公司来证明自己的TPU加GPU混合架构的竞争力。
逻辑二：Mirendil的算力即护城河策略
Mirendil的算力合同还有另一层意义：它不仅是支出的承诺，更是一种战略锁定。
在自改进AI赛道，谁拥有最多的算力，谁就能跑更多次的自我迭代循环，谁就能更快地逼近自我超越的临界点。Mirendil的Google Cloud合同保证了它未来多年的算力供给，同时获得了TPU和GPU两种架构的灵活性。这对于自改进AI尤为重要，因为不同的迭代阶段可能需要不同的计算架构。
从融资策略来看，算力合同也在向投资人传递信号：Mirendil不是在烧钱，而是在囤积生产资料。在AI行业，算力正在从运营成本变成战略资产。谁能提前锁定算力，谁就拥有了未来竞争的入场券。
逻辑三：自改进AI正在从理论走向工程化
递归自改进长期以来是AI研究中的圣杯概念。主要实验室如Anthropic、DeepMind都在研究，但鲜有实质产出。然而2026年正在成为转折点。
Recursive Superintelligence已经公布了第一批公开成果：其系统在NanoChat、NanoGPT Speedrun和SOL-ExecBench等基准测试中击败了人类团队保持两年的记录，甚至超过了人类加AI协作的组合。CEO Socher预计，2026年10月就能推出第一批可用产品。
Mirendil的目标更为宏大。Neyshabur希望其AI最终能承担整个前沿AI实验室的工作。他描述了一个场景。
如何让一个AI系统持续做研究，持续改进自己的知识和表现？这项技术让我们能够为AI设定雄心勃勃的目标，然后让AI自己不断取得进展。
Neyshabur认为，AI可以模仿人类科学家的学习方式，逐步了解新领域、积累知识和专业技能、逐渐提升表现。你可以在一个AI系统上扔一个问题，然后它会随着时间变得越来越好。
算力竞赛的囚徒困境
然而，这场算力狂欢也隐藏着风险。
首先，算力合同的军备竞赛正在制造一个巨大的泡沫风险。Recursive的4.1亿美元AWS合同几乎吃掉了其全部融资，Mirendil的1亿美元合同也占到了种子轮的一半。如果自改进AI的技术路线最终被证明效率低于预期，这些公司可能面临算力烧完、产品未出的窘境。
其次，云厂商的算力换生态策略也带有明显的养蛊特征。Google同时投资Anthropic和Mirendil，AWS同时服务于Recursive和无数其他AI初创公司。当这些AI公司真正成长起来后，它们是否会成为云厂商的竞争对手？这个矛盾目前被巨额算力合同的甜蜜掩盖，但终有一天会浮出水面。
最后，自改进AI本身的技术不确定性仍然巨大。递归自改进在理论上可以通向超级智能，但在实践中，每一轮改进带来的收益递减、评估标准缺失、安全性控制等问题，都还没有被真正解决。
算力就是新石油
算力，正在成为AI行业的新石油。
Mirendil与Google Cloud的这笔交易，表面上是1亿美元的云计算合同，实际上是两种趋势的缩影：云巨头在用基础设施赌未来，AI初创公司则用算力合同筑护城河。当种子轮的一半都押注在算力上时，说明这个行业已经默认了一个事实：在自改进AI的赛道上，算力就是最重要的竞争壁垒。
谁先拿到算力，谁就能多跑一轮自我迭代。谁多跑一轮，谁就离自我超越更近一步。
Recursive有AWS的4.1亿美元保障，Mirendil有Google Cloud的1亿美元支持，Ricursive有Sequoia和Lightspeed的3.35亿美元背书。三家公司，三条路线，同一个目标。但算力不会自动转化为智能。最终能跑出来的，一定是那个能把算力变成自我改进循环效率最高的人。
当算力合同越来越像融资轮次，融资轮次越来越像算力合同，这个行业究竟在追逐什么？
答案或许就在Mirendil的CEO Benham Neyshabur说的那句话里。你可以在一个AI系统上扔一个问题，然后它会随着时间变得越来越好。
问题是，这个时间值多少钱。
快报