元Anthropic出身者が立ち上げたAIラボMirendilは2026年8月6日、Google Cloudと複数年契約を結び、1億ドルを超える計算資源を確保したと発表しました。GoogleのTPUとNvidiaのGPUの両方を利用できる管理型トレーニングクラスタを得ており、同社が掲げる「自己改善型AI」の開発を加速させる狙いです。今回の契約規模は、6月に確定したシード資金調達の約半分に相当します。
背景と文脈
Mirendilは、CEOのBehnam Neyshabur氏と共同創業者のHarsh Mehta氏が中心となって立ち上げたAIラボです。両氏ともAnthropic出身で、医学・生物学・材料科学といった研究分野の自動化を目指し、科学者が経験を積みながら少しずつ腕を上げていく過程をAIで再現しようとしています。
2026年6月にはシード資金調達ラウンドで評価額10億ドルを記録しました。シード段階でこの規模の評価額がつくこと自体、投資家がAIによる科学研究の自動化に強い期待を寄せている表れといえます。著名研究者が大手AI企業を離れて独立系ラボを立ち上げる動きはここ最近相次いでおり、Mirendilもその流れの一つに位置づけられます。創業陣のAnthropicでの実績が、資金調達を後押しした面もありそうです。
こうした新興ラボにとって、最大の壁になりやすいのが計算資源の確保です。モデルの学習には大量のGPU・TPUが必要になる一方、自前でデータセンターを持つのは現実的ではありません。クラウド大手との提携が、資金調達に次ぐ重要な経営指標になりつつあります。今回の契約規模がシード資金の半分に相当する点からも、計算資源の確保がいかに優先度の高い経営判断かがうかがえます。
技術/ビジネス面
今回の契約でMirendilは、GoogleのTPU(Tensor Processing Unit、Google独自開発のAI計算に特化した半導体)とNvidiaのGPUの双方を、管理された学習クラスタとして利用できるようになりました。Mehta氏は「我々のモデルは、異なるワークロードやチップに合わせて動かすのが非常に得意だ」と述べており、処理内容に応じて最適なハードウェアを使い分けられる点を強みとして挙げています。
Neyshabur氏は「自己改善型AI」について、「問題を投げかければ、時間とともにどんどん賢くなっていくAIを実現できる」と説明しています。これは、AIが自らの学習プロセスや推論手順を継続的に見直し、性能を積み上げていく仕組みを指します。医学や材料科学のような、人間の専門家でも経験の蓄積に年単位の時間がかかる領域の研究を、AIに肩代わりさせることを目指しています。人間の科学者が論文を読み、実験し、失敗から学んで少しずつ腕を上げていく過程を、AIのループとして再現しようという発想です。
これからどうなるか
AI研究の現場では、資金調達の額そのものよりも「どれだけの計算資源を確保できたか」が、開発ロードマップの現実味を左右するようになってきています。Mirendilのように、大手クラウドとの複数年契約を早期に結べるかどうかは、他の新興AIラボにとっても一つの目安になりそうです。自社でAI基盤を構築・拡張する際にも、単一クラウドに依存せずTPU・GPUを使い分ける設計は参考にできる考え方でしょう。学習ワークロードごとに最適なチップを選ぶという発想は、規模の大小を問わず自社のインフラコスト試算にも応用できます。
一方で、「自己改善型AI」という言葉自体はまだ実証段階の概念で、実際にどこまで自律的な性能向上を達成できるかは未知数です。今後、具体的な研究成果や論文が公開されるかどうかが、この取り組みの実効性を見極める材料になります。派手な触れ込みに対して、成果がどこまで裏付けられるか見極める視点は持っておきたいところです。
まとめ
Mirendilは、自己改善型AIによる科学研究の自動化を掲げ、Google Cloudと1億ドル超の複数年契約を結びました。シード評価額10億ドルという規模とあわせ、独立系AIラボへの投資熱の高さがうかがえます。今後の研究成果の公開状況が注目されます。
参考リンク
アイキャッチ画像: Photo by Lukas Kaufmann on Unsplash
