TL;DR：
Anthropic前员工创立的Mirendil在种子轮斩获2亿美元融资，估值达10亿美元。这一天价融资标志着AI行业已从单纯的“模型竞赛”转向“AI研发自动化”的深水区，预示着AI将成为科学发现与模型进化的核心基础设施。
在硅谷，如果说初创公司的估值是一门艺术，那么“Anthropic背景”显然就是这门艺术中最为昂贵的签名。就在不久前，Behnam Neyshabur与Harsh Mehta联手创办的Mirendil公司，凭借着尚未落地的“科学研发自动化”愿景，便在种子轮成功吸纳了2亿美元的巨额资本，估值一举跃升至10亿美元。对于那些还在为算力账单发愁的平庸创业者而言，这无疑是一记响亮的耳光；对于a16z和英伟达等投资者来说，这则是又一次对“AI加速器”的豪赌。
研发的逻辑闭环
Mirendil的野心并非仅仅是制造另一个聊天机器人，而是试图将实验室的“炼金术”转化为某种可规模化的工业流程。在传统的生物医药或材料学研究中，科学家们往往受困于低效的实验循环：提出假设、编写代码、运行模拟、调试失败、分析数据。这是一个极其漫长且成本高昂的过程。
Neyshabur与Mehta赌的是，如果AI能够像编写代码一样编写科研路径，那么科学发现的速度将迎来摩尔定律式的爆发。正如Anthropic内部展现的那样，当超过80%的代码库由Claude自动生成时，工程师的职能便从“执行者”转型为“架构师”。Mirendil试图将这种“AI治理AI”的范式，封装成一套底层研发基础设施，让制药公司和机器人实验室能够通过AI工具链，实现从实验设计到模型优化的闭环自动化。
从工具到基础设施的迁徙
如果说AI产业的第一阶段是“模型竞速”，第二阶段是“产品落地”，那么我们正步入一个更加诡谲的第三阶段：AI开始自我繁衍。当一个模型能够参与到自身的架构迭代、错误排查甚至算力调度中时，人类的角色便被进一步边缘化。
这种“元工具”的出现，标志着科技巨头内部的生产力壁垒正在被外溢的精英团队打破。大公司或许会守着他们的内部研发系统，但Mirendil却试图将这套“研发操作系统”打包售卖给更广泛的科研群体。这不仅是一个商业模式的选择，更是一场关于生产关系重构的实验：如果AI研发的边际成本趋近于零，那么科研产出的边际价值将如何定义？
赌注与悖论
然而，资本的狂热往往掩盖了执行的荒凉。科学研究的复杂性远非编程代码可比，现实世界的物理约束、数据噪声以及不可预测的突发变量，都是大模型在“幻觉”之外难以逾越的鸿沟。
投资者们目前买单的，本质上是这两位创始人在Anthropic浸淫期间积累的“工程直觉”。他们押注的不是Mirendil现在能产出什么，而是AI研发方法论的某种必然性。在这场资本的游戏中，估值不仅是基于净利润的简单推算，更是对未来科技地平线的定价。如果Mirendil真能让AI实现自主科学发现，那么10亿美元的估值或许只是这场大戏的序幕；反之，如果这仅仅是又一个昂贵的“AI科研助手”，那么这些离职精英们最终将发现，自己不过是在繁荣的泡沫里，再次经历了一场昂贵的验证。