Anthropic员工离职创业,估值10亿美元,也做「递归自我改进」

marsbit发布于2026-06-26更新于2026-06-26

文章摘要

Anthropic两位前员工Behnam Neyshabur和Harsh Mehta离职创业,成立了名为Mirendil的AI初创公司。该公司已完成由Andreessen Horowitz、Kleiner Perkins和英伟达投资的2亿美元种子轮融资,估值达到10亿美元。创始团队汇聚了来自Anthropic、xAI、Google DeepMind和OpenAI等机构的20名研究人员。 公司的核心愿景是通过“递归自我改进”技术,构建能够自我进化的AI系统,旨在加速科学研究进程。其定位并非直接提供“AI for Science”工具,而是打造一个平台,让各垂直领域的科研团队能够自主训练和迭代其专属的AI模型,即实现“AI for AI for Science”。创始人认为,当前主流AI公司虽内部广泛使用AI辅助研发,但其用户协议限制外部开发者用其模型训练竞争性产品,这恰恰为独立公司创造了市场机会。 Mirendil计划在未来几个月内发布首个模型和产品,目标是赋能全球数千个实验室,攻克重要科学难题。

Anthropic 离职员工创业,起手就是 2 亿美元融资。

最近,从 Anthropic 离职的两位大佬 ——Behnam Neyshabur 和 Harsh Mehta 官宣创业,成立了一家名为 Mirendil 的初创公司。其愿景与田渊栋此前官宣的创业项目类似,都是造出能自我进化的 AI,从而加速人类科研进展。技术路线都是「(递归自我改进)recursive self-improvement」。

公司创始团队由来自 Anthropic、xAI、Google DeepMind 和 OpenAI 等前沿机构的 20 位研究人员和工程师组成,他们因对科学的热情和致力于构建推动科学发展的技术的动力而走到一起。公司名「Mirendil 」来自《指环王》,在精灵语中意为「珍宝之友」。

他们筹集的 2 亿美元种子轮资金来自风险投资公司 Andreessen Horowitz、Kleiner Perkins 以及英伟达。融资后,该公司估值达到 10 亿美元,成为近年来人工智能新公司种子轮估值较高的公司之一。

缘起:一封陌生邮件,

一段长达七年的「搭档关系」

两位创始人的故事,要从 2019 年说起。

彼时,Mehta 还是谷歌的一名普通研究员,而 Neyshabur 刚刚加入谷歌,已凭借对「AI 模型为何有效」这一底层问题的深入研究,在学界小有名气 —— 用 Mehta 自己的话说,「他当时已经算是圈子里的小明星了」。Mehta 鼓起勇气给他发了一封陌生邮件,两人就此结缘。

他们很早就对「用 AI 加速科学研究」这件事充满热情,但当时受限于模型能力,这个想法只能停留在想象层面。直到 2024 年底,两人相继加入 Anthropic,并在 2025 年 12 月,也就是 Claude Opus 4.5 发布后不久选择离职创业。

Claude Opus 4.5 的发布,大幅提升了 AI Agent 处理复杂任务的能力,或许正是这一突破,让他们认为时机已经成熟。

使命:不是「AI for Science」,

而是「AI for AI for Science」

Mirendil 的定位听起来有些绕,但 Neyshabur 一句话说清楚了:「我们做的,是让 AI 来帮助科学家造出他们自己的 AI,而不只是直接用 AI 辅助科学。」

换句话说,他们的目标是构建一套工具平台,让医学、材料学等各个垂直领域的科研团队,能够自主训练和迭代专属的 AI 模型 —— 而不必依赖大厂提供的通用模型。他们举的一个例子是:帮助研究人员建立预测阿尔茨海默症患病风险的模型。

这背后涉及到一个更具争议性的技术路径 —— 递归自我改进(Recursive Self-Improvement),即让 AI 不断优化自身代码和能力。Neyshabur 直接表态,这是通往「AI 加速科学」最短的路径,同时他也认为可以在人类监督下安全推进。「我不接受那种做不到的论断,这只是一个很难的问题而已。」

竞争:大厂的护城河,

恰恰是 Mirendil 的机会

Mirendil 能拿到这笔钱,背后的逻辑也颇为清晰。

目前,包括 Anthropic 在内的主流 AI 大厂,正越来越多地将 AI 用于加速自身的研究。据 Anthropic 披露,截至今年 5 月,其内部超过 80% 的代码已由 Claude 编写。但与此同时,这些大厂在用户协议层面明确限制外部开发者用其模型来训练竞争性产品。

这种「自用不外借」的策略,在 a16z 投资人 Matt Bornstein 看来,不过是大厂作为「理性经济主体」的正常反应。但也正因如此,市场上出现了一个结构性空缺,必须有一家独立公司来做这件事。

除两位联合创始人外,Mirendil 的核心团队还包括曾在马斯克旗下 xAI 担任早期成员的 Shayan Salehian,以及麻省理工学院毕业的 Tara Rezaei。目前公司共有约 20 名技术人员,办公室位于旧金山市中心。

未来几个月,Mirendil 计划发布首个模型和产品,面向用户收集早期反馈。Neyshabur 对此的愿景是:「我们希望未来世界上能有数千个实验室存在,每一个都在攻克我们这个时代最重要的问题。我们想成为赋能他们的那个力量。」

参考链接:

https://x.com/bneyshabur/status/2069860934148079800

https://www.wsj.com/tech/ai/anthropic-veterans-startup-seeks-to-help-scientists-develop-their-own-ai-09e2f3e5?mod=author_content_page_1_pos_1

本文来自微信公众号“机器之心”,作者:机器之心编辑部

相关问答

Q这篇文章主要报道了哪家初创公司的成立及其愿景?

A这篇文章主要报道了由前Anthropic员工Behnam Neyshabur和Harsh Mehta创立的初创公司Mirendil。其愿景是开发能进行“递归自我改进”的人工智能,从而加速人类科研进展。

QMirendil公司的创始人背景如何?他们是如何结识的?

A公司联合创始人是Behnam Neyshabur和Harsh Mehta,他们都曾是Anthropic的员工。Mehta于2019年在谷歌工作时,通过一封陌生邮件联系了当时已在AI研究领域小有名气的Neyshabur,两人由此结识。

QMirendil公司的具体目标是什么?它与传统的“AI for Science”有何不同?

AMirendil的目标不是直接用AI辅助科学,而是构建工具平台,让各垂直领域的科研团队能够自主训练和迭代专属的AI模型,即“AI for AI for Science”。其核心是提供工具,赋能科学家打造自己的AI,而不是提供现成的通用AI解决方案。

QMirendil公司获得了哪些投资方的支持?其种子轮融资后估值是多少?

AMirendil的2亿美元种子轮资金来自风险投资公司Andreessen Horowitz、Kleiner Perkins以及英伟达。融资后,该公司估值达到了10亿美元。

Q根据文章,为什么Anthropic等大厂的行为反而给Mirendil创造了市场机会?

A因为Anthropic等主流AI大厂越来越多地将AI用于加速自身研发,但同时在用户协议中限制外部开发者使用其模型来训练竞争性产品。这种“自用不外借”的策略,在投资人看来创造了一个结构性市场空缺,需要有独立的公司(如Mirendil)来为外部科研团队提供自主训练AI模型的工具。

你可能也喜欢

“喊单王” Arthur Hayes再出手,这次他盯上了Deribit

6月29日,BitMEX联合创始人Arthur Hayes通过OTC平台购入约616万枚SYN代币(价值约220万美元),并在社交平台发文,称SYN是其自HYPE以来看到的“最具不对称性的投资之一”,并直言“现在到了期权DEX正式挑战Deribit的时候了”,认为Synapse团队打造的链上期权协议Hypercall将是挑战者。受此影响,SYN价格24小时内涨幅超40%,2026年6月以来累计涨幅已超10倍。 Synapse Protocol最初是跨链基础设施,近期其团队推出了链上期权交易协议Hypercall,部署于Hyperliquid生态。该协议主打去中心化、无许可、无强平风险等特点,目前处于主网Alpha阶段,已支持交易SpaceX等标的期权。 Deribit是当前加密期权市场的中心化霸主,占据约85%的市场份额,优势在于流动性深度和专业工具,但也存在托管风险、KYC门槛等局限。文章分析认为,Hypercall凭借其链上透明度和与DeFi生态的整合能力,可能在DeFi原生及新兴资产期权领域形成差异化竞争,但短期内难以撼动Deribit的主导地位。 文章最后提及,Arthur Hayes近期的“喊单”记录呈现分化,其此前大力看好的HYPE曾被他清仓后又部分买回,其家族办公室近期推荐的项目CARDS在报告发布后价格也出现下跌。链上侦探ZachXBT曾质疑其喊单行为为粉丝创造了“退出流动性”,Hayes则回应称自己只是正常交易。

marsbit32分钟前

“喊单王” Arthur Hayes再出手,这次他盯上了Deribit

marsbit32分钟前

AI 席卷全球,Crypto + AI 为何一片惨淡?

这篇文章探讨了在人工智能(AI)蓬勃发展的背景下,区块链(Crypto)与AI结合的赛道为何表现惨淡。文章通过需求侧分析,将“区块链+AI”领域划分为四个细分赛道:去中心化算力、去中心化存储、模型验证与隐私保护、AI智能体基础设施。 文章指出,当前困境的核心并非技术结合逻辑矛盾,而是严重的供需错配。传统AI产业的核心需求是短期性能提升、成本优化和基建稳定性;而现有的区块链AI方案多聚焦于数据主权、去中心化和透明校验等长期或次要议题,且往往在性能或稳定性上存在妥协,导致企业缺乏迁移动力。 具体来看:去中心化算力和存储虽有逻辑合理性,但技术优势不足以让企业承担切换风险;模型验证和隐私技术因缺乏紧迫的监管驱动而需求滞后;AI智能体基础设施则面临市场需求(当前聚焦内部自动化)与技术愿景(服务未来跨网络自治智能体)不匹配的问题。目前,唯有AI智能体支付赛道,因区块链与传统金融均未妥善解决行业痛点,而具备直接竞争的条件。 文章认为,该赛道缺乏标杆性落地案例是阻碍其获得主流关注的关键。其长期价值依然存在,但未来发展取决于能否有效适配市场真实需求:要么主动补齐短期性能短板以融入现有AI产业链,要么坚持布局,等待下一代AI范式成熟带来需求爆发。

Foresight News42分钟前

AI 席卷全球,Crypto + AI 为何一片惨淡?

Foresight News42分钟前

世界模型概念入门:一个从心理学烧到 AI 主战场的故事

世界模型是当前AI领域的热门概念,旨在让机器像人类一样,在行动前通过“脑内沙盘”预演和推演未来。其核心思想可追溯至1943年心理学家Kenneth Craik提出的“心智模型”,以及AI先驱Marvin Minsky的“框架理论”。2018年,David Ha与Jürgen Schmidhuber的论文将这一概念带入深度学习主流。 当前,学界和产业界对世界模型的定义尚未统一。Yann LeCun强调其应理解物理规律,提出JEPA架构;李飞飞则基于POMDP框架,将世界模型分为渲染器、模拟器和规划器三类;清华大学FIB-Lab将其功能归纳为“理解世界”与“预测未来”。OpenAI的Sora、Google DeepMind的Genie 3、英伟达的Cosmos等大厂产品,分别从视频生成、3D交互、物理仿真等角度切入。 技术路线主要分为三类:一是“画画”路线,即生成式视频模型,视觉逼真但物理一致性弱;二是“心算”路线,预测抽象表征,效率高但可解释性差;三是“搭积木”路线,生成精确的三维环境,可控但泛化能力有限。发展趋势是三者融合,并向World Action Model(WAM)演进,实现状态预测与动作生成的联合学习。 产业链已形成基础支撑层、技术平台层和场景应用层三层结构,在自动驾驶、具身智能等领域应用广泛。尽管概念尚未统一,但这反映了技术早期的多元探索,最终目标都是让机器拥有可推演、可泛化的内部世界模型,以实现更安全、高效和通用的智能行为。

marsbit1小时前

世界模型概念入门:一个从心理学烧到 AI 主战场的故事

marsbit1小时前

交易

现货
活动图片