让AI反复做实验、评估结果，再据此改进下一轮模型，就像给研究团队配上一套不断试错的自动化系统。问题是，每一轮都要消耗算力。据TechCrunch报道，AI实验室Mirendil已与Google Cloud签署多年合作，金额超过1亿美元，用于其“自我改进AI”研究。
协议将提供Google TPU、Nvidia GPU和托管训练集群。TPU和GPU都是加速AI计算的芯片；训练集群则把大量芯片、网络和存储组织起来共同工作。Mirendil称，不同任务可以匹配不同芯片，以降低自身及客户的成本，并希望这类系统将来能持续推进AI与科学研究。
这笔订单值得关注，不只是因为金额约相当于Mirendil六月底种子轮融资的一半。它也说明，自我改进系统与AI科研正在成为新的大规模云算力买家。不过，“自我改进”通常仍包括生成训练材料、评估和迭代模型，并不等于AI已能脱离人类监督自行升级；签约金额也不代表全部算力已经交付或使用。