编辑 | 铅笔道 邹蔚
封面图 | ChatGPT 创作
Anthropic 离职员工被疯抢。
就在刚刚，Anthropic 离职员工内沙布尔（Behnam Neyshabur）和梅塔（Harsh Mehta）创办的 Mirendil 在种子轮融了 2 亿美元（约合人民币 13.6 亿元），估值 10 亿美元（约合人民币 68 亿元）。
Mirendil 想做加快科学研发速度的 AI，从而加速药物、材料、机器人等领域的科学发现，团队约 20 人。
本轮投资方包括 a16z、凯鹏华盈、英伟达等。
离职半年，融资 2 亿美元
内沙布尔和梅塔都曾经是 Anthropic 的研究人员。
内沙布尔是 80 后，出生在伊朗，本科和研究生毕业于德黑兰的谢里夫理工大学。2011 年去美国，在丰田工业大学芝加哥分校获得博士学位。
获得博士学位后，内沙布尔在谷歌 DeepMind 工作了 5 年，2024 年 12 月加入 Anthropic，担任研究员。
内沙布尔曾领导 Anthropic 的 Discovery 团队。这个团队关心的不是普通聊天机器人，而是更难的东西：怎样让 AI 具备长期推理能力，怎样让 AI 像科学家和工程师一样参与研发。
梅塔是印度裔，毕业于印度理工学院古瓦哈提分校。在谷歌 DeepMind 时，跟内沙布尔是同事。梅塔先到谷歌，而内沙布尔到谷歌时，已经因为研究 "AI 模型为什么有效 " 而在圈内有名。梅塔主动给内沙布尔发了一封邮件，两人就此成为好友。
加入 Anthropic 后，梅塔担任高级研究科学家，曾在 Anthropic 搭建自动化 AI 研究平台的第一个版本。
2025 年 12 月，哥俩离职创业。
他们很早就对 " 用 AI 加速科学研究 " 感兴趣。只是那时模型能力还不够强。梅塔说，当时的模型 " 真的很差 "。直到大模型和智能体能力快速提升后，他们才认为这件事到了可以创业的时间点。
他们赌的是：如果 AI 已经能帮工程师写代码，为什么不能帮 AI 研究员做实验？如果 AI 已经能读论文、复现实验、改代码，为什么不能进一步参与模型研发？
虽然啥也还没有，但凭借这哥俩的经历，资本愿意提前下注。
2 亿美元，是种子轮里比较大额的融资。
在近年的 AI 项目中，它能排进前列。比它高的，有 Thinking Machines Lab，融资 20 亿美元；Safe Superintelligence 融资 10 亿美元；Advanced Machine Intelligence 融资 10.3 亿美元；Periodic Labs 融资 3 亿美元。
Mirendil 的野心
Mirendil 想做的，不是让 AI 直接去参与药物发现、材料设计、生物实验、机器人训练。
它想先帮科学家和工程师建立自己的 AI 研发能力。
举个例子。
一家药物研发公司，可能很懂疾病机制，也有实验室和临床资源。但它未必有能力训练最先进的 AI 模型。
如果它想用 AI 做药物发现，就会遇到很多问题：要招 AI 研究员、要搭建训练系统、要准备数据、要调模型、要做评估、要把 AI 结果和真实实验连接起来。
这很贵，也很慢。
今天，真正能做前沿 AI 研发的机构，大多集中在少数大公司和顶级实验室。Mirendil 想把这套能力拆出来，变成更多科学家也能使用的平台。
长期看，它想服务更广泛的科学家和领域专家——
材料科学家可以用它设计材料模型；生物学家可以用它建立实验系统；机器人公司可以用它改进训练流程；软件公司可以用它训练自己的专用模型。
Mirendil 的野心不是做一个 AI 工具，而是做一种新的研发基础设施。
Mirendil 选了一条很难的路，普通 AI 产品可以套用大模型 API，然后做一个界面，Mirendil 不行，它要处理的是完整研发闭环——
从提出实验，到写代码，到跑结果，到调试失败，到管理算力，到比较模型，再到决定下一步……这是一套非常复杂的工程系统。
少数大模型公司已经在内部做了类似系统，用 AI 来管理、优化 AI 的母体大模型。Anthropic 公开披露，到 2026 年 5 月，Anthropic 合并进代码库的代码里，超过 80% 由 Claude 生成。同样，谷歌的 AlphaEvolve 已经被用于优化谷歌的数据中心调度、芯片设计和 AI 训练流程。
但这些巨头不会把自己的 AI 研发系统开放给外部。外部科学家和工程师有需求，却没有同等工具。Mirendil 要做的，就是填上这个缺口。
AI 圈风向变了
投资人押注 Mirendil，揭示了 AI 行业的大转向。
第一阶段，大家比的是谁能训练出更强大模型。
在这一时期，OpenAI 推出 GPT 系列，Anthropic 推出 Claude，Google 推出 Gemini。Meta、xAI、Mistral、DeepSeek、MiniMax、月之暗面等公司也加入竞争。
第二阶段，大家比的是谁能把模型变成产品，像 AI 编程产品 Cursor。
现在到了第三阶段：比的谁能更快、更好地用 AI 来改造 AI 本身。
啥意思呢？
前面提到，截至今年 5 月，Anthropic 合并进代码库的代码中，超过 80% 由 Claude 编写。公司还说，典型工程师在 2026 年第二季度每天合并的代码量，是 2024 年的 8 倍。
Anthropic 的工程师不再只是自己敲代码，而是把大量代码生成、调试、测试工作交给 Claude，自己负责提出需求、把关质量和做最终判断。代码产量比两年前提高 8 倍。
Claude 生成的那些新代码，成为 Claude 的一部分，支撑着 Claude 向前进步，生出更多更好的新代码，继续成为 Claude 的一部分……
这个信号很清楚：AI 已经不只是用户端工具，它开始颠覆 AI 公司自己的研发方式。
一开始，人类给目标，AI 执行任务。
再往后，人类给方向，AI 设计路径。
最后，（如果可能的话）AI 能自己提出目标、自己训练模型、自己评估结果，AI 研发速度就可能进入新的阶段。
这是何等强大的能力，你能想象吗？
拿药物研发来说。现在的 AI for science，是科学家告诉 AI 如何如何，加速研发。
Mirendil 想让 AI 自己提出候选分子、设计实验、复现实验结果，整个过程比科学家更快。新材料研发、机器人训练，也是一样的道理。
换一个好理解的词，就是：科学自动化。
当然，这一切都还很远。编程自动化虽然取得初步成功，但科学毕竟复杂得多，科学自动化的效果究竟怎样，谁也没见过。
最后给一个彩蛋：Mirendil 来自托尔金《指环王》里的精灵语，意思接近 " 珍贵事物的朋友 "，也可以理解为 " 发现之友 "。
这很符合它的自我定位。它不是想做一个简单工具，而是想成为科学发现背后的新基础设施。
