想象一下，一个AI系统，它的核心任务不是写代码、不是画图、也不是回答客服问题，而是——做AI研究本身。它要能提出实验假设，写代码跑训练，分析结果，调试失败，优化内核，管理算力，甚至决定下一步该尝试什么。这听起来像是科幻小说里才会出现的“自我进化”AI，但一家名为Mirendil的初创公司正在试图把它变成现实。

今天，由Andreessen Horowitz（a16z）领投的Mirendil种子轮融资正式官宣。这家公司的野心远不止于做一个更聪明的Copilot。它要打造一个“实验室级的研究平台”，让任何工程师，甚至是非技术背景的科学家，都能像顶尖AI研究员一样，在各自的领域里推动前沿。这笔融资的背后，是一个关于AI行业未来结构的大赌注：当少数几个大实验室垄断了通用模型的训练，真正的价值爆发点，或许在于让整个生态里的“建造者”们，都能亲手触碰并修改模型的权重。

从“调用API”到“修改权重”：AI生态的下一场权力转移

过去几年，AI行业的叙事被“规模定律”牢牢统治。更大的模型、更多的GPU、更贵的训练集群，让人才和资源不断向少数几个巨头实验室集中。这种结构带来了惊人的进步，但也催生了一个隐忧：如果所有创新都依赖于几个API接口，那么那些深藏在各行各业里的数据、知识和领域专长，将永远无法被真正激活。

a16z的合伙人Matt Bornstein和Malika Aubakirova在官方博客中直言：“AI的全部潜力，只有在技术被交到建造者手中时才能实现。”他们以Cursor为例——这家公司从最初调用第三方模型，到在开源模型上构建自己的Composer模型，再到如今在SpaceX预训练前沿模型，每一步都带来了性能和经济效益的跃升。这揭示了一个关键事实：真正有价值的AI工作，往往发生在实验室之外。

Mirendil的切入点正是这个空白。它不满足于提供一个更好的API，而是要打造一个完整的“AI研究操作系统”。这个系统需要覆盖AI研究的全流程：从提出实验方案，到编写和运行代码，解释结果，调试失败，优化内核，管理算力，比较检查点，再到决定下一步方向。这本质上是一个系统工程问题，后端基础设施、Agent框架、评估体系、后训练甚至预训练策略，都必须被一体化设计。

“氛围研究”的诱惑与挑战：当AI开始研究自己

Mirendil的创始人Behnam Neyshabur在Google和Anthropic深耕AI for Science超过7年；Harsh Mehta曾是Anthropic内部“自动研究平台”的初始构建者，一个人从零开始搭建了整个系统；Shayan Salehian是xAI的早期核心成员，从Twitter时代就参与其中；而最年轻的Tara Rezaei，23岁的MIT毕业生和奥赛奖牌得主，带着一股“永不言弃”的冲劲。这个团队组合堪称豪华，且每个人都在大实验室内部见识过“自动研究”的威力。

但问题在于，大实验室们并不愿意把这种能力释放给外界。a16z在博客中隐晦地指出，Fable 5的发布就同时封锁了高级AI研究和生物武器、网络攻击等安全风险。更深层的原因是，当研究团队的核心使命是“用自动化取代自己”时，这本身就是一场巨大的文化变革。没有哪个实验室有强烈的经济动机，去为潜在的竞争对手打造一个可以复制自己核心能力的平台。

Mirendil的创始人将这种愿景称为“氛围研究”（vibe research）。如果成功，它将彻底改变AI生态的结构：材料科学家、药物研发人员、法律顾问、企业软件开发者，甚至编码Agent的构建者，都可以在自己的领域里运行实验、更新权重，而不必依赖少数几个API的黑箱输出。这听起来无比诱人，但挑战同样巨大。

维度 大实验室内部平台 Mirendil的愿景
目标用户 内部研究员 外部工程师、科学家、领域专家
设计动机 提升内部效率 赋能整个生态
数据覆盖 特定研究流程 全流程AI研究（实验、编码、调试、优化）
安全限制 严格封锁（如Fable 5） 需平衡开放与安全
文化阻力 无（内部使命一致） 需克服“自我替代”的文化障碍

独立公司的悖论：既要开放，又要安全，还要赚钱

Mirendil的成立，本质上是在回答一个行业级难题：当AI研究本身可以被自动化时，谁应该拥有这种能力？ 大实验室不愿意给，开源社区（目前主要靠中国模型）可能不是长期解决方案。那么，一个独立的、专注于解决这个问题的公司，似乎是最合理的答案。

但这条路上布满荆棘。首先，Mirendil的产品初期很可能被工程师和AI研究员使用，但它的终极目标是支持非技术用户。这意味着系统必须足够智能，能理解模糊的指令，并能自主处理研究中的各种意外情况。这比任何现有的编码Agent或Copilot都要复杂得多。

其次，安全与开放的平衡将是一个持续的挑战。如果Mirendil的系统真的能高效地进行AI研究，那么它同样可以被用于开发危险的能力。a16z在博客中提到了Fable 5的例子，暗示了这种担忧。Mirendil需要建立一套比现有任何开源模型都更精细的安全机制，同时又不扼杀其核心价值——让更多人参与前沿研究。

最后，商业模式尚不清晰。是像传统云服务一样按算力收费？还是像Anthropic一样提供订阅制？抑或是像Cursor一样，从第三方模型到自研模型逐步演进？Mirendil目前还没有给出明确的答案。但a16z的押注表明，他们相信“让AI研究民主化”本身就是一个足够大的市场，足以支撑一家独立公司的长期发展。

RecodeX 极客视点：Mirendil的种子轮融资，是a16z对“AI生态去中心化”的一次豪赌。它押注的是，当少数巨头垄断了通用模型的训练，真正的创新爆发点将来自那些能够“修改权重”的建造者。但这条路充满悖论：一个旨在让AI研究自动化的系统，如何确保自己不会被用于制造更危险的AI？一个需要“自我替代”文化的团队，如何在大实验室的阴影下吸引并留住顶尖人才？Mirendil的愿景令人振奋，但它需要证明，自己不仅仅是一个更聪明的“研究Copilot”，而是一个真正能重塑AI行业权力结构的平台。