23岁女孩,她参与创办的AI公司,估值飙到330亿了
作者丨林夕编辑丨小龙 封面丨AI处理一位23岁的女孩,参与创办了一家估值超330亿元的AI独角兽。11月12日,AI创业公司Mirendil宣布完成10亿美元(约合人民币67亿元)A轮融资,由Kleiner Perkins和Clearlake Capital联合领投,Google等机构参与投资。五个月前,公司刚完成2亿
作者丨林夕
编辑丨小龙
封面丨AI处理
一位23岁的女孩,参与创办了一家估值超330亿元的
11月12日,AI创业公司Mirendil宣布完成10亿美元(约合人民币67亿元)
这家成立不到一年的公司有四位联合创始人,其中一位是23岁的Tara Rezaei,毕业于
Mirendil的CEO Behnam Neyshabur和CTO Harsh Mehta此前都在
成立不到一年,Mirendil累计融资已达到12亿美元。
Tara Rezaei是Mirendil四位联合创始人中最年轻的一位。她毕业于MIT,曾于2024年在多智能体系统。
她的几位创业伙伴,在AI行业已有多年研发经历。
CEO Behnam Neyshabur曾在Google工作超过五年,参与
CTO Harsh Mehta在Google工作近十年,后来加入Anthropic,参与模型预训练和自动化AI研发平台建设。据投资方
两人的交情始于2019年。当时,Mehta主动给Neyshabur发了一封邮件,两人因此结识。此后,他们先后在Google和Anthropic共事。
2025年12月,两人离开Anthropic,与曾在Grok研发的Shayan Salehian,以及Tara Rezaei共同创办Mirendil。
他们希望解决的问题,是如何让AI承担更多模型研发工作。
训练一个前沿模型,通常需要研究员、工程师和基础设施团队共同协作。研究员提出想法,工程师编写代码,算力团队负责训练,再由研究人员评估结果。一个实验可能持续几天甚至几周。
Mirendil尝试让
Anthropic自己也在推进自动化AI研发,同时公开讨论过
Mirendil目前公布了三项主要技术成果。
Mirendil-Base
第三项是多Agent研发平台
Lor
10月28日,Tara在社交平台介绍了Lor。她展示了这套系统的几项能力,包括让Agent获取算力、并行管理数百个Agent、长时间运行,以及跨机器执行任务。
用户可以向Lor提出研发目标,系统随后调度多个Agent,分别编写代码、调用
Mirendil称,Lor可以同时调度数百个Agent,让它们连续工作数天。目前产品仍处于封闭测试阶段。公司尚未披露Tara在Lor研发中的具体职责。
Lor还支持调用Claude、GPT、
潜在客户还包括药企、生物技术公司、材料研究机构和大学实验室。不过,公司尚未公开具体客户数量和商业收入。
10月21日,Mirendil公布了一项研发成果:一名研究员借助
公司称,超过99%的代码由AI Agent编写,Agent还负责运行实验、诊断失败原因。研究员主要负责决定研究方向,以及判断哪些结果值得继续验证。
上述数据来自Mirendil自身披露,模型表现和研发效率仍有待独立评测。
虽然AI Agent可以承担部分工程师的工作,但模型训练、实验测试和参数调整仍需要大量算力。尤其是研发过程存在不确定性,一个实验可能运行数天,最终却没有得到有价值的结果。
今年8月,Mirendil与Google Cloud达成多年合作,使用Google
Google同时也是Mirendil的投资方。对于高度依赖算力的AI创业公司来说,融资与云计算资源采购往往紧密相关。
Mirendil的融资速度也相当惊人。成立后的
但公司尚未公开具体收费模式,也没有披露客户收入、毛利率和续费数据。Lor未来可能通过平台订阅、模型调用和算力使用收费,实际商业化进展仍需观察。
国内已有创业公司探索类似方向。
今年9月,超衍智能宣布完成天使轮及天使+轮融资,累计融资近4亿元。公司由清华大学人工智能学院助理教授陈勇超创立,聚焦
另一家是无界进化。它由晶泰科技孵化,主要研究
无界进化更聚焦生物学研究。它一边训练能够预测细胞响应的基础模型,一边建设自动化实验体系,用真实实验结果检验模型预测,再将新数据反馈给模型。
与Mirendil的AI研发自动化平台相比,无界进化的研究对象更具体,主要围绕生物学实验与模型迭代。两者都在探索让AI承担更多研究任务,但技术路径和商业场景有所不同。
与此同时,Google、OpenAI、Anthropic等大公司也在建设自动化AI研发系统,拥有成熟的模型、研究团队和算力基础设施。
对于23岁的Tara来说,她参与创办的Mirendil已经累计融资12亿美元,但公司尚未披露足够的商业化数据。未来能否将自动化研发能力转化为稳定收入,还需要看Lor的客户使用情况、实际研发效率和算力成本。