两个Anthropic前员工，半年估值68亿

作者 | 铅笔道 黄小贵

编辑 | 铅笔道 邹蔚

封面图丨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。

Mirendil CEO 内沙布尔 来源：a16z

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。

AI加速科学研发示意图 来源：公开资料

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。

Claude AI 来源：公开资料

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。

本文不构成任何投资建议。

AI时代，“一人公司”正在爆发。现在，华为云发起「2026人工智能OPC应用创新大赛」。各阶段公司都能报名。点击图片，立即参赛。

欢｜迎｜联｜系

想获得调研，请联系：qianbidao01

想加入社群，请联系：qianbidao01

想市场合作，请联系：qianbidao01

文章转载，请联系：qianbidao01