Mirendil fecha acordo de US$ 100 mi com Google Cloud para escalar IA autoaperfeiçoável

A startup de inteligência artificial Mirendil fechou uma parceria plurianual de mais de US$ 100 milhões com o Google Cloud para garantir infraestrutura computacional destinada ao desenvolvimento de IAs capazes de autoaperfeiçoamento. A informação foi confirmada pelo cofundador e CEO da empresa, Behnam Neyshabur, em entrevista à repórter Rebecca Bellan, do portal TechCrunch. O valor investido no acordo de computação em nuvem representa cerca da metade do capital levantado pela startup em sua rodada seed no final de junho de 2026, quando a empresa atingiu um valuation de US$ 1 bilhão.

O acordo garante à Mirendil acesso direto a unidades de processamento tensorial (TPUs) do Google e a unidades de processamento gráfico (GPUs) da Nvidia, além de clusters de treinamento gerenciados. O objetivo central do laboratório é utilizar essa capacidade de processamento para criar sistemas autônomos que consigam assumir tarefas complexas equivalentes às realizadas por um laboratório de IA de fronteira inteiro.

A transação evidencia uma tendência crescente do mercado em que provedores de infraestrutura como o Google Cloud buscam atrair startups emergentes garantindo grande volume de capacidade de processamento. Ao mesmo tempo, empresas de inteligência artificial disputam contratos massivos de computação para assegurar acesso contínuo aos recursos necessários para a escala de seus modelos.

Detalhes do acordo de infraestrutura

O aporte de mais de US$ 100 milhões focado em capacidade computacional reflete o custo intensivo de treinamento exigido por arquiteturas avançadas. Segundo Behnam Neyshabur, garantir essa cota de processamento com o Google Cloud foi uma decisão estratégica para sustentar as pesquisas do laboratório após a captação que avaliou a Mirendil em US$ 1 bilhão no final de junho.

A alocação de cargas de trabalho entre diferentes aceleradores é um dos pilares operacionais do acordo. O cofundador da startup, Harsh Mehta, ressaltou que os modelos desenvolvidos pela Mirendil são projetados para otimizar a distribuição de tarefas entre diferentes tipos de chips, ajustando o tipo de workload ao hardware mais eficiente disponível na infraestrutura do Google.

"Esses modelos são realmente bons em trabalhar com diferentes cargas de trabalho e chips, e em atribuir as cargas de trabalho certas aos chips certos. Essa flexibilidade nos permite misturar e combinar cargas de trabalho com os aceleradores adequados e, em última análise, reduzir os custos não apenas para nós, mas também para os clientes que usam nossos sistemas", afirmou Harsh Mehta.

A mecânica da IA autoaperfeiçoável

O conceito de autoaperfeiçoamento recursivo (recursive self-improvement) baseia-se em sistemas de inteligência artificial que realizam iterações contínuas para aprimorar o próprio desempenho e conhecimento. A equipe da Mirendil traz bagagem direta dessa linha de pesquisa, já que seus fundadores vieram da Anthropic, um dos principais laboratórios dedicados ao desenvolvimento de modelos de fronteira.

A busca por sistemas autônomos recursivos impulsionou o surgimento de outras startups especializadas no setor, como a Recursive Superintelligence e a Ricursive Intelligence. A tese central da Mirendil é que a automação da pesquisa científica e do desenvolvimento de IA permitirá avanços acelerados em disciplinas complexas, como medicina, biologia e ciência dos materiais.

Explorando o paralelismo entre a metodologia científica e a inteligência artificial, Behnam Neyshabur pontua que os sistemas podem acumular expertise de forma incremental, imitando o processo de aprendizado dos cientistas humanos ao explorar novos domínios do conhecimento.

"Você pode ter uma IA autoaperfeiçoável na qual aponta um problema e ela continua melhorando com o tempo. Como podemos ter um sistema de IA que continue fazendo pesquisas e aprimorando seu próprio conhecimento e desempenho quando se trata da doença de Alzheimer? Essa tecnologia nos permite definir metas ambiciosas para a IA, e a IA continuará fazendo progressos", declarou Behnam Neyshabur.

Orquestração de sistemas e hardware

Superar os gargalos físicos de processamento exige uma abordagem que vá além do ganho isolado de desempenho dos aceleradores. Comentando a parceria com a Mirendil, o vice-presidente sênior e tecnologista-chefe de IA e infraestrutura do Google, Amin Vahdat, destacou a relevância de integrar o ecossistema de software ao hardware.

"O avanço da IA não é mais apenas sobre o desempenho no nível do chip, mas sobre como orquestramos sistemas inteiros de inteligência e superamos as restrições físicas de escala", afirmou Amin Vahdat em declaração oficial.

A camada de software e sistemas desenvolvida pela Mirendil atua na otimização do uso do hardware do Google, permitindo extrair maior rendimento tanto das TPUs quanto das GPUs Nvidia. Em contrapartida, o Google Cloud garante um parceiro estratégico focado em IA recursiva de fronteira, criando tecnologia que poderá ser ofertada posteriormente a clientes corporativos da nuvem.

Impacto para o ecossistema brasileiro

Para o mercado de tecnologia no Brasil, parcerias dessa magnitude entre startups de inteligência artificial e provedores de nuvem como o Google Cloud reforçam a centralidade da infraestrutura gerenciada. Desenvolvedores e empresas brasileiras que utilizam clusters do Google Cloud acompanham de perto como a alocação dinâmica entre TPUs e GPUs Nvidia pode baratear o custo final do processamento de modelos avançados.

Além dos aspectos de infraestrutura, a aplicação da tecnologia de autoaperfeiçoamento em setores como medicina e biologia conversa diretamente com os desafios de centros de pesquisa e healthtechs brasileiras. A busca por soluções automatizadas para doenças complexas como o Alzheimer sinaliza um caminho de integração entre computação de alto desempenho e biotecnologia que impacta pesquisas globais.

O futuro da computação escalável

A busca por eficiência operacional no treinamento de modelos tornou a flexibilidade de hardware um fator crítico para a escala da Mirendil. A escolha por combinar GPUs Nvidia e as TPUs proprietárias do Google Cloud mostra que a competição na nuvem depende cada vez mais de uma orquestração eficiente de sistemas heterogêneos.

À medida que a Mirendil utiliza o orçamento computacional superior a US$ 100 milhões, o setor de tecnologia observa os resultados práticos da automação da pesquisa científica. O trabalho de lideranças como Behnam Neyshabur e Harsh Mehta ajudará a determinar até que ponto a infraestrutura do Google Cloud sustentará o avanço das próximas gerações de sistemas autônomos.