🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

미렌딜은 재귀적 자기개선 인공지능 연구를 확장하기 위해 구글 클라우드와 1억 달러가 넘는 다년 계약을 맺고 TPU, 엔비디아 GPU, 관리형 훈련 클러스터를 확보했다.

📌 핵심 요약

• 인공지능 연구소 미렌딜은 자기개선 인공지능 연구에 필요한 연산 자원을 공급받기 위해 구글 클라우드와 1억 달러가 넘는 규모의 다년 계약을 체결했다.
• 계약 규모는 미렌딜이 2026년 6월 말 기업가치 10억 달러로 조달한 시드 투자금의 약 절반에 해당한다고 공동창업자 겸 최고경영자 베남 네이샤부르가 밝혔다.
• 미렌딜은 이번 계약으로 구글 TPU와 엔비디아 GPU뿐 아니라 여러 훈련 작업을 운영할 수 있는 관리형 클러스터에 접근하게 된다.
• 미렌딜이 개발하는 재귀적 자기개선 인공지능은 지식과 성능을 반복적으로 향상해 장기적으로 첨단 인공지능 연구소 전체의 업무를 수행하는 것을 목표로 한다.
• 미렌딜은 작업별로 적합한 칩을 배정해 비용을 낮추려 하며, 구글은 미렌딜의 소프트웨어 역량과 향후 기업 고객에게 제공할 수 있는 자기개선 인공지능 기술을 확보하게 된다.

🧩 주요 포인트

1. 대규모 클라우드 계약을 통한 연산 자원 선점은 인공지능 기업의 확장 능력을 좌우하는 핵심 조건으로 부상하고 있다.
2. TPU와 GPU를 함께 활용하는 구조는 단일 칩의 성능보다 작업과 가속기를 효율적으로 조합하는 시스템 운영 능력의 중요성을 보여준다.
3. 미렌딜은 연구 인프라와 비용 효율을 얻고 구글은 하드웨어 활용도를 높이는 소프트웨어와 미래 기업용 기술을 확보하는 상호 보완 관계를 구축했다.

🧠 상세 정리

1. 1억 달러가 넘는 다년 연산 계약

미렌딜은 자기개선 인공지능 연구에 필요한 연산 능력을 확보하기 위해 구글 클라우드와 다년 파트너십을 체결했다. 공동창업자 겸 최고경영자 베남 네이샤부르에 따르면 계약 금액은 1억 달러를 넘으며, 이는 미렌딜이 2026년 6월 말 기업가치 10억 달러로 조달한 시드 투자금의 약 절반에 해당한다. 이번 거래는 클라우드 기업들이 대규모 인프라 제공을 앞세워 신생 인공지능 기업을 유치하는 흐름을 반영한다. 동시에 인공지능 기업들이 성장 과정에서 연산 자원이 부족해지는 상황에 대비해 가능한 한 많은 공급 계약을 선점하려는 산업적 움직임도 보여준다.

2. 혼합형 인프라로 확보한 연구 기반

계약에 따라 미렌딜은 구글의 TPU와 엔비디아 GPU, 그리고 구글 클라우드가 관리하는 훈련 클러스터를 이용할 수 있게 된다. 미렌딜은 서로 다른 종류의 가속기와 클러스터를 결합해 자기개선 인공지능의 개발과 훈련을 확대할 계획이다. 회사가 제시한 장기 목표는 하나의 인공지능 시스템이 첨단 인공지능 연구소 전체가 수행하는 수준의 연구 업무를 맡도록 만드는 것이다. 다만 이는 현재 달성된 결과가 아니라 미렌딜이 이번 인프라 계약을 토대로 추구하는 미래 목표이며, 계약의 직접적인 성과는 대규모 연산 자원과 관리형 훈련 환경에 대한 접근권을 확보한 데 있다.

3. 재귀적 자기개선 인공지능의 개념

자기개선 인공지능 또는 재귀적 자기개선은 인공지능 시스템이 반복적인 과정을 통해 자신의 지식과 성능을 계속 향상하는 개념을 뜻한다. 미렌딜 공동창업자들이 몸담았던 앤트로픽을 비롯한 주요 연구소들도 이 주제를 연구해 왔다. 최근에는 리커시브 슈퍼인텔리전스와 리커시브 인텔리전스처럼 같은 목표를 중심으로 설립된 신생 기업들도 등장했다. 미렌딜의 접근은 한 번 훈련을 마친 뒤 고정된 능력을 제공하는 데 그치지 않고, 특정 문제와 목표를 부여받은 시스템이 연구를 지속하면서 관련 지식과 수행 능력을 점진적으로 높이도록 하는 데 초점을 맞춘다.

4. 과학 연구 자동화를 향한 목표

미렌딜은 자기개선 과정이 과학 연구와 인공지능 연구의 상당 부분을 자동화할 수 있다고 본다. 회사는 의학, 생물학, 재료과학처럼 축적해야 할 전문지식이 많고 지속적인 탐구가 필요한 분야에서 과학자의 진전을 지원하는 것을 주요 활용 방향으로 제시했다. 네이샤부르는 인간 과학자가 새로운 분야를 학습하고 지식과 전문성을 쌓으면서 성과를 개선하듯 인공지능도 유사한 과정을 수행할 수 있다고 설명했다. 알츠하이머병 연구처럼 높은 수준의 목표를 시스템에 제시하면 인공지능이 관련 연구와 학습을 계속하며 지식과 성능을 향상하는 형태가 미렌딜이 구상하는 구체적인 사례다.

5. 작업과 칩을 연결하는 연산 전략

재귀적 자기개선 인공지능을 훈련하려면 막대한 연산 능력이 필요하며, 미렌딜은 단순히 많은 칩을 확보하는 것만으로는 충분하지 않다고 본다. 공동창업자 하시 메타는 훈련 효율이 서로 다른 작업을 그 특성에 맞는 하드웨어와 연결하는 능력에 점점 더 좌우된다고 설명했다. 구글이 여러 종류의 칩을 제공하기 때문에 미렌딜은 작업별로 적합한 가속기를 선택하고 조합할 수 있다. 회사는 이러한 유연성이 자체 훈련 비용뿐 아니라 향후 미렌딜의 시스템을 사용하는 고객의 비용도 낮출 수 있다고 주장하며, 혼합형 인프라 운용을 계약의 핵심 장점으로 평가했다.

6. 구글과 미렌딜의 상호 전략적 가치

구글은 인공지능 인프라의 경쟁력이 개별 칩의 성능만이 아니라 전체 시스템을 어떻게 조율하고 물리적인 확장 제약을 넘어서는지에 달려 있다고 강조했다. 미렌딜은 자사의 소프트웨어와 시스템 계층이 고객이 구글 하드웨어에서 더 많은 성능과 효율을 끌어내도록 돕는다고 설명한다. 이는 구글이 경쟁 클라우드 사업자들과의 인공지능 인프라 경쟁에서 활용할 수 있는 요소가 된다. 반대로 구글은 최첨단 재귀적 자기개선 인공지능을 개발하는 전략적 파트너를 확보하며, 해당 기술이 성숙할 경우 이를 기업 고객에게 제공할 가능성도 갖게 된다.

🧾 핵심 주장 / 시사점

• 이번 계약은 자기개선 인공지능 연구의 진척이 알고리즘뿐 아니라 장기간 안정적으로 사용할 수 있는 대규모 연산 자원의 확보와 직결된다는 점을 보여준다.
• TPU와 GPU를 혼합해 작업별로 배정하는 방식은 인공지능 인프라 경쟁의 중심이 개별 칩 성능에서 전체 시스템의 조율과 비용 효율로 이동하고 있음을 드러낸다.
• 클라우드 사업자와 인공지능 연구 기업의 관계는 단순한 자원 구매를 넘어, 하드웨어 활용 소프트웨어와 미래 기업용 인공지능 기술을 서로 교환하는 전략적 협력으로 확대되고 있다.

✅ 액션 아이템

• 미렌딜의 1억 달러 초과 다년 클라우드 계약이 시드 자금의 약 절반을 차지하는 수준인지 자금 배분 비중을 점검한다.
• TPU·엔비디아 GPU·관리형 훈련 클러스터를 작업별로 배정하는 기준을 정해 비용 절감 경로를 비교한다.
• 재귀적 자기개선 AI가 장기적으로 연구소 전체 업무를 맡는 목표 대비 단기 연구 확장 범위를 정의한다.

❓ 열린 질문

• 시드 조달금의 약 절반을 클라우드 계약에 쓰는 구조에서 남은 연구·인력 예산의 여력은 어느 정도인가?
• 작업별 칩 배정이 단일 칩 대비 실제로 어느 구간에서 훈련 비용을 낮추는가?
• 구글이 확보하려는 미렌딜 소프트웨어와 기업용 자기개선 AI 기술의 우선 적용 영역은 어디인가?