Google förhandlar om ett avtal på 1,5 miljarder dollar med Mechanize, en startup som bygger simulerade miljöer för att träna AI-agenter som kan automatisera datorarbete, enligt rapportering från Business Insider. Det potentiella avtalet skulle placera ett relativt ungt företag i toppskiktet av AI-infrastrukturaffärer – och signalera var branschen tror att nästa genombrott kommer ifrån. Det är ett av flera stora drag som omformar sektorn, spåras dagligen i den senaste AI-branschens täckning.
Samtalen, som också rapporterats av Seeking Alpha, fokuserar på Mechanizes satsning på att nyckeln till mer kapabel AI inte bara är större modeller, utan bättre träningsplatser – simulerade arbetsplatser där agenter kan öva på verkliga uppgifter tills de får dem rätt.
Bygga "digitala kontor" för AI
Mechanizes tillvägagångssätt är uppbyggt kring vad forskare kallar förstärkande lärandemiljöer. Som The Decoder förklarade bygger uppstarten "digitala kontor" - simulerade mjukvarumiljöer där en AI-agent får en uppgift, som att navigera i en webbläsare för att köpa ett föremål, och bedöms efter om det lyckas. Agenten får en belöningssignal för att ha gjort rätt och upprepar sedan.
TechCrunch beskrev dessa miljöer som "träningsplatser som simulerar vad en AI-agent skulle göra i en riktig mjukvaruapplikation", och jämförde arbetet med att "skapa ett väldigt tråkigt videospel." Poängen är att utsätta agenter för de röriga, oförutsägbara situationer de kommer att möta i den verkliga världen – rullgardinsmenyer som förvirrar dem, formulär som avvisar dålig input, arbetsflöden med dussintals steg – och lära dem att återhämta sig.
Till skillnad från statiska datamängder, som dominerade den tidigare eran av AI-träning, är dessa miljöer interaktiva. En agent som tar en fel vändning måste kunna försöka igen, och miljön måste vara robust nog att fånga allt oväntat beteende som dyker upp och ändå leverera användbar feedback.
En ny guldrush runt RL-miljöer
Mechanize är inte ensam. Enligt TechCrunch har satsningen på förstärkande inlärningsmiljöer skapat en ny klass av välfinansierade startups – inklusive Mechanize och Prime Intellect – medan etablerade datamärkningsföretag som Mercor och Surge investerar hårt för att hålla jämna steg. Alla, sa en källa till publikationen, "tittar på det här utrymmet".
Ambitionen som driver boomen fångas av en slående jämförelse: investerare hoppas att ett av dessa företag kommer att bli "Scale AI for environments", en referens till datamärkningskraftverket som hjälpte till att driva chatbot-eran. Om förstärkande inlärningsmiljöer visar sig vara underlaget för nästa steg i AI-kapacitet, kommer företaget som tillhandahåller dem att få enorma värden.
De stora labben uppmärksammar det. Med hänvisning till informationen rapporterade TechCrunch att ledare på Anthropic har diskuterat att spendera mer än 1 miljard dollar på förstärkande lärmiljöer under nästa år - en siffra som sätter Googles rapporterade Mechanize-samtal i ett sammanhang.
Ett kontroversiellt uppdrag
Mechanize har uppmärksammats inte bara för sin teknik utan för sin uttalade ambition. Företaget har öppet beskrivit sitt mål som "full automatisering av allt arbete", en inramning som har genererat intensiv debatt. New York Times, Fortune och TechCrunch har alla undersökt startupens provocerande uppdrag, med kritiker som ifrågasätter de samhälleliga konsekvenserna av att automatisera bort mänskligt arbete och supportrar som hävdar att sådan automatisering är både oundviklig och i slutändan fördelaktig.
Den kontroversen har inte avskräckt investerare. De rapporterade Google-förhandlingarna tyder på att minst en hyperscaler ser tillräckligt med tekniska löften – och tillräckligt konkurrenskraftig brådska – för att begå miljarder.
Varför Google skulle vilja in
För Google skulle ett djupt partnerskap med en ledande miljöstartup tjäna flera strategiska mål. Bättre utbildade agenter skulle kunna stärka Googles egna kodnings- och produktivitetsverktyg, minska dess beroende av utbildningsdata från tredje part och ge det ett försprång på den framväxande marknaden för AI-agenter som kan använda programvara för en användares räkning.
Det skulle också hjälpa Google att hålla jämna steg med rivaler som häller resurser på samma gräns. När agenter blir kapabla att utföra genuint arbete - skriva kod, hantera inkorgar, slutföra köp - kan de företag som äger de bästa utbildningsmiljöerna ha en avgörande fördel.
Vägen framåt
De rapporterade samtalen är ännu inte ett slutfört avtal, och siffror i sådana förhandlingar skiftar ofta. Men enbart skalan – en summa norr om 1,5 miljarder dollar för en startup fokuserad på simulerade arbetsmiljöer – illustrerar hur snabbt tyngdpunkten i AI rör sig från rå modellstorlek mot den infrastruktur som behövs för att göra modeller verkligt användbara.
Om avtalet stängs skulle Mechanize ansluta sig till en liten grupp företag som förankrar nästa fas av AI-utbyggnaden: inte laboratoriet som bygger modellerna, utan leverantörerna som lär dem hur man arbetar.
Från chatbots till agenter som agerar
Intresset för Mechanize speglar en bredare brytpunkt inom området. De senaste två åren definierades av chatbots – system som svarar på frågor och genererar text. Den nuvarande vågen definieras av agenter: system som vidtar åtgärder, ofta över många steg, för att uppnå ett mål. En agent kan undersöka ett ämne på webben, utarbeta en rapport och arkivera den, allt med begränsad mänsklig övervakning.
Det där språnget från passiv svarare till aktiv operatör är svårt. Det kräver modeller som kan planera, återställa från fel, använda verktyg och bestå över långa horisonter – funktioner som statiska datauppsättningar är dåligt lämpade att lära ut. Miljöer för förstärkande lärande tar upp just denna klyfta, vilket är anledningen till att de har blivit fokus för så mycket kapital och uppmärksamhet. De företag som på ett tillförlitligt sätt kan producera dugliga agenter kan omdefiniera stora kategorier av kunskapsarbete.
Risker och öppna frågor
Löftet kommer med betydande olösta utmaningar. Miljöer som utbildar agenter att använda riktig programvara kan introducera nya säkerhetsrisker om dessa agenter senare ges tillgång till livesystem. Forskare har dokumenterat fall där AI-agenter, när de testades, vidtog oväntade och ibland vilseledande åtgärder - en påminnelse om att autonomi och tillförlitlighet inte går framåt i lås.
Det finns också ekonomiska och sociala frågor som tekniken väcker snabbare än samhället kan svara på. Om en enskild startup lyckas automatisera betydande delar av kontorsarbetet kommer ringeffekterna på sysselsättning, utbildning och fördelningen av produktivitetsvinster att bli djupgående. Mechanizes öppet uttalade uppdrag säkerställer att dessa frågor inte förblir hypotetiska länge – och storleken på Googles rapporterade intresse tyder på att branschen behandlar dem som ett problem att lösa, inte en anledning att sakta ner.
