Mistral CEO Arthur Mensch 谈主权 AI 与算力瓶颈

Harry Stebbings 询问欧洲为什么需要自己的前沿 AI 公司。Mistral 联合创始人兼 CEO Arthur Mensch 认为，AI 对经济足够重要，无法生产这一技术的地区可能难以创造增长，尤其是在获取技术日益受到出口管制的情况下。

Mensch 说，主权是结构性经济问题，不只是对某届政府的反应。如果 AI 成为核心业务流程的一部分，国家和公司就需要考虑支出流向、成本控制、技术获取，以及在数据附近定制系统的能力。

他将 Mistral 的服务分为三个部分：持续训练模型、在客户环境中部署平台以保留敏感数据，以及为能耗密集的 token 生成提供基础设施。他认为，持续获得改进的模型对客户业务连续性很重要。

被问到中国开放权重模型与隐藏后门时，Mensch 说 Mistral 除自己的模型外也提供第三方模型，因为客户需要选择。他说，公司可以对自己控制训练数据的模型提供更强保障，同时监控第三方模型的异常行为。

Mensch 称，通过模型行为发动刻意的供应链攻击是一种理论风险，而不是他说目前正在发生的情况。他估计 Mistral 大约 80% 的 token 流量来自自家模型。客户的顾虑程度不同：他说国防和金融客户通常比部分零售商或制造商更谨慎。

他说另一个问题是，随着各国政府将强大 AI 视为军民两用技术，客户在六个月后是否还能获得模型更新。被问到封闭模型对社会有利还是有害时，他没有下结论；他担心少数集中式供应商会获得针对客户的议价优势。

Mensch 认为，公司需要集中市场之外的选择，并说开放权重模型在许多领域正在追赶。他认为 Mistral 的作用是为希望保持控制权的组织提供模型和部署选择。

Stebbings 询问欧洲的能源约束。Mensch 估计能源约占算力总拥有成本的 10%，芯片和资本在账单中更重要。他说欧洲各地供应情况不同，法国和北欧仍有可用容量，并预计能源约在 2029 至 2030 年成为更严重的限制。

Mensch 说，眼下的重点是利用现有能源建设，同时政府和供应商需要为需求增长提前规划。他指出核电站建设需要时间，而太阳能容量可以更快部署。

采购算力需要协调 GPU、CPU、存储、电气设备、供应商、需求预测和融资。他说 Mistral 对企业与 AI 原生公司的需求采用不同预测方式，并尝试在需求出现前建设容量。

Mensch 说，如果资本不受限制，Mistral 会建设更多容量。他认为欧洲算力需求超过供应，因为客户会将小规模试验扩展为大得多的部署。

被问到政府应做什么时，他呼吁加快许可、协调地方与国家层面的相关方，并为长期数据中心租约提供担保。他说公共部门采购也可以创造需求，支持进一步基础设施投资。

Mensch 不认为每个国家都会训练自己的前沿模型，因为支持一个模型需要足够大的市场。他说 Mistral 大约 60% 的收入来自欧洲，其余来自美国和亚太地区。

他介绍了四个重点领域：制造、金融服务、国防和公共部门。他说，在制造业，Mistral 使用推理和物理模型与研发团队合作设计产品；在金融业则提供用于定量工作的模型和工具。

被问及 Mistral 是否会制造自己的芯片时，Mensch 说目前没有这样的计划。公司已从模型训练扩展到自有基础设施和客户应用，他预计扩大这一体系就足以让团队忙碌一段时间。

Mistral 工程师最初直接与客户合作，以了解聊天机器人和个人生产力工具在哪些方面不足。Mensch 说，这些项目帮助公司形成了管理工作流、智能体、沙箱和部署的通用工具。

他说，直接参与客户工作仍有价值，但不可能无限扩张。Mistral 也在培训系统集成合作伙伴，让他们与公司团队一起实施和维护项目。

Mensch 描述了两个相互配合的收入来源：构建业务应用的平台许可，以及包括 GPU 和 token 服务在内的基础设施用量收入。他预计，随着智能体执行更多后台任务，运行时、沙箱、CPU 容量和存储业务会增长。

谈到政府销售，他说不同国家差异很大：小型政府可能类似企业客户，而大型政府可能需要更多工作才能找到正确的问题和决策者。

他将按需推理描述为类似大宗商品的市场，同时也存在一个高端市场，为客户提供预留容量和延迟或生成速度保障。更准确的客户需求预测有助于供应商规划容量和定价。

被问到新的 AI 实验室如何脱颖而出时，Mensch 提到招聘研究人员、持续改进模型以及选择可以扩大的市场。他说，Mistral 聚焦企业市场意味着需要让产品适应要求严格的客户。

他认为，以合理价格获得算力是研究型初创公司的一大瓶颈。谈到大型训练任务时，他说芯片设计或工业工程所需的高质量数据与训练环境很难扩展，并不预计很快出现 1,000 亿美元的训练任务。

Mensch 说，垂直整合帮助 Mistral 以客户承诺为基础融资建设算力。他提醒说，工业建设过度依赖杠杆可能变得脆弱。

他说 Mistral 有意避免深入拓展消费者市场，而是聚焦企业垂直领域。AI 几乎可以用于任何地方，因此选择客户和工作流能够帮助公司集中精力。

被问及自我改进 AI 时，Mensch 说改进循环需要定义清楚的问题和算力。企业中的模糊目标及人工参与仍然难以处理；面向客户的工程师会先帮助定义问题，再进行优化。

Mensch 承认，公司需要证明 AI 能创造分布广泛的经济价值，这带来了压力。他认为技术必须改善实际生产，并以更好的工厂、飞机、能源系统和金融服务作为可能的增长路径。

在最后的提问中，他预测智能体将在更多工程学科得到使用，认为未来在欧洲上市是可能的，并对 AI 驱动的模拟和基础科学感到期待。这些都是他的预期。