Mistral zbiera 2 mld USD przy wycenie 13,5 mld USD, gdy Europa dąży do

Mistral, europejskie laboratorium AI, wykorzystuje napięcia geopolityczne i obawy dotyczące bezpieczeństwa zastrzeżonych modeli amerykańskich firm. Dyrektor generalny Arthur Mensch argumentuje, że modele open-weight, które firma w dużej mierze publikuje na licencjach open source, zapobiegają niekontrolowanej sile korporacji i zapewniają nieprzerwany dostęp do technologii AI. To stanowisko zyskało na znaczeniu, gdy administracja Trumpa w czerwcu ograniczyła dystrybucję modeli Anthropic i OpenAI, a późniejsze incydenty ujawniły zagrożenia bezpieczeństwa w systemach zamkniętych. Według Menscha alternatywą dla zwycięstwa open source jest "dość mroczny świat".

Sytuacja finansowa firmy znacznie się poprawiła. We wrześniu ubiegłego roku Mistral pozyskał prawie 2 miliardy dolarów przy wycenie 13,5 miliarda dolarów i podobno przygotowuje kolejną rundę, która zwiększyłaby wycenę do 23 miliardów dolarów. Przychody wzrosły podobno dwudziestokrotnie w ciągu ostatniego roku, wspierane umowami z rządem francuskim, Microsoftem, HSBC i innymi. Andrea Renda, dyrektor ds. badań w Centrum Europejskich Studiów Politycznych, zauważa, że dążenie UE do suwerenności technologicznej i wrogość USA tworzą sprzyjające środowisko dla Mistral, mimo że jego wyniki nie są spektakularne.

Strategia Mistral odpowiada na rosnące obawy dotyczące bezpieczeństwa łańcucha dostaw AI. Mensch porównuje AI do energii, podkreślając potrzebę zróżnicowanych źródeł, aby żaden podmiot nie mógł odciąć dostępu. Powrót Donalda Trumpa do Białego Domu uczynił ten argument bardziej przekonującym, ponieważ rząd USA demonstruje gotowość wykorzystania swoich możliwości AI przeciwko partnerom handlowym. "Coraz częściej AI jest rozumiane jako główny wektor władzy" – powiedział Mensch WIRED. Nicolas Granatino, założyciel akceleratora startupów StemAI i osobisty udziałowiec Mistral, argumentuje, że udział w ekosystemie open source zmniejsza siłę nacisku USA i Chin.

Mistral zmienił swój model biznesowy, koncentrując się na mniejszych, dostosowanych modelach dla branż takich jak produkcja, energetyka i usługi finansowe, odchodząc od wyścigu do superinteligencji prowadzonego przez amerykańskie laboratoria. Firma rozwinęła działalność chmurową i zespół inżynierów, którzy wdrażają się w organizacjach klientów, co czyni monetyzację modeli open-weight bardziej opłacalną. Granatino zauważa, że pojawienie się tego produktu łagodzi zobowiązania open source, ponieważ przychody mogą pochodzić z prowadzenia infrastruktury i pomagania klientom w dostosowywaniu modeli do ich własnych danych.

Dystylacja, czyli proces szkolenia mniejszego modelu AI na wynikach bardziej zaawansowanego, osłabia przewagę wydajnościową zastrzeżonych modeli amerykańskich laboratoriów. Neil Lawrence, profesor uczenia maszynowego na Uniwersytecie w Cambridge, sugeruje, że powstrzymanie dystylacji wydaje się trudne. Dla firm skupionych na open source, takich jak Mistral, jest to mniej problematyczne, ponieważ ich modele są już dostępne. Udział rynkowy modeli open-weight wydaje się gwałtownie rosnąć, napędzany szybkim przyjęciem chińskich modeli, takich jak DeepSeek, choć luki w publicznie dostępnych danych komplikują obraz.

Mensch twierdzi, że ujawnienie możliwości budowania systemów AI poza kontrolą USA zmienia strukturę rynku. W miarę jak coraz więcej firm zwraca się ku modelom open-weight, uścisk amerykańskich laboratoriów słabnie. Pozycja Mistral w tym momencie, czy to przez przewidywanie, czy przez przypadek, podkreśla przesunięcie w krajobrazie AI w kierunku zdecentralizowanej i dostępnej technologii.