Mistral AI привлекла $3,5 млрд в раунде Series D, оценив парижскую компанию более чем в $24 млрд. Это крупнейший раунд акционерного финансирования для частной европейской технологической компании. Французская лаборатория использует капитал, чтобы продавать компаниям контроль над тем, где и как работает их ИИ, а не только доступ к моделям. Для бизнеса раунд сигнализирует: европейский поставщик пытается конкурировать гибкостью развёртывания, а не только производительностью моделей.
Что меняет раунд Series D
Раунд закрылся во вторник и поднял оценку Mistral выше $24 млрд. У стартапа, основанного в 2023 году, теперь больше капитала для инвестиций, но его финансовые ресурсы по-прежнему меньше, чем у ведущих американских разработчиков передовых моделей, таких как OpenAI и Anthropic. Этот разрыв затрудняет конкуренцию Mistral только за счёт разработки моделей. Вместо этого компания делает ставку на то, что больший контроль и гибкость — ключевые атрибуты суверенного ИИ — привлекут корпоративных клиентов, даже когда у других поставщиков есть преимущество в производительности. Проверка в том, сочтут ли компании этот дополнительный контроль достаточно ценным, чтобы он повлиял на выбор поставщика ИИ.
Подход Mistral с открытыми весами — центральный элемент её предложения. Модели с открытыми весами позволяют компаниям держать чувствительные рабочие нагрузки под собственным контролем или избегать зависимости от одного поставщика. Mistral также размещает сторонние открытые модели на своей инфраструктуре, давая клиентам больше гибкости в развёртывании ИИ. Для компаний эта гибкость может означать больший контроль над тем, где обрабатываются данные, насколько можно адаптировать модель и как легко сменить поставщика. По словам Джита Паттанаика, основателя и технического директора Glokal AI, модели с открытыми весами снижают риск привязки к одному поставщику, давая компаниям больше вариантов, если условия, цены или доступ изменятся.
Больший контроль может также потребовать от клиентов больше работы — от управления инфраструктурой до поддержки моделей. Для некоторых компаний эта дополнительная ответственность может быть разумной ценой. Акаш Тхакур, архитектор обеспечения надёжности сайтов в Cognizant, сказал, что такой компромисс может быть оправдан для компаний, которым не нужна абсолютно передовая модель. Многим компаниям, по его словам, нужна работоспособная модель, которой они могут владеть, настраивать и управлять на своих условиях. Mistral строит продукты вокруг этого спроса. В августе она представила региональный вывод, позволяющий клиентам выбирать, будет ли обработка происходить в Европе или в США. Компания также заявила, что планирует создать до 1 гигаватта европейских вычислительных мощностей к 2030 году и поддерживает сторонние открытые модели на своей инфраструктуре.
Mistral сообщает, что сейчас обслуживает более 125 компаний в 20 странах, включая Airbus, ASML и HSBC. Это даёт компании опору среди крупных корпоративных покупателей, но не обязательно показывает, что именно суверенитет или контроль определили эти решения о покупке. Для ИТ-директоров и технических директоров контроль по-прежнему конкурирует с более привычными критериями: производительностью модели, стоимостью, надёжностью и простотой развёртывания. Паттанаик отметил, что открытые веса чаще становятся решающим фактором при равенстве других условий, а не основным критерием покупки, за исключением рабочих нагрузок с регулируемыми данными или систем, которые должны работать постоянно. В таких случаях контроль может стать требованием, а производительность рассматривается только среди моделей, которые ему соответствуют.
Что это значит для покупателей корпоративного ИИ
Для компаний, которые используют или внедряют ИИ, этот сдвиг наиболее заметен в закупках. Бизнес может ценить больший локальный контроль над своей ИИ-инфраструктурой, но всё равно выбрать американского поставщика, если его модель существенно мощнее или проще в развёртывании. Mistral должна доказать, что контроля достаточно, чтобы повлиять на решение о покупке. Для небольшой компании дополнительная работа по управлению инфраструктурой и поддержке моделей может перевесить выгоды, особенно если нет выделенных инженеров. Для крупного предприятия, особенно в регулируемой отрасли, возможность держать данные и обработку под собственным контролем может оправдать эту работу. Разница не в самой технологии, а в ресурсах, доступных для её эксплуатации.
Остаётся неясным, будут ли компании действительно платить за контроль. Европейские компании не обязательно ищут суверенный ИИ как категорию продукта, но закупочные правила, нормы управления данными и ожидания клиентов могут подтолкнуть поставщиков ИИ показывать, где их системы обрабатывают данные и кто контролирует лежащую в основе инфраструктуру. Тхакур сказал, что местоположение и контроль данных всё чаще становятся критериями покупки, а не просто вопросами соответствия. Для американских компаний, работающих в Европе, это может сделать вопросы о том, где работает ИИ, какие законы применяются и как легко можно перенести рабочие нагрузки, частью процесса закупки, особенно для чувствительных нагрузок или компаний, стремящихся избежать зависимости от одного поставщика. При оценке поставщиков покупателям стоит спрашивать, где обрабатываются данные, насколько модели переносимы между поставщиками и что произойдёт, если условия или цены изменятся.
Большая автономия не означает полной независимости. Тхакур указал, что поставщик ИИ может предлагать контроль на уровнях модели и данных, но при этом зависеть от более широкого технологического стека, на который он не влияет. Для компаний, по его словам, реальная устойчивость возникает из знания того, где именно находятся зависимости, а не из ярлыка. Более серьёзная проверка в том, станет ли подход Mistral — ИИ, который прозрачнее в том, где он работает, более переносим между поставщиками и меньше зависит от одного вендора — тем, что европейские покупатели начнут ожидать от каждого поставщика ИИ, включая американские лаборатории. Если да, американские компании с европейскими дочерними структурами или клиентами могут ощутить это одними из первых. Им, возможно, всё чаще придётся отвечать не только на вопрос, хороши ли их ИИ-продукты и услуги, но и на вопрос, могут ли они доказать, где те работают.
