Mistral AI Now Summit参会笔记：从模型公司转向全栈AI，聚焦欧洲主权与本地部署

过去几天我在巴黎参加Mistral AI举办的AI Now Summit，希望了解他们的模型、欧洲AI的未来规划以及更多内容。以下是我的个人见解：

Mistral 不再只是一家模型公司。他们正在构建完整的AI堆栈：算力、模型、平台和咨询。他们拥有自己的算力（巴黎一座40MW的数据中心，更多数据中心即将建成，包括瑞典的一座）。他们专注于高效、开放且可定制的模型，这些模型归你所有，并可本地运行。与Anthropic或OpenAI相比，这似乎是他们独特的卖点。

整个峰会的基调全是关于合作：与ASML、BNP Paribas、亚马逊Alexa+的协作，以及如何帮助他们用AI解决实际问题。关于即将推出的新模型和技术创新的内容较少——这点让我有些失望。不过他们确实推出了Vibe for Work，一个类似于Claude for Work的产品。

谈及智能体（agentic），控制框架（harness）就是一切。在Pieter Stock的演讲中，他提到模型本身是不够的。有了控制框架，可以增加上下文、持久性和学习能力。推理对于这一点至关重要；它让系统能够回溯、从错误中恢复并保持透明。技能是组织捕获最佳实践的方式，你需要与AI智能体协作来开发它们。

专业化的小型模型是他们的策略。Mistral展示了几个例子，说明小巧、快速且专注的模型在能效和速度上优于大型通用模型：用于OCR的Document AI（欧盟专利局用于大规模OCR）、用于多语言语音的Voxtral（为欧洲的亚马逊Alexa+提供支持），以及与ASML合作的工业机器人Robostral。此外，在令牌密集型的智能体应用中，速度和效率正在变得与原始能力同等重要。

主权和本地部署是他们的卖点。BNP Paribas在比利时本地运行Mistral模型进行KYC（了解你的客户），敏感数据保留在银行内部。Abanca使用智能体编排以大规模（其应用中有超过100万客户）处理敏感客户信息。对于受监管行业的欧洲公司来说，这是依赖美国超大规模云厂商的一个良好替代方案。

一场有点特别且我非常喜欢的演讲是关于古代纸莎草文献的：奥地利科学院的一个研究团队微调了Mistral的编码LLM（Codestral），用于阅读数千年历史的废弃纸莎草残片上的微小片段，这些残片几十年来一直未发表。这项工作帮助人们访问在埃及沙漠中发现的一批18万份文献，如果没有AI，这项工作将需要超过2000年。这是一个关于AI如何也能为人文学科提供帮助的美丽例子。

总而言之，这次峰会让我更清晰地看到了Mistral对欧洲AI的愿景：也许不是赢得AGI（通用人工智能）竞赛，而是成为能为现在带来实际投资回报的欧洲全栈AI合作伙伴。这是否能成功将取决于更多欧洲公司是否致力于此，但开放模型、本地部署和企业合作的组合可能对欧盟的许多大型组织具有吸引力。老实说，看到一位严肃的欧洲玩家坐在牌桌上，是件好事。盲目依赖美国科技巨头的日子即将结束。