这轮 AI 股杀跌之后,门施把账摊开了:能源只占算力成本一成,卡口在芯片和资金。
这一期讲了什么
亚瑟·门施是 Mistral 的联合创始人兼 CEO。这一期他没有讲产品路线图,而是把 AI 这门生意按层切开算了一遍账:电只占算力总成本的十分之一,真正贵的是芯片和钱;欧洲缺的不是电,是把电变成 token 的那一整段能力。他给 Mistral 的答案是三件套——自己训模型、把数据平面放进客户的机房、把最吃电的那一段放在自己建的基础设施里——然后在上面用一支前置部署工程师(FDE)队伍替企业把流程改造做完。
后半段他连着回答了几个不太好答的问题:中国的开源模型到底能不能用、OpenAI 和 Anthropic 会不会顺着数据吃掉自己的客户、推理市场为什么像大宗商品、一百多家新实验室谁能活下来、一次一千亿美元的训练是不是幻想,以及——既然人人都缺算力,AI 股票为什么在崩。最后是快问快答,包括 Mistral 会不会去美国上市。
要点整理
01 欧洲的位置(00:00–05:08)
门施在片头就把结论摆了出来:主权 AI 会成为最重要的一个品类;能源在项目的经济账里,根本不是决定性的那一项;算力不够;今天的推理市场像一个毛利还很高的大宗商品市场。
哈里介绍他时用的是「欧洲最后的希望」——一家投后超过 210 亿美元的公司,也是让欧洲仍然留在前沿模型这场比赛里的那家公司。哈里随后引出门施自己说过的一句话:把前沿 AI 留给美国和中国,欧洲会赔掉它在世界上剩下的位置。门施确认「我说过」,并给出理由:这门技术和电一样是通用技术,正在越来越多地落进口径不同的出口管制;如果欧洲本土不产出 AI,欧洲就很难产出它需要的那种增长。
哈里把问题推到最尖锐处:Mistral 的成功,在多大程度上依赖美国的越界?Fable 被禁之后,主权这个词才变得急迫。门施的回答把这件事从政治拉回结构:这跟谁怎么行使权力无关,与技术本身的性质有关。企业和国家一旦把 AI 放进核心流程,就得确保花在这些流程上的钱落在离自己近的地方;否则就是贸易收支问题——现金从一个地方流向另一个地方,从欧洲流向美国。他承认有人在把这件事讲得很情绪化,但本质是宏观经济问题。他说 2023 年创办 Mistral 时就是这个判断:无论一家公司还是一个国家,不管你是在美国、欧洲还是亚洲,你都得拥有这项技术——能定制系统、能让系统跑在自己的数据边上、能控制成本、能跟真正会搭 AI 系统的公司做真伙伴关系。他补了一句:这个判断早于 2025 年那场大选,所以 2023 年说的东西后来被验证了。
02 三件套(06:40–08:50)
哈里提到,Fireworks 的林巧上节目时讲过几乎一样的话:公司要有自己的模型,模型要训在自己的数据旁边。门施把这套说法拆成了三件必须同时成立的事。
第一件是有保障的模型来源。你得有一家公司自己能训模型,他把它叫作「模型工厂」。Mistral Large 4 目前在智能体编码与网络防御这两项上领跑开源权重模型。他特别强调「持续」这两个字:必须能告诉客户,两年后你会拿到更好的模型,因为我们一直在训,而且一直在往里面投几十亿。第二件是对数据的控制。数据不该回流给 AI 供应商,所以跑智能体的平台、做模型定制的平台,都落在客户自己的租户里。制造业客户尤其在意这一点——他们不愿意让自己的 IP 流到任何一个次级处理方手上。第三件是 token 工厂。AI 很吃电,规模化之后需要的 GPU 数量,一家企业自己拿不到;所以最耗能的那一段必须由有人替你托管。
三件合起来,就是 Mistral 的形态:训模型;把平台与数据平面部署进客户的租户;托管吃电的那部分推理。他把这三样称作服务主权 AI 工作负载的必要条件。
03 中国模型(08:50–13:03)
哈里的困惑很具体:一拨专家说中国的开源模型下载下来本地跑就安全,另一拨专家说没法保证里面没有你不知道的提示注入与后门,到底该听谁的。
门施先承认了一件事实:替开源模型跑推理本身就是他们的一块生意,跑自己的,也跑别人的。为什么跑别人的?因为客户要选择。手里有基础设施,就要用尽可能多的选择把设施填满:有些场景适合小模型,有些适合大模型,选择越多,同一套机房卖出去的量越大,单位成本越低。他把这个市场叫作社区市场,成本必须尽可能低。
但他完全同意哈里的担心,并给出一条清晰的分界:模型是知识的压缩。你不控制数据供应链、不知道什么被喂进了模型,就无法对输出做任何保证。所以跑自家模型时,他们能给出比跑第三方模型更强的保证。至于「模型被打成攻击载体」这件事——理论上存在,今天不是事实,但属于威胁模型的一部分,他们能做的是在线监控,无法排除。
他还指出了另一层更真实的担心:客户问的其实不是「它会不会变坏」,而是「六个月后我还能不能拿到更新」。模型已经强到可以被用去做网络攻击,所以模型越来越被当作防御系统对待。美国从 5 月起事实上把这类模型当成另一套体系,禁止境外使用;中国也在研究按某个阈值限制出口。凡是用途两可的技术,供应安全就格外重要——客户因此不只要基础设施的供应安全,还要模型 IP 的供应安全。
哈里追问了那个比例:多少 token 流量来自自家模型?答案是大约八成。剩下两成里,客户怕不怕中国的开源模型?门施说看行业对政府有多关键:国防客户永远不会用中国技术;金融是关键基础设施,非常犹豫;零售与部分制造业则因场景而异。
04 谁会吃客户(13:03–14:40)
哈里问:OpenAI 和 Anthropic 扣住最好的模型,对社会是好是坏,还是说这就是这个行业的固有特征?
门施说好坏他不知道,但他知道另一件事:在一个没有主权部署选项的世界里,杠杆全在集中式供应商手里。如果所有公司最后都只能依赖两三家集中式供应商,这些供应商就会用系统产出的数据去训练更好的系统,然后去打客户自己的生意。他把这称作终局,并且说得很直接:这正是今天被市场定价的东西。他说出一个更早的征兆——已经出现内部模型被拿去做某些研究,他把它称作「最书呆子气的征兆」。
他并不认为这座山有多高:建模型没那么复杂,本质是投钱、和一支对的团队去训对的东西,而他们已经做到了。开源权重的前沿正在追上闭源前沿,在很多领域甚至在上面。所以他不认为世界会走到那一步——想搞数学就得去 OpenAI 上班。
05 电(14:40–17:34)
哈里先铺了一层对照:欧洲的能源系统跟美国不同,也跟中国不同。中国会为了能源设施迁走三百万人;在英国,连一个鸟屋都不肯挪。
门施给出的第一个数字就把讨论挪了位置:能源大约只占算力总拥有成本的一成。所以那不是最能优化的地方。真正决定成本的是芯片价格与资金成本,这两项主导着整本账。但他也说,这不是没问题——随着欧洲部署更多算力,会撞上供应约束,而且分布极不均匀:法国有富余电力,北欧也是,英国、德国差一些。
他的时间判断很干脆:未来两三年真正的挑战,是尽快建起来,用掉已经存在的富余电力;电今天不是瓶颈,2029、2030 年会变成瓶颈。法国的 EPR 核电计划规模很大,光伏的投入也不小。所以在他看来这主要是一个协调问题:AI 带来的用电需求,恰好把新建核电的商业论证做成了。
哈里补了一刀:核电的交付周期比 2029 长得多。门施承认,核电站建得比那更慢,光伏可以更快;他相信看不见的手,但国家得在推动建设与提前规划上出手,因为国家的视野本来就比企业长。他说自己花了不少时间在讲同一件事:电力需求会涨,必须有人接住,这件事得写进任何一家能源供应商的商业计划里。
06 硅(17:34–20:33)
哈里把话题转到买卡:关于算力采购与需求预测,你现在知道什么是一年前不知道的?
门施说这是一门复杂的产业流程,跟软件完全不是一回事。要懂供应链的延迟,要懂一颗 GPU 背后还有 CPU、存储、电气件,还要确认你的供应商的供应商没有出问题。需求必须分桶:企业是他们的主要客户;能一次拿走更大一块、但要得更短的 AI 原生公司是另一桶;还有像微软这样的公司从他们这里拿容量,反过来让他们能再融资去建更多容量。
他用一句话概括建云这门生意:匹配供需,提前把可见度给到供应商,再把这一切接到融资上——需要项目融资,需要懂信用的人。学到的教训是:只要你能在需求前面把容量垫出来,它就是好卖的东西,未来几年都会是这样。他庆幸当初预判了「供应很快会用完、客户自己的 GPU 也会出问题」,所以今天手里有卡。
如果完全没有资源约束,他们会建得更多——最大的瓶颈就是资金。他们已经看到这种情形:一个用例跑通之后,客户忽然发现自己需要的不是八张卡,而是一千张。
他也给了欧洲一个判断:欧洲明显算力不够;美国可能建得略多;欧洲还有很多空间,而且可以做到百分之百确信建出来会被用掉。至于国家能做什么,他讲得很具体:加快审批、给出各方已经对齐的专门地块(法国和瑞典做得不错);财政层面最有用的不是补贴,而是为国家数据中心租约提供担保、把场地预留十到十五年;再加上公共采购。这些都让资产负债表不大的公司敢往前建——而在供应受限的年代,建得越早越快,单价就越低。
07 主权的粒度(20:33–24:04)
哈里问:主权要做到多细?每个国家都要有自己的模型吗,还是以块为单位?
门施的答案是市场容量决定的:要做相关模型,市场必须足够大。Mistral 能做出来,就是因为他们不按国家运作——「我们不是一家法国公司」——他们服务欧洲、美国、亚洲。所以会有替代品,但不会每个国家都有一家自己的主权 AI 供应商和模型训练方,这不会发生。
收入结构印证了这句话:大约六成来自欧洲,其余来自美国与亚太。客户拿他们做的事情分两类——提升业务效率,或加速研发。具体到垂直行业:制造业里,他们帮 ASML 把机器做得更好、跑得更好,帮空客把飞机做得更好,带去的既有推理模型,也有物理模型,那种对世界有定量理解的模型;金融业里,他们做懂市场的模型与工具,也做定量时间序列的预测;再加上国防与公共部门,一共四块。他说这些公司全都有自己的主权 AI 战略:要业务连续性保证,要可负担性约束,要技术部署在自己能管的地方。
08 不造芯片(24:04–27:28)
哈里的问题呼应了一整年的行业动作:OpenAI、Anthropic、DeepSeek 都在往应用层走,也都在往芯片层走——Jalapeño、Anthropic 的传闻、DeepSeek 自研——Mistral 会不会也造一颗?
门施答得非常干脆:「没有这个计划。」他们做的是顺着产业链往上游走:从训模型,走到在自己的基础设施上服务这些模型。这件事花了大约十八个月才搭起来。拿到手的成果是:他们能卖 GPU,能卖 token,而且这些 token 是纯欧洲产出的,绕开了美国的域外法。这对客户很重要。他说接下来要在这条路上加倍投入。
垂直整合的边界也很清楚:云服务、基础设施,一直到替客户搭业务应用。应用层在 AI 时代就是「带平台 + 建定制应用」,而这件事靠一支前置部署工程师队伍去做,建在公共原语之上——工作流管理、智能体管理、沙箱管理、部署的可观测性。
他解释了为什么一开始就把工程师放在客户旁边:只有这样才看得清企业到底卡在哪。企业从个人生产力入手,聊天机器人没有带来任何价值创造;于是他们去找业务线负责人,去找那些真正需要用 AI 自动化的核心流程,去做能管理状态、让智能体端到端跑完流程的定制应用。这反过来告诉了他们该造什么原语,比如「持久流程执行」。从去年起,他们开始把工具传给伙伴——埃森哲、TCS 这类系统集成商,人多、擅长放大。但他不认为坐在客户键盘前这件事可以省掉,也无法无上限扩张:不可能养几万个工程师。
09 两条收入线(27:28–29:47)
Mistral 有两条收入线。一条是平台授权,客户用它搭业务应用;另一条是基础设施的消费收入。两条互相带:客户通常为授权而来,来了才发现自己 GPU 不够,于是他们供卡或供 token 服务。
三到五年之后哪条线更大?他的答案是 GPU 这一侧继续长,因为需求巨大;同时「周边服务」也会长——跑沙箱、在做强化学习时快速起停沙箱、在同一个任务上部署很多智能体——这些需求是客户带出来的,反过来让他们买更多 CPU。他把这一类叫作运行时:智能体在那里执行任务、调用工具、编译并运行代码。后台托管的智能体多了,CPU、沙箱、存储都得跟着涨,因为智能体会产出大量数据。所以他把 CPU 相关的任务与数据相关的任务,都算成未来的增长线。
10 推理(29:47–31:45)
哈里自认对推理市场了解不够,直接请教:这个市场到底怎么运转?
门施先回答了「卖政府」这件事:不存在「卖政府」这回事,每个政府都不一样。有的政府小到更像一笔企业销售,部委里的人彼此都认识;国家越大越复杂,找价值点、理解需求的复杂度随着国家规模一起上升。
然后他讲推理市场的结构:它非常像大宗商品市场,今天毛利还高。手里有供给、对某类模型有正确的服务质量,就能按需卖出去,因为大量需求来自不承诺容量的客户。而足够成熟的客户要的是保证——服务等级协议、预留的物理容量,这些他们能给,因为有自己的预测模型和供给。
于是市场分成两侧:按需那一侧拼价格,定价非常关键;溢价那一侧,客户要的是延迟保证、是某个请求量下的生成速度保证。客户把自己的需求形状说得越准,他们的定价就能越准,基础设施也越能按这个形状去建。
11 实验室存活率(31:45–35:28)
哈里提到一个数字:已经出现过一百多家新实验室。谁能活下来?
门施先讲了自己:他们也是从一家新实验室起家的,2023 年还没有这个词。开局那几发银弹全用在招研究员上,所以本质上是一家研究公司。让他们长起来的是两件事同时成立:一是在研究上一直保持在最高水平,Large 4 就是这条线的产物;二是在很早就选了会规模化的市场——企业,并且把产品改到能满足企业客户那些合理但苛刻的要求。
他不认为欧洲缺人:创业人才多、研究人才多,两者结合得也不错,所以欧洲新实验室才多。难的不是才华,是今天拿到算力。他认识的很多新实验室最大的瓶颈就是 GPU,供应极度紧张。所以他们在自己的容量里给一些新实验室留位置,因为相信那些人会长,而他们能跟着一起长。
至于研究员招聘,他说市场很竞争,但使命、薪酬结构、以及「做的事对世界重要」这三样凑齐,人就会来。他还讲了一件更朴素的事:模型往往不是第一次就成。技术报告写得很清楚,跑不通的时候,你得有能力承认要再花两个月,会痛,但所有人都得顶上。
12 一千亿(35:28–36:20)
哈里转述了两个说法:萨提亚·纳德拉在节目里谈过,Mustafa 更早就说过,未来几年会出现一次一千亿美元的训练。
门施先讲了数据墙。要让模型强在芯片设计这类领域,或者强在操作工业工程流程,你得先有对的训练环境;这部分靠手艺和品味,不像堆算力那样能线性放大。所以他承认今天大家共同撞上的瓶颈是两件事:一是能搞到足够多的高质量数据,二是算力——需要更多,他们正在部署更多。至于一千亿美元一次的训练,他的原话是「显然不是明天的事」。
13 市场为什么崩(36:20–37:28)
哈里问出了这一期最锋利的一刀:既然人人都缺算力,为什么 Nebius 跌 40%、CoreWeave 跌 40%,AI 交易在公开市场裂开?
门施说自己也不完全看得懂市场今天在反应什么,但能把自家的情况讲清楚:凭手上的抵押品质量——收入承诺、take-or-pay——他们完全能给自己融资去建算力。作为一家垂直整合公司,他们建算力是为了更高的目的:服务企业、搭业务应用,锚在客户创造的价值上,所以在融资层面不必把公司压在高杠杆上。这句话给他的是一种很少见的从容。
他留下一条保留意见,这条意见比任何解释都更像判断:在任何一次工业建设里,加杠杆都很诱人,但杠杆总有一天会断。所以他很庆幸自己是垂直整合的,可以从搭业务应用一路做到基础设施。
14 聚焦与自改进(37:28–39:55)
事后看,哪件事没做反而不后悔?他答了两件:没做消费市场,也没去做芯片设计。消费市场太挤,而且同时服务顶级企业客户、又去跑一门本质上是广告的生意,很难两立。
他因此把公司钉在企业和四个垂直行业上:制造、金融、国防、公共部门。理由说得很直白:AI 的问题在于它什么都能做,所以你必须有一个聚焦源,而这个聚焦源只能来自市场。他要的模型要能服务最好的智能体工程流程、最好的金融决策、最好的国防用途,以及一切与国家主权相关的事。
哈里接着问:自我改进也需要聚焦吗?门施说需要,因为能投在问题上的资源是有限的。这里的瓶颈还是算力;另一条更少被讲到的,是问题定义。定义清楚的问题,今天的 AI 可以一路爬上去;而在企业里,大量问题定义不清楚。所以他判断,真正卡住经济增长的不是「解不出定义清楚的难题」,而是「解不了目标含糊、又有人在环里的问题」。这一类没法靠自我改进解决,只能把模型部署出去、让它跟人交互——这也是他们养前置部署工程师的理由。他也在投「定义清楚的问题上的自我改进回路」,但他认为,企业里 AI 用量爆不起来的真正约束,是那些定义不清的问题。
15 快问(39:55–46:17)
哈里把「欧洲最后的希望」这句话摆到桌上,问他和团队有没有压力。门施说有,但是健康的压力:模型这一侧必须持续交付,因为那是唯一能证明你在进步的东西;企业那一侧必须看见价值。他还把这件事抬到公众层面——AI 必须被证明是有用的、正向的技术,而要做到这一点,只能把主权 AI 做成一个品类,让增长和机会被更均匀地分掉。他说得很直:「如果我们做不成,我不知道世界会变成什么样。」
GDP 那道题他答得最完整。AI 能不能把增长每年多推两个百分点?他说这才是全部问题,然后给出自己的答案:要 GDP 增长,你要的是更多产出,不是更多聪明。更好的工厂、更省油的飞机、更高效的 ASML 机器、更便宜更低碳的电、更好的金融服务——让 AI 产生物理后果,而这主要发生在制造业与金融业。
与同行最不同的一条信念:市场在碎片化,主权 AI 会成为企业部署里最重要的品类,因为企业真正在意的只有三件事——业务连续性、成本、对自己数据与 IP 的控制。他说很多企业和市场的一大部分同意这一点,竞争对手当然不同意。
五年后会很常见的「狂野预测」:软件工程师的工作方式已经变过一轮,接下来会轮到任何一类工程师。凡是有技术背景的人都会指挥智能体,这会给个人巨大的杠杆,也会是劳动力市场的一次结构位移。
上市这件事,哈里先下了判词:你在欧洲上不了市。门施直接否掉:十年前是真的,现在不是;全球投资人对欧洲的私募和公开市场都有胃口,过去的瓶颈已经不在了。他说 Mistral 要准备的是上市之后的运营约束,以及该交的商业里程碑;而且已经有一批先在欧洲上市、做得非常成功的公司。「没有理由不在某个时点去欧洲上市。」
最后问他最期待什么,他把答案放回了实验室:AI 会让基础研究在那些我们对世界理解不足的领域跑起来,比如物理。可以在过去达不到的规模上跑模拟,再让智能体去操作这些模拟器,这会极大加速我们对世界的理解。他为此收购了一支专做物理仿真的团队(节目里念作 EMI)。他是数学与物理出身,所以把期待放在下一代研究者身上。
口径与核对
能核到的
- 融资:2026 年 10 月,Mistral 完成 30 亿欧元 D 轮,投后估值超过 210 亿欧元,三星电子领投,Scaleup Europe Fund(由 EQT 管理)与 PSG Equity 联合领投;公司自称这是欧洲科技公司史上最大的一笔股权融资,业务覆盖 20 个国家、服务 125 家以上企业客户,包括空客、ASML 与汇丰。1
- 平台与模型:Mistral 从 2026 年 8 月 11 日起在自己的平台上托管第三方开源模型,并同步公布了新的欧洲推理基础设施;门施在节目里说 Large 4 在智能体编码与网络防御两项上领跑开源权重模型,这与官方发布口径一致。2
- 行情:2026 年 11 月 5 日,纳斯达克收跌约 5.5%、跌入修正区间,英伟达跌 9%、博通跌 10%、甲骨文跌约 7%。这是门施说「我也不完全看得懂市场」那一周的真实背景。3
- 履历:门施 1992 年生于法国塞夫勒,巴黎综合理工、巴黎电信、巴黎高师 MVA 毕业,在 Inria/NeuroSpin 做 fMRI 博士,在纽约大学库朗研究所做过博士后;2020 年底到 2023 年 5 月在 DeepMind 巴黎工作,是 Chinchilla 论文的共同作者;2023 年 5 月与 Guillaume Lample、Timothée Lacroix 一起创办 Mistral。4
只有他这么说
- 「电大约占算力总拥有成本的一成」——他给的是量级,没有给出处;这个比例会随电价、芯片价格与融资成本变化,不能当常数用。
- 「八成 token 来自自家模型」——没有披露绝对量,也没有说明是哪个时间段。
- 「大约六成收入来自欧洲」——节目里的口径,没给绝对金额。
- 「已经出现过一百多家新实验室」——这是主持人哈里的说法,不是门施的,业内公开名单的口径也不一。
- 「聊天机器人没有带来任何价值创造」——这是他们自己客户早期试点的经验,不是行业统计。
两套说法
- 上市:他说「没有理由不在欧洲上市」,但他没有给时间表、交易所,也没有给估值口径。所以这句话只能读成一个方向判断,不能读成上市计划。
- 中国模型:他在节目里说客户不该依赖自己不完全理解的第三方模型,尤其国防与金融;而同一家公司的平台从 8 月起就在托管第三方开源模型,包括中国的模型。这两件事并不矛盾——他卖的是「在主权基础设施上、有监控地跑别人的模型」这门生意——但读者读的时候要把「他劝客户别依赖」和「他自己在转售」分开。
- 能源:他说电今天不是瓶颈,也承认 2029、2030 年它会变成瓶颈,而且并网与核电审批都是慢变量。所以准确的说法是「今天不是瓶颈、四年后是」,不是「能源不重要」。
关于这一份翻译
这一期的官方页面没有逐字稿,官方频道在开跑时也没有上线同名视频,所以逐句底稿来自官方整集音频的机器转写(49 分 38 秒),自动分离出两个声部。本期声部整体可用,但有三处需要人工归位:八成 token 那一句的答句被算进了主持人;有两处把「亚瑟」听成了「保罗」;还有一处把整段问答并进了同一个说话人。
明显听错、按上下文改正的地方:「Mistral-Larchfort」与「Strade Large 4」都是 Mistral Large 4;「Neolab」是 neolab(新实验室);「DeepSeq」是 DeepSeek;「Corweave」是 CoreWeave;「cheap design」按后文他自己的更正,是 chip design;「Lyn at Fireworks」指 Fireworks 的林巧。节目里念作「EMI」的那支物理仿真团队,按发音保留原样,没有替他改成别的名字。
节目里的三段广告口播(Base44、Laradin、Shop)在开头与片尾各出现一次,译文全部保留,并标注为「哈里(口播)」——这是 20VC 的固定结构,删掉会与时间码对不上。
逐句全文翻译
01 冷开场与开场(00:00–05:08)
亚瑟:(片头剪辑)主权 AI 会成为最重要的一个品类。说到底,能源成本并不是一个项目经济账里唯一重要的东西。很清楚的一点是,算力不够。我的意思是,推理市场的行为非常像大宗商品市场,而它今天的毛利还相当高。
哈里(口播):他是我们最后的希望。他是欧洲在「建一家前沿 AI 实验室」这件事上最后的希望。对,你猜到了——今天来到节目的是亚瑟·门施,Mistral 的联合创始人兼 CEO。这家公司现在值 210 亿美元,也是让欧洲在前沿模型这场比赛里还保持在场的公司。这是你没见过的亚瑟。他放开了,他很好笑,而且他说了一些我必须说——我完全没想到的话。这次录制太愉快了,我非常期待欢迎亚瑟来到节目。
哈里(口播):但在我们进入今天的节目之前——Base44 是我自己用过的一类产品,我第一反应就是:天啊,我当年拿 50 美元、在创投圈一个人都不认识的时候开始做 20VC,要是就有这个东西该多好。我想看看它能做什么,于是给节目搭了一个嘉宾调研中心:即将到来的嘉宾、公司笔记、过往访谈、赞助商联系人、后续跟进,全都在一个地方。我是用大白话描述需求的。几分钟之后,产品就摆在我面前了——数据库、登录、后端、托管都已经处理好,全在一个地方,太省事了。我喜欢的就是这一点:我没有写很长的需求文档,我没有把五个工具拼起来。我把东西做出来,然后开始用它。对在听的创始人来说,这就是关键——你把想法变成真东西的速度越快,你上线的速度就越快。应用、看板、内部系统、AI 智能体,你想建什么,Base44 都能把你送到。去 base44.com 斜杠 20VC,也就是 base44.com/20VC。
哈里(口播):Base44 帮你建得更快,Laradin 帮你衡量 AI 的影响。现在每家公司都在跑两支劳动力:人,和 AI 智能体。Laradin 是第一块横跨这两支劳动力的统一看板,衡量它们的工作、优化它们的影响。Laradin 回答四个问题:谁在用 AI?用了哪些工具?花了多少钱?每个团队、每个供应商,到底产出了什么?AI 的 ROI 不再靠猜,而变成一个你能持续、有信心地量出来的数字。Gainsight、Vertiv、SurveyMonkey 以及很多其他企业机构都在 Laradin 上跑它们的 AI 项目。数千个 AI 工具、数百万美元的 AI 支出正在被衡量。你押注 AI,Laradin 证明它确实在起作用。访问 laradin.com 了解更多,拼写是 L-A-R-I-D-I-N.com。
哈里(口播):Laradin 衡量 AI 的影响,Shop 帮你买得更聪明。我的智能体能总结董事会材料、调研一位创始人、翻我的笔记。但你让它去买点东西,它立刻就散架了:尺寸不对、链接失效、卡在登录页,最后还得我自己来。这就是为什么今天的节目由 Shopify 的 Shop Skill 支持。去 shop.md,复制那段提示词,粘进你已经在用的任何智能体,就这样——你的智能体现在可以搜索 Shopify 上数百万家店铺、超过十亿件商品。用 Shop 登录,它就知道你的偏好和订单历史,所以挑出来的东西真的像你挑的;而且在你在 Shop 里确认之前,什么都不会被买下。我已经把这个 Shop Skill 装到我的智能体上了,我很喜欢它给我找的东西。我当时需要一款特定口味、有预算上限的蛋白粉,不想花太多钱,还想在周末前拿到。我就把这句原话打进智能体,就是我会怎么说的那种说法;换以前它会卡在结算页。这一次它带回来的正是我要的,我的信息已经填好了,我点确认,就结束了。把你的智能体变成私人买手,用 Shop Skill。访问 shop.md 斜杠 20minutevc,也就是 shop.md/20minutevc。您已到达目的地。
哈里:亚瑟,兄弟,我太期待这次了。我访谈过美国那边我们最喜欢的一些同行,你是我们在欧洲剩下的希望,别有压力。但今天真的很感谢你来。兄弟。
亚瑟:谢谢你,哈里,谢谢你邀请我。
哈里:我做了一些功课,亚瑟,我讲的一些话挺有观点的,但好像不止我一个人这么想——因为你前几天说过,把前沿 AI 留给美国和中国,最终会让欧洲赔掉它在世界上剩下的位置。
亚瑟:我确实这么说过,而且我真心相信。这是一项太重要的技术,它需要在世界上被分散开来。我们说的是一项可以跟电相比的技术,而这项技术正越来越多地落进各种出口管制里。AI 会成为经济增长的重要使能器。如果欧洲本土没有 AI 被生产出来,欧洲就很难真正产出它需要的增长。
哈里:我直接问。Mistral 的成功在多大程度上依赖美国的越界?显然,在特朗普政府之下,我们看到像 Fable 被禁这类事情,它引出了很多疑问,也引出了对主权的需要。在一个没有美国越界的世界里,这还会威胁到主权供应商吗?
亚瑟:我会说这是结构性的,它其实跟任何行事方式、或者展示力量的方式没有关系。它更多跟这项技术本身的性质有关。如果你是一家企业或者一个国家,开始把 AI 用在所有核心流程里,那就意味着你要确保花在这些流程上的钱,最终积累在离你足够近的地方。如果你做不到,那就意味着你有贸易收支问题,意味着有巨大的现金流从一个地方——可能是欧洲——流向另一个地方,可能是美国。所以,没能在欧洲领土上生产人工智能、没能在欧洲领土上做研发,本身就是一个宏观经济问题。这跟「欧洲落后了」这种说法无关,也跟某种使用软实力的方式无关。所以它是结构性的。我不会说没有人把它弄得有点情绪化,但 2023 年我们创办 Mistral 的时候,就是带着这个信念开始的:这是一项主权技术——作为一家公司、作为一个国家,不管你在哪里,在美国、在欧洲还是在亚洲,你都需要拥有这项技术;你需要能够定制系统、把系统跑在离你的数据非常近的地方;你需要能够控制成本;你需要跟那些真正懂得怎么搭 AI 系统的公司做真正的伙伴关系。主权这件事早于 2025 年那场大选。所以我们在 2023 年说的东西,后来被证明是对的。它后来确实变得相当情绪化。但这主要是一个经济问题,不是政治问题。这项技术太重要了。
02 三件套(06:40–08:50)
哈里:听你讲话的时候,我想到 Fireworks 的林巧,她上节目时说了非常类似的话——我们需要公司拥有自己的模型,把模型训在自己的数据旁边。你听到我这么说是什么感觉?这是公司的演化方向吗,让公司拥有自己的模型、用自己的数据工作?
亚瑟:我们定义的这个品类、以及公司愿意跟我们合作的原因,就是我们带给他们主权 AI 技术。而在主权 AI 技术里,你需要三样东西。你需要一个被保障的模型来源。所以你需要一家自己能训模型的公司,我们就有那座模型工厂。Mistral Large 4 目前在智能体编码上领跑开源权重模型,在网络防御与网络安全上也领先。所以这一层能力——持续地产出模型的改进,并且能告诉我们的客户「两年之后你会拿到更好的模型,因为我们一直在训,而且在这上面花了几十亿」——对任何主权性质的东西都极其关键。这也是 Mistral 被创立的原因,也是我们主要投钱的地方。
亚瑟:接下来,你还需要对自己的数据有控制权。一般来说,你不会希望这些数据回流给 AI 供应商。所以我们在技术层面做了保证:我们跑智能体的平台、我们做模型定制的平台,都落在客户自己的租户上。这非常关键——很多时候我们跟制造业公司合作,他们不希望自己的 IP 流到某个次级处理方那里。
亚瑟:但这通常还不够,因为 AI 消耗大量能源,而且当你规模化运行时,你实际上需要很多 GPU,而一家企业自己去采购是很困难的。你还需要 token 生成服务,你基本上需要 token 工厂。你需要这样一个组合:数据待在你的基础设施里,token 在托管基础设施上以更低的成本被生产出来。所以我们这家公司做的就是这三件事:我们训模型;我们把平台和数据平面部署到客户那里,也就是他们自己的租户上;然后我们托管那一部分吃能源的部分。这就是我们一直在自建基础设施的原因。所以我们有这三样东西,而这三样正是服务主权 AI 工作负载所必需的原料。
03 中国模型(08:50–13:03)
哈里:我能从第一件问起吗?你说模型是被保障的。亚瑟,我节目上请过世界上最好的专家,我很幸运。但他们跟我说的话不一样,好吗?有些人说,中国的开源模型,你下载下来,在本地跑,它们完全安全。我心想,哇,太好了。然后下一周又有人说:但是我们根本不知道里面有没有你不知道的提示注入,有没有后门。绝对不行,你没法确定它们是安全的。亚瑟,帮我理一理。
亚瑟:嗯,在 Mistral,替开源模型跑推理本身就是我们的一块业务。我们跑自己的,也跑别人的。为什么跑别人的?因为客户想要选择。当你手里有基础设施,你就想提供尽可能多的选择,把基础设施填满。这就是为什么我们后来去服务越来越多的开源模型。因为在不同的领域,你可能想选不同的模型;你可能想选更小的,也可能想选更大的。所以选择越多,你对基础设施的利用就越好,你的成本就可能越低。某种意义上这是一个社区市场,所以你希望成本尽可能低。这就是我们卖那些模型的原因。
亚瑟:但你说的是对的。模型是知识的压缩。如果你不控制数据供应链,如果你不知道什么东西进了模型,你就无法对输出做任何保证。所以当我们服务自家模型时,能给客户的保证比服务第三方模型时更多。恰恰因为理论上你可以确保,在某个环境、某个上下文里,模型以某种方式行为。这件事没法排除,也没法测量。我们可以在线监控,我们就是这么做的。但你没法排除它被当作攻击载体使用。我认为这非常理论化,因为我不认为今天就存在这种情况;但另一方面,这属于威胁模型的一部分。所以我们的客户,他们要求我们能够提供市面上所有可用的开源权重模型,我们在帮他们以一种安全的方式做到这一点,帮他们监控发生了什么。但很多情况下,他们其实非常想用我们的模型,因为我们能告诉他们:数据供应链、我们训练它们所用的一切,都是我们事先验证过的。
哈里:你的模型和别的开源模型,在 token 流量里各占多少比例?
亚瑟:我会说大约八成来自我们自己的模型。
哈里:哇,比我以为的多得多。好,那剩下的两成——所有人都跟我说,天啊,美国的 CIO 永远不会用中国的开源模型。这个恐惧是真实存在的。你有客户,你有很棒的客户。他们害怕用中国的开源模型吗?
亚瑟:这取决于他们的行业对政府来说有多关键。比方说,如果你做国防,我们在欧洲有国防客户,他们永远不会用中国的技术。如果你在金融行业,同样,因为那是关键基础设施,他们非常犹豫。如果你在零售、在某些制造领域,那就看情况,犹豫程度不同。
亚瑟:再说,我认为有一个共识:开源权重模型如果部署在像我们这样的主权基础设施上,唯一有效的威胁是它在某些领域跑偏、出现奇怪行为,因为你也可能遭遇供应链攻击。大家有一个共识是,这非常理论化,今天肯定不是现实。但它确实是对话的一部分。我还要说,对话里还有另一件事,而且不是这一件——「部署我并不完全理解的第三方模型,是不是威胁」。对话里真正的那件事是:我六个月之后还能拿到更新吗?因为现在发生的情况是,模型已经强到可以做网络攻击,你可以把它用于相当高级的用途。结果是,它们越来越被当成防御系统来对待。美国事实上把它当成另一套体系,因为 5 月的某个时点,他们开始禁止它在境外使用。如果你看中国今天在做什么,他们也在研究按某个阈值限制出口的办法。原因是,这确实是一项用途两可的技术。而任何用途两可的技术,供应安全都更重要。所以跟我们合作的公司意识到,他们需要的供应安全不只在基础设施这一侧,也在模型 IP 这一侧。
04 谁会吃客户(13:03–14:40)
哈里:考虑到这一点,你认为 OpenAI、Anthropic 这些公司扣住自己最好的模型,对社会是好还是坏?还是说这只是这个行业一个会长期存在的固有特征?
亚瑟:对社会是好是坏?我不知道。清楚的是,在一个没有供应商允许主权部署的世界里,杠杆会极大地集中在集中式 AI 供应商手上。所以我们做的事情对公司来说极其重要。如果我们最终走到那样一个世界——所有公司都只能依赖两三家集中式 AI 供应商,而这些供应商对他们拥有巨大的杠杆——那么这些供应商就会用系统产出的数据去做更好的系统,然后去打客户自己的生意。因为到最后,这就是终局。而这相当清楚地就是今天被定价进去的东西。所以我们采取的做法,是确保我们不会活在那样的世界里:一个由 AI 供应商寡头垄断、利用企业产出的所有数据去做更好的系统、而这些系统又能反过来中介那些企业的世界。在这一点上,我们和所有客户高度一致,他们当然不想活在那样一个世界里。
亚瑟:所以我会说,已经有内部模型被用来做某些研究这件事,就是这种「权力在人工智能上大规模集中」的世界会变成什么样的、最书呆子气的一个征兆。幸运的是,造模型没那么复杂。它关乎投入资本,关乎有一支对的团队在训对的东西。而我们已经做到了。开源权重的前沿正在追上闭源前沿,在很多领域甚至已经在上面。所以我不认为我们会走到那样一个世界:你想做数学,就得去 OpenAI 上班。幸运的是,世界上有足够多的人——
哈里:——不想让这件事发生。
05 电(14:40–17:34)
哈里:你已经好几次说到「能源」这个词。而成功的一个核心底层前提,是有能源和基础设施来给欧洲的 AI 供电。我们的能源系统跟美国非常不同,跟中国也非常不同。在中国,他们会为了某种能源基础设施迁走三百万人。而在英国,我们连一个鸟屋都不会挪。撇开玩笑,这挺令人担忧的。你怎么思考、怎么消化能源供给这个挑战?
亚瑟:嗯,我觉得首先要意识到的是,能源大约只占算力总拥有成本账单的一成。所以这不是我们能做出最多优化的地方。说到底,能源成本并不是一个项目经济里唯一重要的东西。真正重要的是芯片的成本,以及资本的成本。这两项主导着物料与融资的整本账。所以它是一个问题。随着我们在欧洲部署更多算力,它会越来越成为问题,因为我们会撞上供应约束。再说,它不是均匀分布的。比方说法国,电力有富余,所以你可以建容量。看北欧,情况也是这样。在英国,情况差一点。在德国,情况也差一点。但已经有一个共识:AI 会把能源消耗推上去。
亚瑟:我会说,未来两三年,真正的战斗、真正的挑战,是确保——对 Mistral 来说——我们尽可能快地建起来,去用掉已经存在的富余电力。这就是我们在做的事:募资、建设更多、组建团队去建这些容量。现在有富余电力,它今天不是瓶颈。它会到 2029、2030 年变成瓶颈。但现在的问法是:我们怎么在现有的能源上建起来?我们还需要提前想清楚:从 2029、2030 年开始,既然每年都会部署数吉瓦的容量给 AI,我们确实需要把发电量提上来。我们希望的是,比方说法国有一个庞大的 EPR 计划,核电会产出得多得多;太阳能方面也有很大的努力。所以它会成为一个问题,但它主要是一个协调问题。如果 AI 那边有电力需求,那么建新核电站的商业论证就被做得很扎实了。
哈里:确实非常扎实,我同意你。我非常相信亚当·斯密那只看不见的手,但前置时间是真真切切的。所以 2029、2030 就是个挑战。
亚瑟:是的,核电站建起来要花的时间比那更长。太阳能电站可以更快。我确实相信那只看不见的手。国家必须在推动建设上扮演角色,也要在提前规划上扮演角色,它们的视野总体上比企业更长。所以我们在花一些时间——我自己也在花一些时间——去解释电力需求会增长,而这件事必须以某种方式被解决。它必须被写进任何一家能源供应商的商业计划里。
06 硅(17:34–20:33)
哈里:你说过芯片成本很重要。关于算力采购、关于需求预测,你现在知道了什么,是一年前不知道的?
亚瑟:这是一个相当复杂的过程。我们学会了跑这个流程去匹配供给与需求。它是一个复杂的产业流程,跟软件一点关系都没有。你需要理解供应链里的延迟,你需要理解供应链来自多个——我是说,供应链是相当复杂的,因为你有 GPU,但你还有 CPU,有存储,有电气件,你需要确保你的供应商在他们自己的供应商那里没有问题。这一面是我们实际学到的,但它相当复杂,你需要管理资源,你需要有多份预测,你需要能够为多个需求桶做预测:企业是我们的主要客户,但也有 AI 原生公司,它们能拿走更大一块 GPU,但要的时间更短;还有像微软这样的公司从我们这里拿走容量,而我们能拿它去为更多容量融资。
亚瑟:所以到最后,建一朵云的问题就是匹配供给与需求,就是提前管理供应链、给你的供应商可见度,就是把这一切跟融资匹配起来:你需要项目融资,你需要很懂信用的人。建这样一门生意其实相当有意思。我们学到的是:说到底,如果你能在需求前面把容量垫出来,你拿到的东西就相当好卖。未来几年都会是这样。所以我们很感激自己当初预判到:我们的供给会很快用完,我们的客户在他们自己的 GPU 上会遇到供应链问题——因为现在我们手里有这些 GPU,我们可以服务他们的需求。
哈里:那是第一点,芯片成本。资本成本是另一点。如果你完全没有资源约束,今天你会做什么你现在没做的事?
亚瑟:我们会建多得多的容量。我觉得建容量最大的瓶颈当然是资本。我们看到了需求,我们知道我们的客户正在用完算力。当我们接过他们的一些用例、帮它们规模化,他们会突然意识到自己需要的不是八张 GPU,而是一千张。而且这只是一个用例。所以我们在客户之前就看到了需求,因此我们有相当高的信心。这就是我们把股权投进去建容量的原因。我们一直在做的事,是确保自己管理着更多容量,甚至是提前于需求去建。今天如果我们只看欧洲需要什么,很清楚:算力不够。你可能会说美国建得也许有点太多。但清楚的是,欧洲还有很大空间可以建,而且是那种你能百分百确信会被用掉的建法。这就是我们在做的事。
哈里:你说过国家也有一个角色要扮演。你希望国家——不管是法国还是英国——做什么它们今天没做的事?
亚瑟:我们一直相当公开地讲它们可以怎么干预,而且是以市场中性、只是便利投资的方式。第一件事当然是便利审批,确保有专门的场地,在那里事情被加速,所有利益相关方——无论是地区层面还是国家层面——是对齐的。我会说法国、瑞典在这方面做得很好。所以这主要是在对齐利益相关方上的便利,因为这些是实体资产,它们建在地区社区里,确保每个人都从中受益非常重要。国家的帮助就发生在那里。
亚瑟:在财务层面它们能做的、而且我们已经公开说过的,是对租赁数据中心提供国家担保,比方说为十到十五年预留场地——这对像我们这样资产负债表相对较小的公司非常有用,因为我们知道怎么建、也知道为谁建。这是它们可以扮演的角色:把一些担保摆到桌上,好让公司敢往前建。当然还有公共采购。我们看到公共部门在很多欧洲国家和欧洲之外的国家都是我们的重要客户。再说,这对他们也有价值:他们给公民带来价值,同时为像我们这样的公司创造了采购,让我们能建得更多。而如果你建得更多更快,在这个供给受限的年代,你就建得更便宜。
07 主权的粒度(22:00–24:04)
哈里:你说过你也卖给国家。回到主权那个话题——主权需要做到多细?我的意思是,我们有「主权加拿大」这种说法。每个国家都需要有自己的模型吗?还是说需要的是一个个区块?主权这个粒度该怎么想?
亚瑟:我认为允许的粒度是这样的:你需要一个相当大的市场,才能做出有相关性的模型。今天 Mistral 之所以能做出有相关性的模型,是因为我们不是在国家层面运作——我们不是一家法国公司——我们服务欧洲,服务美国,服务亚洲。我们需要的是替代品,但不会每一个国家层面都有一家主权 AI 供应商和模型训练方。这不会发生。
哈里:你的客户里欧洲占多大比例?
亚瑟:如果看我们的收入结构,大约六成。剩下的来自——
哈里:——来自美国,来自亚太。他们用你们来给自己的模型做后训练的 harness 吗?
亚瑟:是的,欧洲的客户,他们用我们有很多原因,但我们帮他们搭应用,要么跟业务效率相关,要么跟加速研发相关。我们跟制造业公司合作,跟金融服务合作,跟国防公司合作,我们对这三个领域有相当强的垂直化打法,第四个是公共部门。我们跟制造业公司合作的方式,一般是在他们的研发团队里,帮他们做出更好的产品。我们帮 ASML 造更好的机器、把机器运营得更好;我们帮空客造更好的飞机。我们带去推理模型,我们也带去物理模型,那些对世界有定量理解的模型。在金融服务里,我们做的模型与 harness 懂市场,我们也带懂定量时间序列的模型去帮他们做预测。所以我们带去的是一组模型,让客户能快速搭出为他们创造价值的应用。这就是我们服务他们的方式。而回到你关于主权的那个点——这些公司全都有自己的主权 AI 战略。他们需要以这样一种方式部署这项技术:有业务连续性的保证,有可负担性的约束,等等。
08 不造芯片(24:04–27:28)
哈里:我们看到 OpenAI、Anthropic、DeepSeek 都在往应用层走,也在往芯片层走——Jalapeño、Anthropic 那边的传闻、DeepSeek 自己在做。我们会看到一个「Mistral 芯片」吗?你怎么看垂直化、拥有每一层的重要性?
亚瑟:不,这不在计划里。我们确实顺着产业链往下走了——或者从工业的角度看,是往上走。我们从训模型,走到在自己的基础设施上服务我们训出来的模型。这已经是相当大的一步,这一步花了大约十八个月才搭起来。而它相当成功,因为我们可以卖 GPU,可以卖 token。我们的 token 是纯欧洲产出的,它绕开了任何形式的美国域外法。这对我们的客户非常重要。所以这花了我们一些力气。我们正在加倍投入这件事,把它继续放大。我想这还会让我们忙上一阵子。
亚瑟:我们垂直整合得相当深:我们有云服务、有基础设施,而且我们一直走到替客户搭业务应用。你提到应用层——在 AI 里,你带来平台,然后为客户搭定制应用,事情就是这样运作的,这就是 AI 允许你做的事。所以这是通过一支——
哈里:——FDE 大军。FDE 大军。
亚瑟:对,是 FDE,但建在公共原语之上。也就是工作流管理、智能体管理、沙箱管理、不同业务应用部署的可观测性。所以到最后,我们造的是适合运行 AI、也适合用 AI 来构建的云服务。
哈里:你怎么看用 Mistral 自己的 FDE 做这件事,还是用我们传统上那种伙伴经济?
亚瑟:一开始我们的 FDE 站在最前面,这极其有用,因为它让我们准确理解了企业到底在哪里卡住。他们从个人生产力入手,那不够。聊天机器人没有为他们创造任何价值。所以我们花时间跟管理层、跟业务线负责人待在一起,弄明白他们真正需要用人工智能去自动化的核心流程是什么。我们做的方式是搭业务应用、搭定制应用:管理状态的应用,智能体端到端操作流程的应用。这对我们弄清该造哪些原语极其有用。比方说,我们做出了「持久流程执行」。我们弄明白了怎么以一种非常有效的方式编排智能体。所以让 FDE 直接坐在客户那里,是非常有用的。
亚瑟:而从去年开始,我们做的是把这些工具传给一些伙伴,比如埃森哲、比如 TCS,也就是系统集成商——它们非常擅长放大事情,一旦你给它们对的工具、对的培训,它们就能帮忙放大,因为它们人更多。但让 Mistral 的人真正坐在键盘前陪客户,对我们的客户非常有用,而且需求很高;对我们自己也很有用。它不是一件我们能无限扩大的事,因为我们不可能养几万个工程师替我们干活。所以现在这块我们通过伙伴去放大,两种动作并存。我们在很多客户里都有 FDE,他们直接跟客户一起工作,他们在运营项目,确保交付发生;同时我们跟系统集成商携手,把活干完,然后由它们做维护这一类事情。
哈里:哪一条收入线你今天没有、但你认为五年后最重要?我刚听你讲的时候在想:我打赌你刚开始的时候,也未必预见到这些不同的动作。我们第一次见亚瑟的时候——我不知道你还记不记得——你当时坐在公园长椅上,就跟我聊人生。
亚瑟:我是,对。你没有——
哈里:——投。你当时应该投的。
亚瑟:兄弟,我他妈——
哈里:——后悔死了。
哈里:我昨天见到让-夏尔了。每次我见到让-夏尔,我们都会聊到你。是啊,这真是个绝好的提醒,提醒我到底损失了多少钱,全都错过了。抱歉。
亚瑟:抱歉。不,你问的是哪条收入线?我是说,我们有这两条收入线。一条是我们部署平台,那是在搭业务应用这件事上真正的授权收入。另一条是消费收入,来自我们建起来的基础设施业务。这两件事手拉手,因为我们的客户一般是为授权而来,然后他们意识到自己没有足够的 GPU,于是我们试着帮他们——给他们 GPU,或者给他们 token 服务。所以这两件事结合得——
哈里:——非常好。
亚瑟:——非常好。
哈里:你觉得三到五年后你们会有一块很大的推理业务吗?你觉得你们会有一块沙箱业务吗?
亚瑟:如果看这个粒度,我会说 GPU 这一侧——也就是一切坐在 GPU 上的东西——会继续增长,因为需求巨大。你还有我们所谓的周边服务,比如跑沙箱、在做强化学习算法时非常容易地扩缩沙箱,或者当你把很多智能体部署在同一个任务上时。这对我们是一块正在长的业务,因为它来自我们客户的需求,而它反过来又让我们去买越来越多的 CPU。所以我很确定我们所谓的运行时那一侧会增长——就是智能体在那里执行任务、调用工具、编译代码并运行代码。
亚瑟:很清楚的是,当你做的是同步任务,只用 GPU 来回答问题,你没有这些东西。当你开始有托管在后台的智能体,在跑大量 CPU 密集的任务,你就需要更多 CPU,需要更多沙箱,也需要更多存储,因为它们产出大量数据。所以这两样——我会说 CPU 相关的任务、数据相关的任务——对我们会是正在增长的业务线。
关于「卖政府」(29:47–30:25)
哈里:这块生意的很大一部分是卖给政府。有什么关于「卖政府」的事是所有人都该知道、但没人知道的?
亚瑟:第一件事是:不存在笼统的「卖政府」这回事。所有政府都非常不一样。哪个最好?有些政府小到它看起来多多少少像一笔企业销售,就是那种部委里每个人都互相认识的政府。而更大国家的政府都要更复杂一些。所以,寻找在哪里创造价值、理解客户需要什么,这个复杂度随着国家规模增长,我得这么说。
10 推理(29:47–31:45)
哈里:你能帮我理解一下推理市场吗?这东西我以前完全不懂。我 12 个月前就该知道、现在才知道的一件事是:推理的需求是无穷的,它的深度令人震惊。推理市场到底发生什么?
亚瑟:我的意思是,推理市场的行为非常像一个大宗商品市场,而它今天的毛利相当高。它的意思是:如果你有供给、如果你对某类模型有正确的服务质量,你就能按需卖出去,因为有很多需求直接来自不承诺容量的客户。而对于那些足够成熟的客户,他们需要保证的服务质量,他们需要服务等级协议,而在那里他们需要预留的物理容量。这是我们可以提供的,因为我们有对的预测模型,也有对的供给。
亚瑟:所以你面对的是这样两边。一边是按需,它的行为非常像大宗商品市场,价格在那里非常关键。另一边是市场的溢价侧,那里的客户实际上想要的是能拿到延迟的保证、能拿到在某个请求量下生成速度的保证。而他们对自身需求形状说得越精确,我们的定价就能越好,我们也就越能把我们自己的基础设施塑造成正确的形状,确保他们以合适的价格拿到合适的服务质量。
11 实验室存活率(31:45–35:28)
哈里:我们有非常多不同的新实验室。已经有一百零二家不同的新实验室被创建出来。每周都有新的 DeepMind 系出走,还有别家,太多了。什么会把活得好的新实验室和活不好的分开?
亚瑟:第一件——我是说,我们自己就是从一个新实验室起家的,2023 年还没有这个叫法。但,实际上,当你创办一家公司,你手里有几发银弹用来招最好的人,而我们把所有的银弹都用在了招研究员上。所以实际上,我们起步时是一家研究公司。我认为让我们能够规模化、到今天能以更广的方式运作的,仍然是最开始那根支柱——交付模型,这也是为什么 Mistral Large 4 对我们来说非常成功。而且我觉得接下来新的发布也很让人兴奋,因为我们进展相当不错。
亚瑟:真正成功的是,我们很早就聚焦在一个会规模化的市场上。所以我们选择了企业市场,它带来一定数量的复杂度,因为企业客户要求高是应该的,而我们把产品调整到能满足这些要求。但我们既能以最高水平做研究、又能持续招人并在更强的模型上继续投入,同时我们又建立起一套以客户为中心的动作、真正理解客户的问题——这两件事合在一起让我们能够规模化。这是每一家新实验室在开始建业务时都要想到的事。
哈里:欧洲真正有能力创建这种公司、并且像你这样已经做过、看过的人,到底有多少?我不知道,也许一个杨立昆做过。是 20 个?还是 100 个?
亚瑟:我不是 VC 投资人,所以你可能比我更清楚。欧洲整体上人才很多,你有大量创业人才,你有大量研究人才,而且你有一个相当好的两者结合。这就是为什么你在欧洲看到很多新实验室。难的地方在于,这不只是有才华,也不只是能卖、能做出一个可以成功创办业务的东西。今天还关乎能不能拿到算力。我认为今天对很多我认识的新实验室来说,一个巨大的瓶颈是:在某些垂直领域做有意思的研究,需要拿到 GPU,而这很难,因为供应极度紧张。这就是为什么在我们手里的供给里,我们给某些新实验室预留了一些容量,因为我们相信它们能长起来,而我们能跟着它们一起长。但实际上,如果你今天是一个创始人,想做一件非常研究导向的事,你最大的问题是:以过得去的价格拿到足够的算力。
哈里:我注意到你刚才提到「研究员」这个词。今天研究员招聘市场有多疯狂?
亚瑟:嗯,我得说相当竞争。再说一遍,如果你有对的使命、有对的薪酬结构、你在做对世界重要的事,人就会加入我们。而且我要说,我们非常感谢所有员工为让 Mistral 成功付出的投入。Mistral Large 4 的质量是一个成功,今天有很多牵引力,在开源权重这个品类里、在编码和网络防御上领跑。这完全是这支团队过去三四个月投入的结果。
亚瑟:还有韧性——因为当你跑一个模型的时候,我们最近发布了技术报告,它经常第一次就是跑不通。所以你需要有能力及时纠偏:好,你要再花两个月才能让它真正跑起来,这会很痛;我们本来预期要发布,但得晚一点发布,这对每个人都很痛,但所有人都得全员上阵、把事情做对。在我们资源这么稀缺的情况下,我非常感谢这支团队的韧性。
12 一千亿(35:28–36:20)
哈里:我刚请了微软的萨提亚上节目,他谈到 Mustafa 之前的一个说法:未来几年我们会看到一千亿美元一次的训练。你觉得这有点夸张,还是其实完全够得着?
亚瑟:我得说,这之前先有一道数据墙。就是说,某个时点,如果你想让模型在某类领域非常强,比如芯片设计,或者像我说的让它在操作工业工程流程上非常强,你确实需要对的训练环境。而这部分需要一些技巧和品味。它不像单纯堆算力那样容易放大。所以我会说,我们今天共同撞上的瓶颈,实际上是能不能拿到足够多的高质量数据。
亚瑟:是算力。我们需要更多算力,我们在部署更多算力。至于走到一千亿美元一次的训练,我认为显然不是明天的事。
13 市场为什么崩(36:20–37:28)
哈里:如果每个人都这么缺算力,那为什么 Nebius 跌了 40%?为什么 CoreWeave 跌了 40%?如果「所有人都缺算力」这么清楚,为什么 AI 这笔交易在公开市场正在裂开?
亚瑟:市场今天在反应什么,我有点看不清楚。我们看到的是:凭我们手上抵押品的质量——也就是收入承诺、take-or-pay 承诺——我们完全有能力为自己的算力融资。作为一家垂直整合运营的公司,我们建算力,但是为了更高层的目的:服务企业,搭业务应用。所以我们锚定在客户创造的价值上,这意味着在融资层面,我们不必把公司极大地压在债务融资上。所以对接下来会发生什么,我们相当有信心。但确实,像任何一次工业建设一样,加很多杠杆是很诱人的,而杠杆总有一天会断。这就是为什么我们很高兴自己是垂直整合的、可以从搭业务应用一直做到基础设施那一段。
14 聚焦与自改进(37:28–39:55)
哈里:事后看,凭「聚焦」这个好处,有什么是你没做、现在回头看会想「我们当初是不是该做」的?
亚瑟:我们没有深入消费市场,而我觉得我们很庆幸自己没做。我们也没有去做芯片设计。我觉得那是——
哈里:亚瑟,你为什么庆幸自己没进消费市场?
亚瑟:我认为那是一个非常拥挤的市场,而且要在最高水平上服务企业客户、同时又去跑一门本质上会是广告生意的东西,非常难。所以那一部分——聚焦企业这个细分市场的决定——以及聚焦在我们决定的那四个垂直行业上:制造、金融服务、国防、公共部门——对聚焦这家公司非常关键。因为人工智能的问题是它什么都能做,而你需要一个聚焦源。我们选的这个聚焦源来自市场。所以我们要的模型,是服务最好的智能体工程流程、服务最好的金融决策、服务最好的国防用途,以及一切与国家主权相关的事。
哈里:说到自我改进(RSI),你也需要一个聚焦源吗?
亚瑟:我的意思是,用 AI 去改进 AI 模型也确实需要聚焦,因为你能投在问题上的资源是有限的。所以到最后,这里的瓶颈确实是算力。另一条瓶颈是:你做的所有事情,凡是递归自我改进的、或者就叫自我改进的——因为它们是同一件事——都需要有定义清楚的问题。今天如果你有一个定义清楚的问题,用人工智能,你之后可以一路爬上去。而企业里的很多情况是,问题定义得不清楚。所以对经济增长来说,真正的摩擦不是我们解不出那些定义清楚的难题,而是很难解那些含糊的问题——目标含糊,又有人在环里。那一部分你没法真的靠自我改进解决,你只能靠把模型部署出去、让它跟人交互来解决。而这正是我们聚焦的部分。当然我们也投了很多在定义清楚的问题上做自我改进回路,但真正在约束企业里 AI 使用量爆发的,是那一部分:你想部署 AI 的那些定义很差的问题,你却没有办法把话说清楚,因为问题的定义本身不成立。所以你得花一些时间——这就是为什么要有 FDE,这就是为什么我们有 FDE——去试着把问题定义得更好。
15 快问(39:55–46:17)
哈里:亚瑟,我得跟你说得直白一点。我开头开了个玩笑,说你像欧洲最后的希望。那句话我不是想说得特别戏剧化,但在「想成为下一个 Mistral 的那些新实验室」这件事上,你和任何其他人之间确实有一道非常大的鸿沟。你和团队感受到这种压力吗?
亚瑟:我们确实感受到一些压力,但就像这个领域里的任何人一样,这个领域增长快、变化快。作为 AI 领域的创业者,你必须在模型这一侧交付,因为那是唯一能展示你在进步的东西。然后企业需要看到价值,所以你得有真正理解业务问题的人。所以这是一个相当不同的问题要解。我们确实感受到一些压力,但我认为这是一种非常健康的压力。这是历史上一个非常重要的时刻,我们需要满足公众舆论的期待。说到底,我们需要展示 AI 是有用的。我们正在做的这种部署、它在市场上造成的这种声音——这项技术需要呈现为一项正向的技术,我们需要展示它的正向性。而要做到这一点,唯一的办法就是把主权 AI 作为一个品类去推广,确保它创造出经济增长和给所有人的机会,确保 AI 的收益被很好地分配。所以它当然会带来一些压力,因为这不是理所当然的。如果我们不成功,我不知道这个世界会变成什么样。我认为我们有一个角色要扮演,我们承担的使命很重要,它是压力,但也相当令人兴奋。
哈里:AI 会把 GDP 增长每年多推两个百分点以上吗?
亚瑟:嗯,这就是全部的问题。你要去解掉哪一种瓶颈,才真能让 GDP 出现拐点?这就是为什么我们对工业工程非常看多。说到底,如果你要 GDP 增长,你需要更多产出,你不需要更多智力。你需要更多生产。要有更多生产,你需要更好的工厂,你需要更高效的东西,你需要用同样多的油飞得更久的更好的飞机,你需要更高效、碳强度更低的能源生产,你需要更好的 ASML 机器,你也需要在金融服务里有更好的服务。特别是在工业与工程里,用 AI 让你可以做出更好的物体设计。所以如果你把智能体回路搭起来去设计更安全的车,你的汽车设计团队就能快得多、迭代得快得多。那意味着你能卖得更多,意味着你能卖得更便宜,意味着你在造更安全的产品。在航空航天业,如果你设计出更好的飞机,它会在天上飞四十年;如果它跑得更快、用油更少,那就会带来 GDP 增长。所以到最后,真正重要的是让 AI 产生物理上的效果。而这种效果,我们主要在制造业和金融服务业里找到。
哈里:我知道时间,我来做一轮快问快答,好吗?请。
亚瑟:好。
哈里:今天你相信什么,而你周围大多数人不认同?
亚瑟:我认为我们非常坚信,这是一个正在碎片化的市场,而主权 AI 会成为企业里最重要的一个 AI 部署品类。因为当企业要部署这项技术时,业务连续性、成本、对自己数据和 IP 的控制,会成为唯一重要的那件事。所以我认为这是一个非常强的信念。它被很多企业认同,也被市场的很大一部分认同,但当然不被我们的一些竞争对手认同。
哈里:今天给一个极其疯狂的预测,五年后它会变得非常普遍——关于我们生活的方式、工作的方式?
亚瑟:我认为作为工程师,我们的工作方式已经变了一轮;对软件工程师来说已经变了,接下来会对任何一类工程师彻底改变。所以我对那种「设计更好产品」的方式非常兴奋——在人工智能的帮助下,以相当自主的方式去做。所以这不涉及所有人,但涉及每一个有技术背景的人:不只是最先受影响的软件工程师和数学家,每一个有技术背景的人都会以某种方式操作 AI 智能体,而这种操作会给他们巨大的杠杆。所以这件事本身就会是劳动力市场运作方式的一次重大转变。
哈里:上市这件事你打算怎么办?因为有一天你会想上市,但你在欧洲没法上市。
亚瑟:你完全可以在欧洲上市。
哈里:哦,得了吧。你需要在法国上市?
亚瑟:不。十年前曾经是真的东西,我认为现在不再是了。全世界投资人对投资欧洲有巨大的胃口,既有私募股权这一侧,也有公开股权这一侧。所以过去存在的那些瓶颈已经不存在了。所以我们 Mistral 当然在准备——你知道,当你去上市、成为一家上市公司,你有很多运营上的约束。我们同时也在推动和交付我们该交付的商业里程碑。但我不认为这还是一个瓶颈。而且已经有很多非常成功的公司,其中一些股东最初就是在欧洲上市的。所以没有理由不在某个时点去欧洲 IPO。
哈里:最后一个问题,兄弟。当你看向未来五年、七年、十年,你最兴奋的是什么,而且是很多人没在想的那件事?
亚瑟:我相当兴奋的是,AI 将如何在那些我们对世界缺乏理解的领域里,让基础研究成为可能。比方说物理学:我们既能以前所未有的规模跑 AI 模拟——我们收购的那支叫 EMI 的团队正是这方面的专家——这会让新的发现成为可能。我们能造模拟器,又能让智能体去操作这些模拟器,从而更好地理解世界,这会成为理解世界的一个巨大使能器。我是数学和物理出身的,所以我为下一代研究者面前的机会感到相当兴奋。
哈里:你知道吗,亚瑟?我要怪你。你坐在长椅上的时候,说话的方式跟现在完全不一样。那时的亚瑟和今天的亚瑟,说真的,差别大得像一个悖论。看到你成为的这位领导者,太了不起了。我是真心的。我对你、对你为欧洲所做的一切,有太多的尊重、钦佩和感激。但哇,太了不起了。
亚瑟:谢谢你的夸奖。我们还有很多东西要交付,但我们对已经取得的进展相当满意。我认为这个使命很重要。所以如果有任何在看我们的人想加入这段旅程,请直接联系我。
片尾(46:32)
哈里(口播):但在今天放你走之前——Base44 是我自己用过的一类产品,我第一反应就是:天啊,我当年拿 50 美元、在创投圈一个人都不认识的时候开始做 20VC,要是就有这个东西该多好。我想看看它能做什么,于是给节目搭了一个嘉宾调研中心:即将到来的嘉宾、公司笔记、过往访谈、赞助商联系人、后续跟进,全都在一个地方。我是用大白话描述需求的。几分钟之后,产品就摆在我面前了——数据库、登录、后端、托管都已经处理好,全在一个地方,太省事了。我喜欢的就是这一点:我没有写很长的需求文档,我没有把五个工具拼起来。我把东西做出来,然后开始用它。对在听的创始人来说,这就是关键——你把想法变成真东西的速度越快,你上线的速度就越快。应用、看板、内部系统、AI 智能体,你想建什么,Base44 都能把你送到。去 base44.com 斜杠 20VC,也就是 base44.com/20VC。
哈里(口播):Base44 帮你建得更快,Laradin 帮你衡量 AI 的影响。现在每家公司都在跑两支劳动力:人,和 AI 智能体。Laradin 是第一块横跨这两支劳动力的统一看板,衡量它们的工作、优化它们的影响。Laradin 回答四个问题:谁在用 AI?用了哪些工具?花了多少钱?每个团队、每个供应商,到底产出了什么?AI 的 ROI 不再靠猜,而变成一个你能持续、有信心地量出来的数字。Gainsight、Vertiv、SurveyMonkey 以及很多其他企业机构都在 Laradin 上跑它们的 AI 项目。数千个 AI 工具、数百万美元的 AI 支出正在被衡量。你押注 AI,Laradin 证明它确实在起作用。访问 laradin.com 了解更多,拼写是 L-A-R-I-D-I-N.com。
哈里(口播):Laradin 衡量 AI 的影响,Shop 帮你买得更聪明。我的智能体能总结董事会材料、调研一位创始人、翻我的笔记。但你让它去买点东西,它立刻就散架了:尺寸不对、链接失效、卡在登录页,最后还得我自己来。这就是为什么今天的节目由 Shopify 的 Shop Skill 支持。去 shop.md,复制那段提示词,粘进你已经在用的任何智能体,就这样——你的智能体现在可以搜索 Shopify 上数百万家店铺、超过十亿件商品。用 Shop 登录,它就知道你的偏好和订单历史,所以挑出来的东西真的像你挑的;而且在你在 Shop 里确认之前,什么都不会被买下。我已经把这个 Shop Skill 装到我的智能体上了,我很喜欢它给我找的东西。我当时需要一款特定口味、有预算上限的蛋白粉,不想花太多钱,还想在周末前拿到。我就把这句原话打进智能体,就是我会怎么说的那种说法;换以前它会卡在结算页。这一次它带回来的正是我要的,我的信息已经填好了,我点确认,就结束了。把你的智能体变成私人买手,用 Shop Skill。访问 shop.md 斜杠 20minutevc,也就是 shop.md/20minutevc。
References
- 1Mistral 官方公告
mistral.ai
- 2Mistral 官方博客
mistral.ai
- 3CNBC 当日行情
cnbc.com
- 4维基百科
en.wikipedia.org


Comments