Mistral styrker Europas AI-suverænitet med regional inferens og ny infrastruktur

Mistral AI tager det næste skridt i sin europæiske AI-indsats. Med regional differentiering, støtte til mere åbne modeller og planer om massivt udvidet computerkapacitet ønsker det franske AI-firma at give europæiske virksomheder større kontrol over de data, modeller og infrastruktur, der driver deres AI-systemer.

Kampen om kunstig intelligens handler ikke længere kun om, hvem der udvikler de mest avancerede modeller. Adgang til datacentre, GPU-kapacitet, energi og kontrol over, hvor data behandles, er blevet mindst lige så strategisk.

Nu styrker Mistral AI dens position inden for det, der i stigende grad beskrives som fremragende AI, hvor virksomheder og lande får større kontrol over både modeller og den underliggende infrastruktur.

Virksomheden præsenterer tre nøgleinitiativer: regional inferens, udvidet understøttelse af åbne AI-modeller og en langsigtet investering i europæisk computerkapacitet.

AI-behandling kan forblive inden for Europa

En vigtig del af investeringen er Mistral regionale endepunkter, som nu er offentligt tilgængelig.

Virksomhedskunder kan vælge, om inferensen skal køres i Europa eller USA. Det betyder, at selve AI-behandlingen kan placeres tættere på brugeren og inden for organisationens valgte region.

For europæiske virksomheder kan dette blive særligt relevant, når AI-systemer håndterer følsomme oplysninger, eller når krav omkring dataopbevaring, overholdelse af lovgivningen og latenstid påvirker, hvordan infrastrukturen skal designes.

Mistral angiver også, at begrænsede og beskyttede overførsler til underleverandører uden for den valgte region kan forekomme. Regional behandling betyder derfor ikke nødvendigvis, at alle dele af tjenestens databehandling altid forbliver inden for det samme geografiske område.

Nye muligheder for missionskritisk AI

Parallelle introduktioner Mistral Prioritetsniveau, som i øjeblikket er i offentlig forhåndsvisning.

Tjenesten er rettet mod organisationer, der bruger AI i missionskritiske miljøer og har brug for mere forudsigelig adgang til kapacitet.

Prioritetsniveauet inkluderer tilpassede kapacitetsgrænser og serviceniveauer, der understøttes af en tilgængeligheds-SLA.

Det er et vigtigt skift, idet generativ AI bevæger sig fra eksperimenter og pilotprojekter til systemer, der rent faktisk bruges i produktionen.

Når AI integreres i forretningsprocesser, kundeservice, udviklingsmiljøer og interne systemer, bliver tilgængeligheden af inferensfunktioner en del af virksomhedens operationelle infrastruktur.

Mistral åbner platformen for flere modeller

Mistral udvider også sin platform til modeller udviklet af andre aktører.

Virksomheden har længe positioneret sig omkring åbne modeller og såkaldte open-weight-modeller, hvor organisationer har større mulighed for at tilpasse og kontrollere teknologien.

Nu kan eksterne åbne modeller også køres gennem den samme infrastruktur og regionale kontroller som Mistrals egne modeller.

Den første eksterne model vil være Z.ai GLM-5.2.

Strategien betyder, at Mistral forsøger at udvikle sin platform fra primært at være en leverandør af egne AI-modeller til at blive en bredere infrastruktur, hvor virksomheder kan kombinere flere modeller uden at skulle fragmentere deres AI-miljø.

Dette kan være betydeligt for større organisationer. Virksomheders AI-arkitekturer udvikler sig i stigende grad mod miljøer, hvor forskellige modeller bruges til forskellige opgaver, såsom avanceret ræsonnement, kodegenerering, dokumentanalyse eller store mængder simpel inferens.

Ønsker at opbygge op til 1 GW europæisk AI-kapacitet

Den mest langsigtede del af Mistrals strategi vedrører selve computerkapaciteten.

Virksomheden samler en gruppe af store virksomheder og institutioner omkring flerårige forpligtelser, der vil bidrage til finansiering og udvidelse af AI-infrastruktur i Europa.

Målet er at bygge op til 1 gigawatt ny computerkapacitet inden 2030.

Blandt de organisationer, der er nævnt i initiativet, er blandt andet: ASML, CMA CGM og Amadeus.

Ved at samle langsigtet efterspørgsel fra flere store kunder ønsker Mistral at skabe økonomiske betingelser for at bygge infrastruktur i en skala, som individuelle virksomheder ellers ville have svært ved at sikre på egen hånd.

Europæiske computerenheder for at sikre kapacitet

Som en del af modellen introducerer Mistral også Europæiske computerenheder, ECU.

ECU vil forbinde virksomheders langsigtede forpligtelser til adgang til Mistrals egen computerinfrastruktur i flere år.

Ideen er, at deltagende organisationer vil kunne bruge den reserverede kapacitet mellem forskellige produkter i Mistral Compute, efterhånden som deres behov ændrer sig.

Dette gør computerkapacitet til noget, der kan planlægges og sikres langsigtet, snarere end en ressource, der kun købes efter behov fra globale cloudplatforme.

Europas AI-problem bliver i stigende grad et infrastrukturproblem

Mistrals investering viser også, hvordan den globale AI-konkurrence ændrer sig.

I de senere år har meget af opmærksomheden været rettet mod modeller fra aktører som OpenAI, Google, Anthropic og Meta. Men i takt med at AI bliver en del af virksomhedernes kerneforretning, bliver spørgsmålet om, hvem der kontrollerer infrastrukturen, stadig vigtigere.

For Europa udgør dette en særlig udfordring.

Regionen har en stærk industri, forskning og et stort virksomhedsmarked, men en betydelig del af den digitale infrastruktur og AI-kapaciteter kontrolleres stadig af amerikanske hyperscalere og teknologivirksomheder.

Mistrals strategi er et forsøg på at ændre den balance ved at kombinere europæisk inferenskapacitet, åbne modeller og langsigtet reserveret beregning.

Det betyder ikke, at Europa bliver uafhængig af den globale AI-industri natten over. AI-infrastruktur er stadig afhængig af komplekse internationale forsyningskæder til blandt andet halvledere, netværk, energi og datacenterudstyr.

Men udviklingen viser, at AI-suverænitet bevæger sig fra politisk koncept til konkret infrastrukturstrategi.

For europæiske IT-chefer, CTO'er og IT-organisationer kan fremtidige valg af AI derfor handle om meget mere end blot hvilken model der fungerer bedst.

Spørgsmål om, hvor data behandles, hvem der kontrollerer modellerne, og hvordan computerkapaciteten sikres, kan være mindst lige så afgørende.