
免费试用对 AI 产品经营的影响,以及创始人在成本、增长和商业模式之间如何权衡
11 月 22 日 · 31 分钟

这一期,我们听的是 The Twenty Minute VC(20VC) 的一期节目。
【这期讲什么】
Arthur Mensch 是 Mistral 的联合创始人兼 CEO,Mistral 被视为欧洲前沿智能的最后希望。Mistral 已融资约 75 亿美元(包含债务),估值突破 240 亿美元。此前作为 Google DeepMind 的研究员,Arthur 共同撰写了里程碑式的 Chinchilla 论文,证明了更小、训练更充分的 AI 模型能够超越规模大得多的竞争对手。
本期议程:
【时间轴】
Mistral 是欧洲在 AI 领域的最后希望吗?
中国的开源模型真的安全吗?
OpenAI 和 Anthropic 会取代自己的客户吗?
为什么能源不是欧洲 AI 最大的瓶颈?
为什么 Mistral 不会跟随 OpenAI 涉足芯片?
谁能从推理爆发中赚到大钱?
102 家新 AI 实验室:谁能真正活下来?
耗资千亿美元的模型训练纯属幻想吗?
如果所有人都需要算力,为什么 AI 概念股还在大跌?
Mistral IPO 会选择欧洲吗?
【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。
————————————
我是 Felix,在中美经营一家 AI 技术公司。
想共同探索 AI 机会,或者想加入我的团队做有意思的事,欢迎来找我:
说明里标出的时间点,点一下跳过去
AI 从整集转写里归纳的,不是节目方的宣传语
Mensch给出主权AI三要素框架:安全可靠的模型来源、掌控数据平面、低成本token生成能力,并透露80%token流量来自自有模型。
Mistral CEO亲口解释为什么不做芯片、为什么庆幸没进消费市场,以及FDE团队如何帮ASML和Airbus解决实际问题。
主持人回忆当年在公园长椅上聊天的Mensch,感慨他与今天判若两人,Mensch回应“我们还有很多事情要兑现”。
AI 读完整集转写后给出的推荐理由
Mistral CEO Arthur Mensch 罕见地放开了聊:他给出一个反直觉的数字——能源只占算力总拥有成本的10%,真正的瓶颈是芯片和资本。他拆解了主权AI的三个支柱,解释了推理市场为什么像商品市场却利润率还很高,还透露Mistral约80%的token流量来自自有模型。最精彩的一段是他对AI落地瓶颈的判断:真正拖慢企业的不是算力,而是那些定义不清的问题。
由 AI 从整集转写生成,是创作者说明之外的补充
Mistral 联合创始人兼 CEO Arthur Mensch 接受访谈,系统阐述主权AI的三个支柱(安全可靠的模型来源、掌控数据平面、低成本token生成),认为主权AI将成为企业部署AI最重要的品类。他透露 Mistral 约80%的token流量来自自有模型,能源只占算力总拥有成本的约10%,真正的瓶颈是芯片成本和资本成本。他解释了推理市场的商品化逻辑与高端服务分层,明确表示不做芯片,而是沿技术栈垂直整合从基础设施做到业务应用。他还指出AI落地的真正瓶颈是“定义不清的问题”,并分享了Mistral专注制造业、金融、国防、公共部门四个垂直领域的战略选择,以及对欧洲IPO和AI推动基础研究的展望。
点一章从那里开始播 · 与上面创作者标的时间点各自独立
开场:欧洲最后的希望与Mistral的210亿美元估值
主播Felix介绍嘉宾Arthur Mensch——Mistral联合创始人兼CEO,曾在Google DeepMind做研究并参与Chinchilla。Mistral估值已达210亿美元,被视为欧洲在前沿模型竞争中保持存在感的关键角色。主播预告本期将聊主权AI和推理市场。
主权AI是结构性问题,不是政治情绪
Mensch解释主权AI的需求源于技术本身的性质:当企业或国家把AI嵌入核心流程,就希望资金留在本地,否则会出现贸易平衡问题。他回顾2023年创立Mistral时就坚信AI是主权技术,企业需要能定制系统、控制成本、与真正懂AI的公司合作。
主权AI的三个支柱:模型、数据平面、token工厂
Mensch系统阐述主权AI的三个必备要素:安全可靠的模型来源(自己训练模型并持续投入)、掌控数据平面(部署在客户租户环境里)、低成本token生成能力(建设自有基础设施)。他解释Mistral约80%的token流量来自自有模型,因为客户更信任经过验证的数据供应链。
开放权重模型的安全争议与供应安全
讨论中国开源模型的安全顾虑,Mensch指出国防和金融等关键基础设施行业会非常谨慎,零售和制造业顾虑程度不同。他提到美国已把前沿模型当国防系统管理,中国也在研究限制超过门槛的模型出口。他警告如果AI供应商集中化,杠杆会非常大,可能利用企业数据打造更强系统再抢客户生意。
能源只占成本10%,芯片和资本才是大头
Mensch给出反直觉判断:能源只占算力总体拥有成本约10%,真正关键的是芯片成本和资本成本。他分析欧洲能源分布不均,法国和北欧能源富裕,英国德国稍差。他认为2029-2030年能源才会变成瓶颈,政府需要提前规划并推动建设。
算力采购是一套工业流程,不是软件
Mensch描述算力采购的复杂性:除了GPU还有CPU、存储和各种电器部件,需要管理供应链交付周期和多套预测。企业是主要客户,AI原生公司可能一次要更多GPU但只用较短时间,像微软这样的公司会承租算力容量。他强调提前准备好产能就很好卖。
政府能做什么:加快审批、提供担保、协调各方
Mensch建议政府以市场中立方式介入:加快审批、画出专门场地、协调区域和国家层面各方。政府还可以为数据中心租赁或十到十五年空间预定提供担保,这对资产负债表较小的公司非常有用。公共部门本身也是重要客户。
主权的颗粒度:不可能每个国家都有自己的模型
Mensch认为合理的颗粒度是需要一个足够大的市场才能做出有用的模型。Mistral约60%营收来自欧洲,其余来自美国和亚太。他介绍Mistral服务制造业、金融、服务业和国防四个垂直领域,帮ASML造更好的机器,帮Airbus造更好的飞机。
不做芯片,但沿技术栈垂直整合到应用层
Mensch明确表示没有做芯片的计划,Mistral的垂直整合是从训练模型走到自有基础设施上提供模型服务,花了约十八个月。他强调生成的token完全来自欧洲,不受美国域外法律影响。通过FDE团队帮客户构建业务应用,从去年开始也通过埃森哲、TCS等系统集成商扩大交付规模。
两条收入线:软件许可与按量消耗
Mensch介绍Mistral有两条收入线:部署平台的软件许可收入,和基础设施业务的按量消耗收入。客户通常冲着软件许可来,但很快发现GPU不够,于是Mistral提供GPU或token生成服务。他预判GPU业务和CPU任务、数据任务相关的业务线会持续增长。
推理市场:商品市场的高端分层
Mensch解释推理市场很像商品市场且利润率相当高。市场分两块:按需服务的横向商品市场,价格非常关键;高端服务客户需要SLA、预留物理算力、延迟和生成速度保障。客户越能准确描述需求,Mistral就能定出越好的价格。
新实验室的生存法则:选对市场、拿到算力
Mensch回顾Mistral从研究型公司起步,成功关键是第一根支柱交付模型,以及很早就选定可规模化的企业市场。他指出现在新实验室最大的瓶颈是拿到足够GPU做有价值研究,Mistral会给一些新实验室预留算力。
训练模型的痛苦:第一次往往不会成功
Mensch坦言训练模型第一次往往不会成功,必须能及时调整方向,哪怕意味着再花两个月。他感谢团队在资源有限情况下展现的韧性。关于千亿美元规模训练任务,他认为数据本身是门槛,短期内还做不到。
为什么不做消费市场:专注四个垂直领域
面对公开市场AI交易逻辑的波动,Mensch表示Mistral凭借收入承诺等优质抵押品能自己为算力融资,没必要靠巨额债务加杠杆。他庆幸没有深入消费市场和低成本设计,专注制造业、金融服务、国防和公共部门四个领域。
AI落地的真正瓶颈:定义不清的问题
Mensch指出所有递归自我改进都要求问题定义清楚,但很多企业的问题根本没有定义清楚。真正拖慢经济增长的是目标模糊、还需要人参与的问题,这部分只能靠FDE帮客户定义问题。他承认感受到压力,但认为这是健康的压力。
AI如何推动GDP:对现实世界产生物理影响
Mensch认为想让GDP增长需要更多产出,不是更多智能。AI能帮工业工程把产品设计得更好,比如设计更安全的汽车、更省油的飞机。他强调真正重要的是让AI对现实世界产生物理层面的影响,这种影响主要出现在制造业和金融服务业。
欧洲IPO、基础研究与最后的寄语
Mensch认为十年前欧洲上市的瓶颈已不存在,Mistral在为上市做准备。他最兴奋的是AI推动基础研究,比如通过模拟器让智能体更好地理解世界。主播感慨Mensch与当年公园长椅上的那个人判若两人,Mensch回应还有很多事情要兑现。

免费试用对 AI 产品经营的影响,以及创始人在成本、增长和商业模式之间如何权衡
11 月 22 日 · 31 分钟

硅谷早报|甲骨文筹齐OpenAI资金:交付时间表稳住但举债承压;SpaceX发债买芯片
11 月 22 日 · 10 分钟

Muse产品负责人分享:从树莓派周末实验到上线,整个过程打磨了七个月
11 月 21 日 · 1 小时 18 分

硅谷早报|Astra降价却难胜任长程开发:单次便宜难抵空转返工总账
11 月 21 日 · 12 分钟

硅谷早上好 · 11 月 15 日 · 46 分钟
这一期,我们听的是 The Twenty Minute VC(20VC) 的一期节目。
【这期讲什么】
Arthur Mensch 是 Mistral 的联合创始人兼 CEO,Mistral 被视为欧洲前沿智能的最后希望。Mistral 已融资约 75 亿美元(包含债务),估值突破 240 亿美元。此前作为 Google DeepMind 的研究员,Arthur 共同撰写了里程碑式的 Chinchilla 论文,证明了更小、训练更充分的 AI 模型能够超越规模大得多的竞争对手。
本期议程:
【时间轴】
Mistral 是欧洲在 AI 领域的最后希望吗?
中国的开源模型真的安全吗?
OpenAI 和 Anthropic 会取代自己的客户吗?
为什么能源不是欧洲 AI 最大的瓶颈?
为什么 Mistral 不会跟随 OpenAI 涉足芯片?
谁能从推理爆发中赚到大钱?
102 家新 AI 实验室:谁能真正活下来?
耗资千亿美元的模型训练纯属幻想吗?
如果所有人都需要算力,为什么 AI 概念股还在大跌?
Mistral IPO 会选择欧洲吗?
【说明】
本节目与原节目、嘉宾或其所属机构不存在官方隶属关系。
————————————
我是 Felix,在中美经营一家 AI 技术公司。
想共同探索 AI 机会,或者想加入我的团队做有意思的事,欢迎来找我:
说明里标出的时间点,点一下跳过去
AI 从整集转写里归纳的,不是节目方的宣传语
Mensch给出主权AI三要素框架:安全可靠的模型来源、掌控数据平面、低成本token生成能力,并透露80%token流量来自自有模型。
Mistral CEO亲口解释为什么不做芯片、为什么庆幸没进消费市场,以及FDE团队如何帮ASML和Airbus解决实际问题。
主持人回忆当年在公园长椅上聊天的Mensch,感慨他与今天判若两人,Mensch回应“我们还有很多事情要兑现”。
AI 读完整集转写后给出的推荐理由
Mistral CEO Arthur Mensch 罕见地放开了聊:他给出一个反直觉的数字——能源只占算力总拥有成本的10%,真正的瓶颈是芯片和资本。他拆解了主权AI的三个支柱,解释了推理市场为什么像商品市场却利润率还很高,还透露Mistral约80%的token流量来自自有模型。最精彩的一段是他对AI落地瓶颈的判断:真正拖慢企业的不是算力,而是那些定义不清的问题。
由 AI 从整集转写生成,是创作者说明之外的补充
Mistral 联合创始人兼 CEO Arthur Mensch 接受访谈,系统阐述主权AI的三个支柱(安全可靠的模型来源、掌控数据平面、低成本token生成),认为主权AI将成为企业部署AI最重要的品类。他透露 Mistral 约80%的token流量来自自有模型,能源只占算力总拥有成本的约10%,真正的瓶颈是芯片成本和资本成本。他解释了推理市场的商品化逻辑与高端服务分层,明确表示不做芯片,而是沿技术栈垂直整合从基础设施做到业务应用。他还指出AI落地的真正瓶颈是“定义不清的问题”,并分享了Mistral专注制造业、金融、国防、公共部门四个垂直领域的战略选择,以及对欧洲IPO和AI推动基础研究的展望。
点一章从那里开始播 · 与创作者标的时间点各自独立
开场:欧洲最后的希望与Mistral的210亿美元估值
主权AI是结构性问题,不是政治情绪
主权AI的三个支柱:模型、数据平面、token工厂
开放权重模型的安全争议与供应安全
能源只占成本10%,芯片和资本才是大头
算力采购是一套工业流程,不是软件
政府能做什么:加快审批、提供担保、协调各方
主权的颗粒度:不可能每个国家都有自己的模型
不做芯片,但沿技术栈垂直整合到应用层
两条收入线:软件许可与按量消耗
推理市场:商品市场的高端分层
新实验室的生存法则:选对市场、拿到算力
训练模型的痛苦:第一次往往不会成功
为什么不做消费市场:专注四个垂直领域
AI落地的真正瓶颈:定义不清的问题
AI如何推动GDP:对现实世界产生物理影响
欧洲IPO、基础研究与最后的寄语
节目里自然聊到的,不是广告

AI 对内容的推测
☕🧄 这个比喻出自 2009 年周立波的一句「喝咖啡的怎么能和吃大蒜的呆在一起呢」;郭德纲后来在《你要高雅》里回了一句「雅和俗分不开,喝着咖啡就着大蒜,秋水共长天一色」。我们借它标注风格取向 —— 两端没有高下,编辑部式与熟人局式都能做出极好的节目。
https://proxy.wavpub.com/morningguigu.xml复制概要、章节、提及与推广标注由 AI 生成,可能有误;内容版权归创作者,声湃按创作者开放的 RSS 收录。了解收录与 RSS →

免费试用对 AI 产品经营的影响,以及创始人在成本、增长和商业模式之间如何权衡
11 月 22 日 · 31 分钟

硅谷早报|甲骨文筹齐OpenAI资金:交付时间表稳住但举债承压;SpaceX发债买芯片
11 月 22 日 · 10 分钟

Muse产品负责人分享:从树莓派周末实验到上线,整个过程打磨了七个月
11 月 21 日 · 1 小时 18 分