法国人工智能初创公司 Mistral 正加码企业市场，推出一款主打“自建模型”的新平台，试图在与 OpenAI、Anthropic 等竞争对手的较量中形成差异化。

企业模型“水土不服”痛点凸显

业内人士普遍认为，许多企业级 AI 项目受挫的原因，并不在于缺乏技术能力，而在于所用模型难以真正理解企业自身业务。这些模型大多基于互联网公开数据训练，而非建立在企业多年积累的内部文档、业务流程和机构知识之上。

Mistral 认为，这一差距为其提供了切入空间。

Mistral Forge在GTC发布 主打“从零训练”

Mistral 周二宣布推出企业平台 Mistral Forge，允许企业基于自有数据构建定制模型。该产品在英伟达年度技术大会 GTC 上发布，今年大会重点聚焦企业 AI 和智能代理模型。

与主要面向消费者应用的 OpenAI 和 Anthropic 不同，Mistral 自成立以来一直强调企业客户定位。首席执行官 Arthur Mensch 表示，公司专注企业市场的策略正在发挥作用，Mistral 今年有望实现超过 10 亿美元的年经常性收入（ARR）。

Mistral 称，加大对企业市场的投入，重要目的之一是让企业对自身数据和 AI 系统拥有更高的控制权。

Mistral 产品负责人 Elisa Salamanca 在接受 TechCrunch 采访时表示，Forge 旨在让企业和政府“根据其具体需求定制 AI 模型”。

与微调和RAG路径拉开差距

当前企业 AI 领域已有多家厂商宣称能够提供定制能力，但大多集中在两类技术路径：

• 对现有大模型进行微调；
• 通过检索增强生成（RAG）在推理阶段调用企业内部数据。

这两种方式通常不会从根本上重新训练模型，而是在运行时对模型进行调整或向其提供额外信息。

Mistral 表示，Forge 的不同之处在于支持企业“从零开始训练模型”。从理论上看，这一方式有望更好地处理非英语数据或高度垂直领域数据，并为企业提供更强的模型行为控制能力。同时，企业可以利用强化学习训练智能代理系统，降低对第三方模型供应商的依赖，减少因外部模型调整或下线带来的不确定性。

利用开源模型权重 深挖“小模型”价值

Forge 客户可以基于 Mistral 已发布的开源权重模型构建自有系统，其中包括近期推出的小型模型 Mistral Small 4。

Mistral 联合创始人兼首席技术官 Timothée Lacroix 表示，Forge 有助于进一步释放现有模型的价值。他指出，在构建小型模型时，团队在覆盖广度和性能之间做出权衡，小模型在所有主题上的表现难以与大型模型相比，因此通过定制可以“选择重点和舍弃的内容”。

Lacroix 称，Mistral 会就模型选型和基础设施方案向客户提供建议，但最终决策权在客户手中。

前置工程团队嵌入式服务

对于需要更多支持的企业团队，Forge 配备了 Mistral 的前置工程师团队。这些工程师会直接进入客户现场，协助挖掘和整理合适的数据，并根据客户需求调整方案。该服务模式被认为借鉴了 IBM 和 Palantir 等公司的做法。

Salamanca 表示，Forge 作为产品本身已经集成了构建合成数据管道所需的工具和基础设施，但在如何设计评估体系、如何确保数据量充足等方面，许多企业仍缺乏经验，这正是前置工程师团队的主要作用所在。

覆盖电信、航天、制造与政府安全机构

Mistral 已将 Forge 提供给多家合作伙伴试用或部署，其中包括：

• 爱立信（Ericsson）；
• 欧洲航天局（ESA）；
• 意大利咨询公司 Reply；
• 新加坡 DSO 和 HTX 等机构。

早期采用者还包括荷兰芯片制造商 ASML。ASML 曾在去年 9 月领投 Mistral 的 C 轮融资，当时 Mistral 估值为 117 亿欧元（约合 138 亿美元）。

Mistral 首席营收官 Marjorie Janiewicz 表示，这些合作伙伴关系反映了公司对 Forge 主要应用场景的预期，包括：

• 需要在语言和文化层面进行本地化定制的政府机构；
• 合规要求严格的金融机构；
• 有特定工艺和流程需求的制造企业；
• 需要针对自身代码库调优模型的科技公司。

Mistral 方面未披露 Forge 的具体商业条款，但强调该平台的目标是帮助企业在自有数据和模型控制权之间取得更大主动权。