La Gran Apuesta de Mistral por la Infraestructura de IA en Europa

La empresa francesa de IA Mistral está ampliando su negocio con tres anuncios centrales. En primer lugar, está construyendo una costosa capacidad de cómputo en Europa, reuniendo a un grupo de grandes empresas e instituciones europeas que se comprometen a comprar cómputo durante varios años. Mistral pretende aumentar la capacidad de cómputo europea a 200 megavatios para finales de 2027 y hasta un gigavatio en 2030; en marzo asumió una deuda de 830 millones de dólares para un centro de datos de 44 MW. El núcleo del nuevo modelo de financiación son las Unidades de Cómputo Europeas (ECU, por sus siglas en inglés), compromisos a largo plazo para acceder durante varios años a la infraestructura de Mistral, con la expectativa de que los socios se comprometan durante unos cinco años y sin salida anticipada. Entre los participantes se encuentran Amadeus, ASML, Capgemini, Caisse des Dépôts y CMA CGM, y Microsoft también alquilará capacidad de los centros de datos europeos de Mistral. En segundo lugar, los clientes empresariales ahora pueden elegir si sus solicitudes de IA se procesan en Europa o en Estados Unidos, y Mistral planea una variante que utilice exclusivamente infraestructura controlada por Mistral sin grandes proveedores de nube; también introduce un nivel de servicio con límites de uso personalizados y disponibilidad garantizada por contrato, afirmando ser el único laboratorio europeo de IA que ofrece tanto la elección de región como la disponibilidad garantizada. En tercer lugar, Mistral ofrecerá modelos de peso abierto de otros desarrolladores en su plataforma, comenzando con GLM-5.2 del laboratorio chino Z.ai, que se ejecutará en la misma infraestructura con los mismos compromisos regionales y de disponibilidad. La empresa argumenta que las aplicaciones modernas de IA requieren una combinación de modelos y que los clientes necesitan tanto control sobre la infraestructura como elección de modelos; estratégicamente, su infraestructura puede volverse más importante que sus propios modelos, ya que ejecutar modelos grandes y aplicaciones agénticas en las instalaciones propias se vuelve más difícil.