A Grande Aposta da Mistral na Infraestrutura de IA da Europa

A empresa francesa de IA Mistral está ampliando seus negócios com três anúncios centrais. Primeiro, está construindo capacidade de computação dispendiosa na Europa, reunindo um grupo de grandes empresas e instituições europeias que se comprometem a adquirir computação por vários anos. A Mistral pretende aumentar a capacidade de computação europeia para 200 megawatts até o final de 2027 e até um gigawatt até 2030; em março, contraiu uma dívida de 830 milhões de dólares para um data center de 44 MW. O núcleo do novo modelo de financiamento são as Unidades de Computação Europeias (ECUs, na sigla em inglês), compromissos de longo prazo para acesso plurianual à infraestrutura da Mistral, com expectativa de que os parceiros se comprometam por cerca de cinco anos, sem possibilidade de saída antecipada. Entre os participantes estão Amadeus, ASML, Capgemini, Caisse des Dépôts e CMA CGM, e a Microsoft também alugará capacidade dos data centers europeus da Mistral. Segundo, os clientes empresariais agora podem escolher se seus pedidos de IA são processados na Europa ou nos Estados Unidos, e a Mistral planeja uma variante usando exclusivamente infraestrutura controlada pela Mistral, sem grandes provedores de nuvem; também introduz um nível de serviço com limites de uso personalizados e disponibilidade contratualmente garantida, afirmando ser o único laboratório europeu de IA a oferecer tanto a escolha de região quanto a disponibilidade garantida. Terceiro, a Mistral oferecerá modelos de peso aberto de outros desenvolvedores em sua plataforma, começando com o GLM-5.2 do laboratório chinês Z.ai, que será executado na mesma infraestrutura, com os mesmos compromissos regionais e de disponibilidade. A empresa argumenta que aplicações modernas de IA exigem uma combinação de modelos e que os clientes precisam tanto de controle sobre a infraestrutura quanto de escolha de modelos; estrategicamente, sua infraestrutura pode se tornar mais importante do que seus próprios modelos, à medida que executar grandes modelos e aplicações agênticas localmente se torna mais difícil.