跨界入局！光刻机霸主ASML108亿领投“欧洲版OpenAI”

PitchBook数据显示，2025年第一季度，全球1603笔风险投资交易中，其中有57.9%流向AI和机器学习赛道，占整体交易总额的近70%，至500亿美元。而截至2025年上半年，AI行业整体投融资规模超过839亿美元（约合近6000亿元），按年率估算，今年全球风险投资规模将超1678亿美元（约合1.20万亿元），有望创下AI领域风投的新纪录。

其中，OpenAI的400亿美元高额融资拔得头筹。另据The information，OpenAI近期表示，预计今年公司的资金投入将超过80亿美元，到2029年，其业务将支出1150亿美元资金，主要在于OpenAI需要更多AI训练算力。

OpenAI CEO奥尔特曼（Sam Altman）多次表示，该公司高融资的核心原因在于，需要更多的计算能力来服务于使用ChatGPT等产品的大量企业和消费者，以及训练和运行AI模型。鉴于GPT-5的需求增长，公司将优先考虑计算，并计划“在未来5个月内”将其计算能力翻一番。

金沙江创投主管合伙人朱啸虎近期表示，国内每天Tokens消耗量都在百亿以上，比去年涨了几十倍，说明AI在企业内部已经开始发挥作用。但是，真正能爆发式增长的应用门槛较高，很多AI项目实际体验后，可能只能做出60分的PPT、60分的研究报告。这种产品自己随便用用还行，但要让用户花钱买单，就很困难了。

“投AI创业公司就像放飞一群鸽子，可能有一两只能一飞冲天，大部分都会落到地面，能成功的绝对是凤毛麟角。”朱啸虎称。

黄仁勋库克看中的三位90后，即将诞生欧洲最大AI独角兽

Mistral AI公司成立于2023年4月，是欧洲最大AI独角兽，其竞争对手是OpenAI、谷歌AI等美国巨头。

该公司由3位90后——前谷歌DeepMind研究员亚瑟·门施（Arthur Mensch）、前Meta研究员蒂莫西·拉科里耶（Timothee Lacroix）和纪尧姆·兰普勒（Guillaume Lample）创立。

这三位联合创始人在巴黎综合理工学院就读时相识。Mistral AI名字来源于法语“法国吹来的强风”，三位希望创立一家产生深远影响的AI公司。

Mistral AI AI公司三位联合创始人

技术和产品层面，成立以来，Mistral AI主攻开源AI模型，已推出开源语音、编程、多模态等涵盖云端、边缘端及不同参数规模的数十款模型，其中性能较强的是Mistral AI研发的多款8B端侧AI模型，与其他同尺寸模型相比有很强的市场竞争力。

今年2月，Mistral AI推出了对标ChatGPT的聊天机器人产品Le Chat，推出不到两周，该App下载量超过100万次，登上法国iOS App Store免费下载量榜首。

Mistral AI的优势在于，其允许企业在私有环境中部署Le Chat，并支持自定义模型和自定义用户界面，以满足对数据企业需求。目前，Mistral AI系列模型Nemo、Small、Large将分别应用于三类任务，场景包括客户支持、文本生成、数据提取、总结文档、撰写电子邮件、代码生成、RAG或Agent等。

今年4月，Mistral AI与法国航运巨头达飞集团启动一项为期五年、总值1亿欧元的AI战略合作计划，将Mistral AI AI的技术整合到达飞的物流和客户服务领域。

融资方面，截至目前，Mistral AI共完成四轮融资，已成为全球千亿估值的AI大模型独角兽公司，投资方包括谷歌前CEO埃里克·施密特（Eric Schmidt）、Databricks、英伟达、微软和Salesforce、a16z等，总融资规模超过11亿美元（约合84亿元）。

• 2023年6月，成立不到2个月，Mistral AI就拿到了1.05亿欧元（约合1.3亿美元，约9亿元）融资，创下彼时欧洲史上最大的种子轮融资；
• 2023年12月，Mistral AI完成4.15亿美元（约30亿元）A轮融资；
• 2024年6月，其获得6亿欧元（折合约7亿美元，约50亿元）的B轮融资，估值达到60亿欧元（折合约70亿美元，约合501亿元）。

路透报道称，美国银行曾为ASML投资Mistral AI提供咨询服务。除了ASML之外，Mistral AI还在与MGX和其他投资者进行谈判，以尽早完成本轮融资。

事实上，这场交易引发关注的点在于，ASML是 AI 和半导体行业的上游设备厂商，其研发了多款用于制造顶尖芯片的光刻机，而且ASML EUV光刻机是台积电、英特尔等企业EUV光刻设备的唯一供应商。然而，ASML并没有AI模型产品和服务。

路透却认为，或许ASML希望通过投资Mistral AI，将其数据分析和AI能力用于提升光刻量测、计算光刻等工具性能，用AI提高其工具效率，并推动团队不断开发和商业落地更多光刻设备。

除了在模型和产品端发力，Mistral AI还布局AI Infra，其与英伟达合作，计划将在巴黎附近建设一个由18000块英伟达AI芯片驱动的40GW（兆瓦）数据中心。

对于商业化，2024年，Mistral AI收入约为数千万欧元。而门施今年6月表示，自2025年初以来，公司收入已增长两倍。

门施近期表示，人类仍然非常重要，大家应该将生成式AI工具视为增强生产力和创造力的一种方式，只有在正确提示或创建足够智能应用时，才能生成有趣的内容。开发者和创作者双方都有很多工作要做，才能真正产生可操作且有价值的成果。

门施认为，2025年AI行业产品的重点，将从模型转向集成模型和上下文业务数据的“系统”。他指出，未来的 AI 系统将受益于其内置大语言模型，而通过将模型与相关的上下文数据连接起来，AI系统将能够更好地根据不同的业务需求提供定制的解决方案。

“这就是正在发生改变的地方，”门施表示，AI是一项基础设施技术，可以转化为任何类型的应用。

门施强调，“我们坚信，应用开发者需要创造差异化，也需要深度掌握这项技术。而做到这一点的唯一方法就是，获得整个堆栈的访问权限，开启这场变革的方法，是让人们相信Mistral AI开源模式能够让他们创建更便宜、更快、更好的应用，为我们的客户带来巨大价值。”

对于这桩跨界投资交易，网友褒贬不一，在Hacker News上，有人对此次融资表达了不满，认为这会稀释ASML股东权益。

“这一决定让人感到恼火。ASML本身是一家优秀的公司，业务稳健，股票表现也一直不错，但此次投资可能会稀释股东权益，并让公司暴露在AI泡沫的潜在风险中。如果ASML手头现金过剩，却又觉得维持自身技术领先并无更多投资空间，那么更合理的做法是将资金返还股东，让股东自行决定是否要把钱投向Mistral。但我认为此次投资背后或许存在一些公司不可控的因素，可能是欧洲向ASML施压，要求其支持这AI独角兽。这种决策方式会破坏原本行之有效的市场逻辑。”该用户直言。

“这一决定让人感到恼火。ASML本身是一家优秀的公司，业务稳健，股票表现也一直不错，但此次投资可能会稀释股东权益，并让公司暴露在AI泡沫的潜在风险中。如果ASML手头现金过剩，却又觉得维持自身技术领先并无更多投资空间，那么更合理的做法是将资金返还股东，让股东自行决定是否要把钱投向Mistral。但我认为此次投资背后或许存在一些公司不可控的因素，可能是欧洲向ASML施压，要求其支持这AI独角兽。这种决策方式会破坏原本行之有效的市场逻辑。”该用户直言。

也有行业人士猜测，ASML是否会利用 Mistral 的人工智能来推进其 EUV 光刻机，类似于台积电、EDA公司新思和英伟达的合作模式，将AI技术融入晶圆代工厂当中。

算力才是AI发展硬道理

市场普遍认为，算力短缺已经成为生成式AI发展过程中的重要挑战之一。

那么，训练一个前沿AI模型到底需要多少钱？

公开数据显示，自2016年以来的8年间，训练前沿AI模型的成本每年增长2到3倍（平均是2.4倍），这意味着，预计到2027年，规模最大的模型成本将超过10亿美元。

其中，以GPT-4、Gemini等模型成本为例。包括研发人员成本和实验计算成本在内，我们发现，模型开发的大部分成本用于算力硬件，占总费用支出比重的47%-67%；研发人员成本占29%-49%；其余2%-6%用于能源消耗。

从更大的AI超级计算机集群（智算中心）来看，据统计，AI超级计算机性能每9个月就会翻一番，耗资数十亿美元，所需的电力相当于一个中等城市的用电量；地区方面，美国拥有全球约75%的计算能力，中国位居第二，占比15%。

显然，随着模型训练成本的快速增长，给AI发展带来巨大挑战，只有少数大厂和OpenAI这样的“融资怪兽”才能承担这些费用，而中小AI开发者必须应对这些财务和基础设施挑战，才能维持未来的创新。除非投资者相信这些企业的成本与AI能够实现盈亏平衡，否则中小企业将难以筹集足够的资金持续购买算力硬件。

所以，训练成本、算力成本对于前沿AI模型的创新至关重要。

埃隆·马斯克（Elon Musk）9月7日发文称，他和特斯拉AI5算力芯片设计团队在今天进行了一场精彩的设计评审，这将会是一款史诗级的芯片，而即将推出的AI6有望成为迄今为止最好的Al芯片。

“我认为对于参数少于2500亿的模型来说，AI5很可能是所有类型推理芯片中最好的。而且，该芯片的成本是迄今为止最低的，性能、功耗也非常好。”马斯克补充称。

近年来，特斯拉在芯片采购与算力资源上更加倚重外部伙伴。英伟达、AMD、三星电子等，均向其供应高端GPU、AI芯片与制造支持，使特斯拉无须独自承担全部研发及硬件建设费用，依旧维持强劲的AI训练性能。

然而近期，特斯拉决定解散其内部构建特斯拉自研的高性能计算平台的Dojo超级计算机团队，这一决定这标志着特斯拉在自主研发无人驾驶技术芯片方面遇挫，不得不更依赖外部力量打造芯片。据报道，Dojo团队约20名核心成员已加入新成立的一家AI初创公司Density AI，其余特斯拉员工将被调配至特斯拉的其他数据中心或计算相关项目。

今年8月，马斯克发文称，特斯拉分散资源并同时开发两种截然不同的AI芯片设计是没有意义的。特斯拉的AI5、AI6及后续芯片在推理方面将表现出色，至少在训练方面相当不错，所有努力都将集中在这上面。

据报道，AI5由台积电代工，计划2026年末或2027年初量产；AI6由三星代工，采用2nm工艺，首批样品预计2025年在韩国投产，随后由三星的美国得州工厂进行量产。

分析认为，特斯拉的这份大单为三星提供了在AI芯片制造领域重新证明自己的重要机会，也可能成为该公司代工业务复苏的关键转折点。

马斯克表示，从同时开发两种芯片架构转变为只开发一种，意味着所有的芯片人才都专注于打造一款令人惊叹的芯片，回想起来，这无疑是一个明智之举。

不只是马斯克一方，xAI的竞争对手OpenAI也在加紧布局自研芯片。

9月5日，有消息称，OpenAI已经与美国半导体巨头博通达成合作，共同设计自主AI芯片，并计划于明年正式投入量产。此举旨在突破算力瓶颈并降低对英伟达的过度依赖。

博通首席执行官陈福阳（Hock Tan）表示，公司已获得第四个定制AI芯片业务的主要客户，该客户承诺了价值100亿美元的订单。据知情人士证实，这个神秘的新客户正是OpenAI。

如今，算力基础设施已经成为这些大厂投入AI的关键“法宝”。

知名投行杰富瑞（Jefferies）8月31日发布的报告显示，过去12个月内，中国四大云服务提供商（阿里云、字节火山引擎、腾讯云、百度智能云）资本支出约为450亿美元，而包括微软、Meta等美国大厂云厂商资本支出高达2910亿美元，主要用于AI算力基础设施投入，中国这一数字仅为美国同行的15%，差距较大。

PPIO联合创始人兼CEO姚欣早前对笔者表示，长期看，推理算力占比达到95%，训练只占据5%。所以，未来大量数据中心需要分布式以及海量的推理优化，如何把数十万张卡用好，其实是一个关键性的技术趋势。而对于中国AI算力来说，底层是做算力网络、东数西算。

“中国大模型厂商之所以想要赚更多的钱，是因为他们发现，想要从模型层面赚钱，并不是一件容易的事情。国内大模型赛道实在很卷。而且实事求是讲，中国与美国最先进模型的性能相比还是有差距的。”姚欣称。

据英伟达CFO预测，到2030年，全球AI算力基础设施支出将达3至4万亿美元，每年增长50%以上。

以每年4倍的训练计算增长趋势计算，到2030年，训练超大规模的前沿AI模型需要近2000万个H100级GPU，但全球产能需要达到接近1亿个H100级GPU，这远远超出了生产能力，因此需要行业加速扩大GPU产能。

预计到2030年，全球芯片半导体产业规模将超过1万亿美元。（本文首发于钛媒体App，作者｜林志佳，编辑｜盖虹达）