欧洲AI公司Mistral又一次出现在了大众视野里，这一次不是因为它的模型有多强，只因为它“不是美国的”。
凭借这条路径，Mistral在模型性能不占优势的情况下，依然被市场给出了140亿美元的估值，并入选了最新发布的Forbes AI 50（2026），成为少数在硅谷体系之外崛起的AI公司代表。
欧洲可以说是全球对AI监管最严格的地区之一，而百亿以上的估值显然不是一个小数字。
而说起欧洲AI，很难不想到杨立昆（Yann LeCun）的创业公司AMI Labs，在尚未推出产品的情况下就拿到了超过10亿美元的种子轮融资。
同为欧洲AI公司，一家公司放弃了“做最强模型”，另一家公司仍然在赌“下一代智能”，都在商业上获得了不错的结果。
这看起来像一个信号：欧洲AI，又行了？
Mistral成立于2023年，由三位来自Google DeepMind和Meta的研究人员创立，核心团队几乎全部来自一线AI实验室。
在最初的一段时间里，它被寄予了很高的期待，被称为“法国的希望”、“欧洲的OpenAI”，更是被法国总理马克龙公开力挺。
不过去年Mistral被爆出蒸馏Deepseek模型，陷入舆论危机：技术社群发现其部分模型在生成风格上与DeepSeek高度相似，且有前员工透露公司刻意隐瞒蒸馏过程，将成果误导为自研技术。
官方并未对此回应，但自那之后，它似乎就在中文互联网上少有消息了——上次见还是去年12月，它发布了Mistral 3，对标的全是中国模型。
如果只看模型能力，Mistral已经明显落后于OpenAI和Anthropic的主流模型，在性能榜单上逐渐被拉开差距。
根据Forbes最新的报道，这家公司做了一次重要的转向，不再试图正面参与“谁的模型更强”的竞争。它选择了一条更现实的路径：不求最强，只强调“自己人”。
在过去的很多年里，全球科技默认用美国的“最先进”技术，但现在由于政策和数据敏感等一系列原因，这个前提开始动摇。
技术越强，信任就变得越稀缺，于是大家开始做同一件事：把最重要的东西，握在自己手里。
在技术路径上，Mistral主推开放权重模型，企业可以下载、本地部署、用自己的数据训练，而不是通过API调用一个黑盒模型；在商业模式上，Mistral不只是卖模型，还像Palantir一样，直接把工程师派进客户公司，帮他们搭系统、做自动化，解决具体问题。
对政府和大型企业来说，“可控性”是非常重要的：数据要留在本地，系统要可控，供应链不能被单一厂商锁住。
正因如此，Mistral的增长逻辑也随之改变。它不再死磕模型上的突破，而是依赖于政府订单、企业部署，以及所谓“主权AI”的需求。甚至，它已经开始建设自己的数据中心，试图进一步摆脱对美国云厂商的依赖。
从这个角度看，Mistral在做的其实已经不只是一个AI创业公司在做的事，更像是在尝试建立一套不依赖硅谷的AI体系。于是在一个本该“性能至上”的行业里，Mistral虽然没有最强的模型，但依然被市场给出了百亿美元级的估值。
Mistral或许是最具代表性的欧洲AI公司，但它并不是欧洲AI唯一的答案。在同一片土壤里，也存在着两种几乎完全不同的AI路径。
法国出生的杨立昆始终坚持一个更传统、也更激进的方向：AI的核心，依然是技术本身。
他也强调开源，但这种开源是为了让技术持续进步，而不是被少数公司垄断。
2025年，杨立昆离开Meta，创立了AMI Labs，直接把自己的技术理念变成了一家公司。这家公司并不做LLM，它的目标是构建“世界模型”，让AI从现实数据中学习因果关系、物理规律和环境变化。
虽然还没有做出什么产品，但这家公司在种子轮就融了约10.3亿美元（接近很多公司的C轮规模），投前估值约35亿美元。
在他的视角里，模型应该继续变强，结构应该继续进化，能力边界应该不断被推高。他认为，如果AI要走向真正的智能，光靠LLM是不够的。
于是，同样是欧洲背景的AI公司，出现了一种罕见的分叉：以Mistral为代表的路径，正在试图回答，如何在这场竞争中不被控制；而以AMI Labs为代表的路径，则在继续追问，如何重新定义这场竞争本身。
如果说美国的AI竞争围绕“谁能做出最强的模型”，那么欧洲，则更像是在回答另一个问题：
当你无法主导这场竞争时，你要如何参与？
在过去很长一段时间里，全球科研人才几乎都在流向美国。但现在情况有所不同。
根据《Nature》2025年3月的一项调查，超过1600 名在美国工作的科研人员中，约有75%表示正在考虑离开美国，其中欧洲和加拿大成为最主要的目的地。
另一个很直观的变化发生在欧洲研究理事会（ERC）：过去美国科研人员很少把欧洲当作首选去向，2024年，来自美国的申请人数只有60人，在整个申请池中占比极低，但到了2026年，这个数字已经上升到169人。
其中，来自美国的高级研究者申请从23人增长到114人，直接翻了近5倍。
也就是说，人才不只是有意向离开，他们已经开始真正流动。
从人才供给端看，美国对国际科研人才的吸引力正在下降。数据显示，2025年美国国际学生入学人数出现显著下滑，其中研究生人数下降约12%。
这一变化的背后并不是单一政策因素，还有整体科研环境的不确定性上升：在过去一年中，美国大量科研项目被冻结或取消，涉及约8000个项目；同时，约2.5万名科研人员或相关岗位受到影响。
资金收缩、招聘暂停以及政策的不确定性，让科研体系本身开始出现裂缝。
再往大一些，这种变化已经体现在人口层面：2025年，美国出现了至少半个世纪以来第一次人口净流出。根据多家机构估算，当年净迁移为负，区间在-1万到-29.5万人之间。
过去几十年里，美国劳动力增长中接近一半来自移民，一旦这一部分开始收缩，其影响会直接传导到科研、产业乃至整个经济结构。
在这样的背景下，欧洲迎来了吸引AI人才的一次窗口期。
欧洲并没有被动等待这场变化，而是用了一整套体系去接住这波流动。
在欧盟层面，“Choose Europe for Science”计划投入约5亿欧元，随后预算迅速扩大到接近9亿欧元，明确将吸引全球科研人才、尤其是来自美国的研究人员，作为一项长期目标。
与此同时，欧洲研究理事会（ERC）也提高了对迁移科学家的支持力度。在原有科研经费之外，额外的搬迁资金上限从100万欧元提高到200万欧元。对于一位顶级研究者来说，这意味着可以带着整个实验室、设备和团队一起迁入欧洲，而不是单独跳槽。
高校和研究机构的动作则更加直接。法国推出的“Safe Place for Science”（科学避风港）项目和德国的研究机构（如Max Planck体系），已经开始主动接触在美科研人员，提供岗位、资金以及迁移支持。
更关键的是，欧洲正在补上过去在“人才承接”上的短板：由欧盟委员会主导的科研人才网络（如EURAXESS）开始承担起“中枢平台”的角色，汇总各国的科研岗位、资助项目和迁移信息，为研究人员提供一个统一入口。
种种支持下，当一名科学家决定离开美国时，他面对的是一整套已经准备好的路径：从岗位申请、科研经费，到签证办理、居留许可，甚至包括家属安置和子女教育支持，都会由具体机构负责对接。
当前或许是欧洲能够直接吸纳顶级科研人才的最好时机，而人才，往往意味着未来。
按理说，AI这个领域本就带着欧洲的基因。
计算机鼻祖Alan Turing是英国人，定义了“机器是否智能”的标准；欧洲数学体系更是构建了计算理论、逻辑学、概率论这些学科基础；全球最顶级AI实验室之一，现在的Google DeepMind，在一开始也是英国公司。
但这些辉煌最终没有留在欧洲：DeepMind被Google收购，最顶级的AI能力流向美国；许多核心研究者进入硅谷体系，成为OpenAI、Meta、Google的中坚力量。
明明欧洲并不算缺少人才，基础研究也不弱，甚至在很多领域长期领先，但它在AI链条中的位置更像源头，而不是终点。
原因并不算复杂。
欧洲的AI发展，从一开始就带着优先级：先是“是否合规”，再是“是否可用”，最后才是“是否领先”。
欧盟是全球最早系统性推动AI监管的地区之一，从数据层面的《通用数据保护条例》（GDPR），到针对AI本身的《人工智能法案》（AI Act），再到平台层面的《数字服务法案》（DSA）和《数字市场法案》（DMA），欧洲几乎在每一个关键节点，都设定了明确的边界。
这些规则的共同特点是，在技术进入现实世界之前，先对风险进行分类和限制。
以AI Act为例，它将人工智能按风险分级，对高风险系统提出严格要求：数据必须可追溯，模型需要可解释，系统必须保留人为干预的空间。
对于生成式AI，还要求披露训练数据来源、标注生成内容，并对输出风险承担责任。
这些规则的初衷是避免技术失控，但它的副作用也同样明显：当不确定性来自监管本身时，企业会选择更保守的路径。
这不仅提高了创业成本，也改变了资本的偏好。相比美国更激进的技术投资环境，欧洲市场更倾向于稳定、可预期的回报。
结果就是，大规模、长周期的AI投入，很难在欧洲本土形成。
在最近的汉诺威工业博览会上，西门子首席执行官Roland Busch就公开表示，如果欧盟不调整当前的监管框架，公司将优先考虑在美国和中国进行AI投资。
他提到，西门子原本计划在工业人工智能领域投入约10亿欧元，但由于欧洲的监管负担，其中大部分资金可能会转向海外。
监管已经影响了资本的流向，这对技术的发展从来不是一件好事——毕竟总不可能完全依靠于政府和机构的扶持。
反观中美，美国的AI的发展路径几乎是反过来的，那里很少在一开始就设定明确边界，而是允许技术先快速推进，在问题出现之后，再通过监管逐步修正。这种”先上车后补票“模式的结果是极快的创新速度，风险往往被视为发展的一部分。
中国则更强调应用优先，AI技术被迅速推向具体场景，从金融风控到电商推荐，从城市治理到工业系统，几乎每一个环节都在尝试落地。在这个过程中，监管更多是伴随式的：既要控制风险，也要保证发展速度。
路径没有对错，但在这样的环境下，美国更容易诞生技术突破，中国更容易形成规模化应用，而欧洲则更容易建立一套稳定、可控的体系。
但在一个高度依赖规模和速度的领域，稳定往往并不足以形成优势。
这也是为什么，在互联网时代之后，欧洲就逐渐失去了平台级公司的主导权。
Mistral和AMI Labs并不代表欧洲已经重新回到了技术竞争的中心，但它至少说明，在一个被速度主导的行业里，欧洲正在尝试用另一种方式参与。
它在一套原本限制自己的结构里，第一次等到了变量同时出现的时刻：路径开始改变，人才开始松动，外部环境也在发生变化。
这些条件，过去很少同时出现。但问题依然存在：监管没有放松，市场结构没有改变，风险偏好也依旧保守。
这些决定了欧洲很难复制美国的路径，也不可能走中国的路线。但在这场竞争里，它正在建立一种属于自己的存在方式。
至于这种路径能否长久，当然，还需要时间验证。
本文来自微信公众号“字母AI”，作者：袁心玥，36氪经授权发布。
发布时间：2026-04-22 20:17
立即订购
在线咨询
返回顶部