欧洲AI公司Mistral最近又一次吸引了业界的目光，不过这次的原因有些特别——并非因为其模型性能有多强悍，而是因为它“并非来自美国”。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

正是凭借这条独特的路径，Mistral在模型能力并非顶尖的情况下，依然获得了市场约140亿美元的高估值，并成功入选了《福布斯》最新发布的“AI 50”榜单（2026年），成为少数能在硅谷体系之外崛起的AI公司代表。

要知道，欧洲堪称全球对AI监管最严格的地区之一，而百亿美元级别的估值，绝非一个小数目。

谈起欧洲AI，另一个绕不开的名字是杨立昆（Yann LeCun）创立的AMI Labs。这家公司在尚未推出任何产品的情况下，种子轮融资就超过了10亿美元。

同属欧洲背景，一家公司选择了不再追逐“最强模型”，另一家公司则依然押注于“下一代智能”。有趣的是，两者在商业上都取得了不错的阶段性成果。

这不禁让人产生一个疑问：欧洲AI，难道又要迎来它的高光时刻了？

01 欧洲AI的两条路径

Mistral成立于2023年，三位创始人皆出身于Google DeepMind和Meta的核心研究团队，其骨干成员几乎清一色来自全球顶尖的AI实验室。

创立之初，它被寄予厚望，一度被誉为“法国的希望”、“欧洲的OpenAI”，甚至得到了法国总理马克龙的公开站台。

然而，去年Mistral陷入了一场舆论风波：技术社区发现其部分模型的生成风格与DeepSeek高度相似，并有前员工透露公司有意隐瞒了模型蒸馏的过程，将成果包装为完全自研。尽管官方未作正式回应，但自此之后，它在中文互联网上的声量确实小了许多——上一次被广泛讨论，还是去年12月发布对标中国模型的Mistral 3时。

如果单纯比拼模型能力，Mistral与OpenAI、Anthropic等头部玩家之间的差距正在拉大，在各类性能榜单上已逐渐掉队。

根据《福布斯》的最新报道，这家公司进行了一次关键的战略转向，不再执着于在“谁模型更强”的正面战场上硬碰硬。它选择了一条更为务实的道路：不争最强，主打“自己人”。

过去多年，全球科技界默认采用美国“最先进”的技术。但现在，由于政策、数据主权等一系列敏感原因，这个前提正在动摇。

技术越强大，信任反而变得越稀缺。于是，各国政府和企业开始做同一件事：把最关键的东西，牢牢握在自己手里。

在技术路线上，Mistral主推开放权重模型，企业可以下载、本地部署并用自身数据训练，而非仅仅通过API调用一个“黑箱”。在商业模式上，它也不只是售卖模型，更像Palantir那样，将工程师团队直接派驻到客户公司内部，帮助搭建系统、实现自动化，解决具体业务问题。

对政府机构和大型企业而言，“可控性”至关重要：数据必须留在本地，系统必须可管理，供应链绝不能受制于单一厂商。

正因如此，Mistral的增长逻辑也随之转变。它不再死磕模型本身的极限突破，而是依托于政府订单、企业级部署，以及所谓“主权AI”的旺盛需求。甚至，它已开始建设自己的数据中心，试图进一步摆脱对美国云服务商的依赖。

从这个角度看，Mistral所做的早已超出一家普通AI创业公司的范畴，更像是在尝试构建一套独立于硅谷的AI生态体系。于是，在这个本该“性能为王”的行业里，Mistral即便没有最强的模型，依然获得了市场给出的百亿美元估值。

Mistral或许是当下最具代表性的欧洲AI公司，但它并非唯一的答案。在同一片土壤上，实际上孕育着两种几乎背道而驰的AI发展路径。

出生于法国的杨立昆，则始终坚持着一个更传统、同时也更激进的方向：AI的核心，终究是技术本身。

他也倡导开源，但其初衷是推动技术持续进步，防止被少数巨头垄断，而非仅仅作为一种商业策略。

2025年，杨立昆离开Meta，创立了AMI Labs，直接将他的技术理念付诸实践。这家公司并不研发大语言模型（LLM），其目标是构建能够理解现实世界的“世界模型”，让AI从数据中学习因果关系、物理规律和环境动态。

尽管尚未推出成熟产品，但AMI Labs在种子轮就募集了约10.3亿美元（这个规模接近许多公司的C轮融资），投前估值已达35亿美元左右。

在杨立昆的视角里，模型能力必须持续进化，架构需要不断创新，能力的边界理应被不断推高。他认为，若AI要迈向真正的智能，仅靠大语言模型是远远不够的。

于是，同样源自欧洲的AI力量，呈现出一种罕见的分化：以Mistral为代表的路径，正在试图解答“如何在这场竞赛中保持自主，避免被控制”；而以AMI Labs为代表的路径，则仍在追问“如何重新定义竞赛本身”。

如果说美国的AI竞争核心是“谁能做出最强的模型”，那么欧洲，似乎更像在回答另一个问题：

当你无法主导这场游戏时，该如何参与其中，并找到自己的位置？

02 欧洲正在迎来一个人才的窗口期

在过去很长一段时间里，全球顶尖科研人才的流向几乎是单向的——涌向美国。但现在，情况正在发生变化。

根据《自然》杂志2025年3月的一项调查，在接受访问的1600多名美国科研人员中，约75%表示正在考虑离开美国，其中欧洲和加拿大成为最热门的目的地。

另一个直观的变化体现在欧洲研究理事会（ERC）。以往，美国科研人员很少将欧洲作为首选，2024年来自美国的申请者仅60人，占比极低。但到了2026年，这一数字已跃升至169人。

其中，来自美国的高级研究者申请人数从23人激增到114人，增长了近五倍。

这意味着，人才不只是有离开的意向，而是已经开始了实质性的流动。

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，研究生人数下降了约12%。

这一变化的背后，并非单一政策所致，而是整体科研环境不确定性加剧的综合结果：过去一年，美国有大量科研项目被冻结或取消，涉及约8000个项目；同时，约2.5万名科研人员及相关岗位受到影响。

资金收索、招聘停滞以及政策的不明朗，让原本稳固的科研体系开始出现裂痕。

将视野放大，这种变化甚至已体现在人口层面：2025年，美国出现了至少半个世纪以来的首次人口净流出。多家机构估算，当年净迁移人口为负值，区间在-1万到-29.5万人之间。

过去几十年，美国劳动力增长中近一半来自移民。一旦这一源头开始收索，其影响将直接传导至科研、产业乃至整个经济结构。

正是在这样的背景下，欧洲迎来了吸引AI人才的一次宝贵窗口期。

欧洲并未被动等待这股潮流，而是动用了一整套体系来承接这次人才流动。

在欧盟层面，“Choose Europe for Science”计划初始投入约5亿欧元，随后预算迅速扩充至近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——列为长期战略目标。

与此同时，欧洲研究理事会（ERC）也加大了对迁移科学家的支持力度。在原有科研经费之外，额外的搬迁资助上限从100万欧元提高至200万欧元。对于一位顶尖研究者而言，这意味着他可以带着整个实验室、设备乃至团队一同迁往欧洲，而非孤身一人“跳槽”。

高校和研究机构的动作则更为直接。法国推出的“科学避风港”项目，以及德国马克斯·普朗克学会等顶尖机构，已经开始主动接触在美科研人员，提供职位、资金以及全方位的迁移支持。

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）开始扮演“中枢平台”的角色，汇总各国科研岗位、资助项目和迁移信息，为研究人员提供统一的入口。

在一系列配套支持下，当一位科学家决定离开美国时，他面对的是一整套已经铺设好的路径：从职位申请、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，都会有专门机构负责对接。

当前，或许是欧洲能够直接吸纳顶级科研人才的最佳时机。而人才，往往意味着未来的可能性。

03 在严格的监管下

按理说，AI这个领域本就流淌着欧洲的基因。

计算机科学之父艾伦·图灵是英国人，他定义了“机器智能”的评判标准；欧洲的数学体系奠定了计算理论、逻辑学、概率论等学科基础；全球顶级AI实验室之一的Google DeepMind，最初也是一家英国公司。

然而，这些辉煌并未最终留在欧洲：DeepMind被谷歌收购，顶尖的AI能力流向美国；众多核心研究者进入硅谷体系，成为OpenAI、Meta、谷歌的中坚力量。

欧洲显然不缺人才，基础研究实力也不弱，甚至在诸多领域长期领先。但它在AI产业链中的角色，更像是一个创新的源头，而非最终收割价值的终点。

原因其实并不复杂。

欧洲的AI发展，从起步阶段就设定了一套清晰的优先级：首先是“是否合规”，其次是“是否可用”，最后才是“是否领先”。

欧盟是全球最早系统性构建AI监管框架的地区之一。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，都提前划定了明确的边界。

这些规则的共同特点是，在技术大规模落地之前，先行对潜在风险进行分类与限制。

以《人工智能法案》为例，它将AI系统按风险分级，对高风险系统提出了严苛要求：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接口。

对于生成式AI，还额外要求披露训练数据来源、标注生成内容，并对输出结果可能带来的风险承担责任。

这些规则的初衷是防范技术失控，但其副作用同样明显：当最大的不确定性来自监管本身时，企业自然会选择更保守、更确定的路径。

这不仅推高了创业成本，也改变了资本的偏好。与美国那种鼓励激进试错的技术投资环境相比，欧洲市场更青睐稳定、可预期的回报。

结果便是，需要大规模、长周期投入的AI前沿研发，很难在欧洲本土形成气候。

在最近的汉诺威工业博览会上，西门子首席执行官博乐仁就公开表示，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AI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。

监管已经开始影响资本的流向，这对技术发展从来不是一件好事——毕竟，创新不可能完全依赖政府和机构的扶持。

反观中美，则呈现出不同的发展逻辑。美国的AI路径几乎是反向的，很少在技术萌芽期就设定明确边界，而是允许其快速推进，待问题显现后再通过监管逐步修正。这种“先发展，后治理”的模式带来了极快的创新速度，风险往往被视为发展的必要代价。

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，也要保障发展速度。

路径本身并无绝对对错，但在不同的环境下，结果显而易见：美国更容易催生碘伏性的技术突破，中国更容易形成规模化的商业应用，而欧洲则更容易建立起一套稳定、可控的治理体系。

然而，在一个高度依赖规模效应和迭代速度的领域，稳定本身，往往不足以构成竞争优势。

这也解释了，为何在互联网时代之后，欧洲便逐渐失去了对平台级科技公司的主导权。

Mistral和AMI Labs的出现，并不代表欧洲已经重新回到了全球AI技术竞争的中心舞台。但它们至少表明，在一个被速度和规模主导的行业里，欧洲正在尝试用另一种方式参与游戏。

它在一套原本可能限制自身发展的结构性框架内，第一次等到了多个变量同时出现的时刻：发展路径开始分化，全球人才格局开始松动，外部环境也在持续演变。

这些条件，在过去很少同时具备。但挑战依然存在：监管基调未变，市场结构依旧，资本的风险偏好仍然保守。

这些根本性因素决定了，欧洲很难复制美国的激进创新路径，也不可能照搬中国的应用驱动模式。但在这场全球AI竞赛中，它正在摸索并建立一种属于自己的、独特的存在方式。

至于这条路径能否走得长远，能否孕育出下一个时代的巨头，当然，还需要时间来给出答案。

相关攻略

热门推荐