( 图片拍摄于 2025 年世界人工智能大会展台）

全球 AI 融资热潮愈演愈烈，连荷兰光刻机巨头 ASML 也开始入局 AI 模型赛道。

9 月 9 日消息，据英媒报道称，ASML 公司将领投 " 欧洲版 OpenAI"Mistral AI 公司 C 轮融资，提供 13 亿欧元（约合 15 亿美元、约合 108 亿元人民币），成为 Mistral AI 最大股东。而本轮总融资额高达 20 亿美元。

业内人士分析，ASML 此举不仅是资本布局，更是一次战略性押注。ASML 入股 Mistral AI，将使两家欧洲科技企业联合起来，帮助 Mistral AI 减少欧洲对美国和中国 AI 大模型的依赖。

报道称，此轮融资将使 Mistral AI 成为欧洲估值最高的 AI 公司，其 C 轮投前估值达到 100 亿欧元（117 亿美元），融资后估值高达 140 亿美元。

与此同时，OpenAI、Anthropic、Databricks 等竞争对手们也不示弱，不仅获得融资，还公布了收入情况。

其中，Anthropic 获 130 亿美元的新一轮融资，由投资公司 Iconiq Capital 领投，是迄今为止全球 AI 行业大规模融资交易之一，估值达 1830 亿美元（约合人民币 1.3 万亿元）。

OpenAI 此前完成软银领投的 400 亿美元融资，估值高达 3000 亿美元（约合 2.1 万亿元），成为全球估值最高的 AI 公司，最新 2025 年公司年化收入预计将接近 100 亿美元，到 2030 年收入将增长至 900 亿美元。

9 月 8 日晚，AI 公司 Databricks 宣布完成 10 亿美元 K 轮融资，由 a16z、Insight Partners、MGX、Thrive Capital 等领投，公司估值已超过 1000 亿美元（约合 7132 亿元）。该公司预计在截至 2026 年 1 月的财年中实现 43 亿美元产品收入。

多位 AI 行业人士向笔者透露，随着 AI Agent 智能体多步推理促使 token 用量爆发式增长，云和智算需求不断提升，To B 端收入已初见成果，所以，投资人开始关注能够实现收入增长的 AI 初创企业。

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。

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）