法国AI公司Mistral本周发布了企业级模型训练平台Forge，允许组织使用自有数据构建、定制和持续改进AI模型。此举使Mistral直接与亚马逊、微软和谷歌等云巨头在企业定制模型市场展开竞争。

超越简单的微调

Forge平台的定位远超传统的微调API。它支持完整的模型训练生命周期：大规模内部数据预训练、监督微调、DPO/ODPO后训练，以及用于模型对齐的强化学习管道。

Mistral产品负责人Elisa Salamanca在专访中表示：「传统的微调API只能带您到达概念验证阶段。当您需要真正的目标性能时，必须走得更远。今天的AI科学家不会使用微调API，他们使用更先进的工具，这就是Forge提供的。」

保护敏感数据

Forge的一大卖点是数据隐私。当客户在自有基础设施上进行训练时，Mistral完全不会接触到训练数据。这与必须将数据上传到云端的黑箱模式形成鲜明对比。

这一特性对国防、情报、金融和医疗等行业至关重要。Mistral已与ASML、新加坡DSO国家实验室、欧洲航天局等组织建立合作，瞄准最注重数据安全的企业市场。

真实案例：从古籍修复到金融量化

Salamanca分享了几个典型用例：

某公共机构拥有残损古籍数字化文档，现有模型从未见过这些独特字符。Mistral为其定制了专门修复缺失文本的模型。

爱立信与Mistral合作，为专有内部编程语言定制Codestral模型，将年度人工迁移流程转化为可扩展的自动化方案。

对冲基金使用Forge的强化学习功能，为专有量化语言开发定制基准和模型，获得竞争优势。

嵌入式AI科学家

Forge的商业模式包含一个独特元素：前线部署科学家。这些AI研究人员嵌入客户团队，协助设计训练配方、优化数据管道。这一模式与Palantir早期策略相似——强大的软件加上专业人员服务。

该平台可在Mistral集群、Mistral Compute或客户自有数据中心运行。对于在自己集群运行的客户，Mistral不收取计算费用，而是对Forge平台收取许可费，以及可选的数据管道服务和嵌入式科学家费用。

挑战云巨头

Salamanca指出，云厂商的训练工具存在两个根本限制：一是纯云端无法满足本地部署需求；二是提供的简化API接口无法满足深度模型训练需求。

此外，使用闭源模型的企业面临着模型更新导致生产流程崩溃的风险。Forge让企业真正拥有自己的AI能力，而非向美国云厂商租赁。