La società francese apre in Germania un hub dedicato a Industrial AI e Physics AI e lavora già con BMW e Siemens Energy. Dopo il round da 3 miliardi di euro, emerge con maggiore chiarezza la strategia di Mistral: non inseguire soltanto OpenAI, Anthropic e Google sul terreno dei chatbot, ma portare i propri modelli dove l’Europa possiede ancora un vantaggio difficile da replicare, dentro l’industria.
Mentre buona parte della competizione globale sull’intelligenza artificiale continua a essere misurata attraverso chatbot, benchmark e dimensioni dei modelli, Mistral sta andando a cercare qualcosa di diverso: fabbriche, ingegneri e dati industriali.
La società francese ha appena inaugurato un nuovo hub a Monaco di Baviera, che si aggiunge alla propria presenza internazionale e che avrà una caratteristica precisa: ospiterà team di ricerca specializzati in Physics AI e Industrial AI, insieme a ingegneri applicativi destinati a lavorare direttamente con le imprese tedesche.
La scelta del Paese non è casuale. La Germania rimane la maggiore economia industriale dell’Unione europea e concentra competenze e dati proprietari accumulati in decenni di automotive, energia, aerospazio, semiconduttori e manifattura avanzata. È esattamente il patrimonio sul quale Mistral vuole costruire una parte della propria strategia europea, non soltanto modelli, ma modelli inseriti nei processi industriali.
Ed è proprio questo che rende interessante l’espansione tedesca di Mistral.
Il vantaggio che l’Europa possiede già
La società francese difficilmente può competere oggi con OpenAI, Google o Meta disponendo della stessa quantità di capitale, compute, distribuzione consumer e infrastruttura. Ma l’Europa possiede qualcosa che Silicon Valley non può semplicemente ricreare acquistando altre GPU: decenni di conoscenza industriale incorporata nelle aziende, nei processi produttivi e, soprattutto, nei dati proprietari generati da fabbriche, macchinari, sistemi energetici, progettazione e supply chain.
È un tema che abbiamo già affrontato nella serie di Rivista.AI sulla Sovranità tecnologica, nel paper “Dal modello alla fabbrica: perché la sovranità tecnologica è la vera posta in gioco per l’industria italiana”.
La tesi di fondo è che la competizione sull’intelligenza artificiale non si esaurisce nella capacità di costruire il modello più potente ma si sta giocando una partita molto più profonda, che riguarda direttamente il futuro dell’industria europea e la capacità di mantenere il controllo sulla conoscenza prodotta dai suoi sistemi manifatturieri.
Da questo punto di vista, Germania e Italia occupano una posizione particolare. Sono le due maggiori economie manifatturiere dell’Unione europea e possiedono un patrimonio di dati industriali costruito in decenni di automotive, meccanica, automazione, energia, aerospazio, componentistica e manifattura specializzata.
Dati che spesso non sono pubblici, non sono disponibili sul web e non possono essere semplicemente incorporati nell’addestramento di un modello generalista: esistono dentro le imprese, nelle macchine e nei processi produttivi.
È qui che l’Industrial AI può modificare la geografia della competizione.
BMW possiede dati sulle simulazioni automobilistiche; Siemens sulla produzione e sull’energia; Airbus sull’aeronautica; ASML sulla litografia dei semiconduttori. Allo stesso modo, una parte rilevante del valore dell’industria italiana risiede nella conoscenza accumulata nelle filiere della meccanica, dell’automazione, dell’automotive, dell’aerospazio, della farmaceutica e della manifattura specializzata.
Mistral sta cercando di collocarsi precisamente in questo spazio, perché se i modelli diventano progressivamente più accessibili e intercambiabili, il vantaggio competitivo potrebbe spostarsi verso ciò che quei modelli non possiedono: dati industriali proprietari, conoscenza di dominio e accesso ai processi reali.
E allora l’apertura di Monaco assume un significato più ampio. Non è soltanto l’espansione geografica di una società francese di intelligenza artificiale. È un tentativo di collegare un modello europeo a uno degli asset più difficili da replicare che il continente ancora possiede: la propria base industriale.
Da BMW, l’AI entra nelle simulazioni dei crash
Il caso BMW permette di capire concretamente cosa significhi. Le due società collaborano allo sviluppo di Large Industry Models, sistemi specializzati addestrati sui dati ingegneristici e di simulazione del costruttore tedesco. Una delle prime applicazioni riguarda l’analisi delle simulazioni dei crash automobilistici. BMW esegue ogni settimana migliaia di crash virtuali e possiede ormai oltre un petabyte di dati derivanti da queste simulazioni.
L’obiettivo non è chiedere a un chatbot come progettare un’automobile, ma utilizzare modelli specializzati per individuare più rapidamente schemi nei dati, analizzare deformazioni e comportamento dei materiali e assistere gli ingegneri nelle decisioni di progettazione.
Si tratta di una differenza sostanziale rispetto all’AI generativa consumer.
Con Siemens Energy, Mistral sta lavorando invece ad applicazioni industriali della propria Physics AI. Dopo l’acquisizione di Emmi AI nel maggio scorso, la società ha incorporato oltre trenta fisici, ricercatori e ingegneri specializzati nella modellazione AI di fluidodinamica computazionale, meccanica strutturale e simulazioni multifisiche.
Si tratta di applicazioni che possono riguardare turbine, aerodinamica, comportamento termico, semiconduttori, motori, materiali e sistemi energetici e qui l’intelligenza artificiale comincia ad assomigliare molto meno a ChatGPT e molto di più a un nuovo strumento dell’ingegneria.
Tre miliardi per cambiare scala
L’apertura di Monaco arriva poche settimane dopo il maggiore aumento di capitale mai realizzato da una società tecnologica privata europea. Mistral ha raccolto 3 miliardi di euro in un round Series D che l’ha portata a una valutazione post-money superiore ai 21 miliardi di euro.
Samsung Electronics ha guidato l’operazione, affiancata come co-lead dallo Scaleup Europe Fund gestito da EQT e da PSG Equity. La società ha dichiarato che utilizzerà il capitale per aumentare la capacità di calcolo, finanziare la ricerca di frontiera, sviluppare infrastrutture e accelerare l’espansione internazionale.
Il nuovo hub tedesco mostra dove potrebbe finire almeno una parte di questa capacità: non necessariamente in un altro chatbot, ma dentro i processi attraverso i quali vengono progettate automobili, turbine, aerei, semiconduttori e macchinari.
La sovranità AI passa anche dalla fabbrica
C’è infine una conseguenza più ampia per il dibattito europeo sulla sovranità tecnologica. Abbiamo spesso misurato il ritardo europeo nell’AI contando frontier model, GPU, hyperscaler e capitale investito. Misurata in questo modo, la distanza dagli Stati Uniti rimane enorme.
Ma l’Industrial AI suggerisce una metrica differente. Il valore potrebbe dipendere non soltanto da chi possiede il modello più grande, ma da chi riesce a collegare i modelli migliori ai dati e alle conoscenze più difficili da replicare.
Ed è precisamente qui che l’Europa conserva uno dei suoi asset più importanti e proprio per questo la questione non riguarda soltanto come utilizzare quel patrimonio, ma anche dove finisce la conoscenza che le imprese europee producono quando utilizzano sistemi di intelligenza artificiale.
Disegni tecnici, documentazione, specifiche di prodotto, dati provenienti dai macchinari, procedure operative, informazioni sulla supply chain, richieste ai sistemi AI e interazioni apparentemente separate possono infatti contenere frammenti del know-how di un’impresa. Presi singolarmente possono sembrare poco significativi; combinati, correlati e interpretati da sistemi sempre più capaci, possono contribuire a ricostruire una rappresentazione molto più ampia delle competenze, dei processi e perfino delle scelte strategiche che rendono quell’impresa competitiva.
È ciò che abbiamo definito “effetto mosaico” e che sarà al centro del nuovo paper di Rivista.AI, “L’effetto mosaico. Come l’intelligenza artificiale ricostruisce il know-how delle imprese e ridisegna i confini della sovranità”, in pubblicazione domani 5 ottobre.
La questione diventa particolarmente rilevante proprio per Italia e Germania. Se una parte importante del vantaggio competitivo europeo risiede nella conoscenza accumulata dentro il suo sistema manifatturiero, la sovranità tecnologica consiste anche nell’evitare che quel patrimonio venga progressivamente disperso attraverso dati e interazioni che alimentano infrastrutture, piattaforme e modelli costruiti e controllati al di fuori dell’Europa.
Non significa chiudere i dati europei dentro un recinto né rinunciare alle tecnologie sviluppate altrove. Significa comprendere che, nell’Industrial AI, la governance del dato non riguarda più soltanto privacy, sicurezza o localizzazione: riguarda anche la capacità di mantenere il controllo sul know-how che da quei dati può essere estratto.
È anche sotto questa luce che l’espansione di Mistral a Monaco acquista un significato più ampio.
La sfida per la società francese sarà dimostrare di poter trasformare il patrimonio industriale europeo in un vantaggio tecnologico scalabile e non semplicemente in una collezione di progetti verticali per grandi clienti. Ma se questa strada funzionasse, la risposta europea alla Silicon Valley potrebbe non consistere nel costruire semplicemente un altro ChatGPT.
Potrebbe essere qualcosa di più strategico: costruire in Europa l’AI che utilizzerà la conoscenza delle fabbriche europee, evitando che il valore generato da quella conoscenza venga progressivamente trasferito altrove.