Mistral 首席执行官 Arthur Mensch 表示，企业若不把 AI 掌握在自己手中，增长就不会真正属于自己。他把矛头指向闭源模型供应商，称这类厂商正在强制实施数据保留；当企业把模型接入具体业务场景后，供应商不仅能看到这些信息，还会从中学习。他还提到，这类公司曾利用掌握的信息反向争夺最成功的客户。
开源模型被视为企业AI自主的起点
Arthur Mensch 的核心判断很直接：企业领导者应采用开源模型。原因不只是成本或灵活性，而是控制权。若企业把关键流程、内部知识和用户交互持续喂给闭源系统，模型能力在提升，企业对自身能力栈的掌控却可能下降。对希望把 AI 深度嵌入业务的公司来说，这种依赖会形成很强的外部杠杆。
数据和记录要放进开放系统
他认为，仅仅换成开源模型还不够。企业还需要把数据与记录保存在开放系统中，否则软件供应商可能限制企业在其“围墙花园”之外部署 AI 系统。若无法拿到由供应商代管的数据完整访问权，迁移就会变得被动。Arthur Mensch 也指出，AI 本身能帮助企业较快完成迁移，这给了公司重新整理数据基础设施的机会。
AI访问权限管理不能出错
数据回到自己手里后，问题并没有结束。企业还得管理 AI 系统如何代表人类用户访问这些数据，因为并非所有员工都应看到同样的内容。文中举例称，Bob 不该看到 Alice 在公司里的操作记录。麻烦在于，AI 模型很擅长发现“仅限知情���原则里的漏洞，所以权限体系既要能检查硬性访问规则，也要有模型来校验软性访问规则。
持续训练飞轮决定差距能否拉开
Arthur Mensch 把“持续训练飞轮”称为最关键的一步。企业需要让 AI 系统依据员工和用户的互动持续改进，把业务中的独特优势沉淀为外部供应商和竞争对手无法复制的系统能力。他还提到，这样做也能压低部署成本，因为企业可以根据模型输入分布缩小模型规模。随着相关账单越来越可观，效率问题已经摆在台面上。
Mistral给出的企业部署方案
在产品层面，Mistral 表示正通过单一控制平面 Studio 和训练平台 Forge 提供所需基础组件，并由应用 AI 工程师与科学家和客户协作，完成知识转移后退出日常运营。部署方式上，Mistral 称其可运行在客户自有基础设施中，或通过其零数据保留托管服务交付。按照 Arthur Mensch 的说法，企业的优势应始终留在企业自己手里，是否切换、何时切换，也应由企业决定。