Cloud Computing

Artificiell intelligens är inget tillfälligt fenomen, det är här för att stanna. Enligt Gartner kommer mer än 80 procent av företagen att ha använt någon form av generativa AI-API:er eller applikationer år 2026. Om du planerar att tillhöra dessa 80 procent måste du bestämma det bästa sättet att utbilda och distribuera AI, på plats eller i molnet.

AI-träning kräver specialiserad hårdvara som är mycket, mycket dyr jämfört med vanlig serverutrustning. Det börjar på ett sexsiffrigt dollarbelopp och kan uppgå till flera miljoner dollar. Och den hårdvaran kan inte återanvändas för andra ändamål, till exempel databaser.

Utöver inköp och underhåll av AI-hårdvaran tillkommer den modell som AI-applikationen bygger på. Träning är den svåraste delen av AI och den mest processintensiva. Träningen kan ta veckor eller till och med månader, beroende på datauppsättningens storlek. Det kan vara månader som du inte har.

Du kan alltså välja mellan att skaffa hårdvaran och göra det själv eller vända dig till en AI-as-a-service-leverantör. AIaaS är det senaste på as-a-service-marknaden och är särskilt inriktat på initiativ inom artificiell intelligens. Den tillhandahålls vanligtvis av stora molntjänstleverantörer, men även mindre leverantörer är på väg in på marknaden. Många AIaaS-leverantörer erbjuder inte bara hårdvaran för leasing, utan även färdiga modeller som kan förkorta tiden för driftsättning med flera månader.

AI fanns redan på radarn för många företag, men när Chat GPT och generativ AI slog igenom i slutet av 2022 kände företagen en större brådska med att införa det, säger Mike Gualtieri, vice vd och chefsanalytiker på Forrester Research.

“Med generativ AI kan de enkelt använda en modell som är färdigbyggd, och det är i stort sett vad de gör. De behöver alltså inte köpa sin egen infrastruktur. Många av dem tänker att de ska finjustera en open source-modell”, säger han.

Hur AIaaS fungerar

AIaaS ger kunderna molnbaserad åtkomst för att integrera och använda AI-funktioner i sina projekt eller applikationer utan att behöva bygga och underhålla sin egen AI-infrastruktur. Dessutom erbjuds förbyggda och förtränade modeller för grundläggande användningsområden som chattbotar, så att kunden inte behöver gå igenom processen med att träna sina egna modeller.

– I grund och botten gör AI-as-a-service det möjligt för dig att påskynda din applikationsutveckling och leverans av AI-teknik i ditt företag, säger Chirag Dekate, analytiker för AI-infrastrukturer och superdatorer på Gartner.

AI-as-a-service erbjuder tre ingångar: applikationsnivån, modellutvecklingsnivån och den anpassade modellutvecklingsnivån, säger han. Om du är ett företag med relativt låg mognadsgrad och vill komma igång med generativ AI kan du utnyttja det i applikationslagret. Eller om du vill hantera dina egna modeller kan du göra det djupare ner i stacken.

AIaaS-leverantörer erbjuder preparering av data, eftersom den ofta är ostrukturerad, samt träning av modeller som tillhandahålls av kunden eller möjligheten att använda förbyggda AI-modeller som de tillhandahåller. Dessa modeller, som tränas på massiva datamängder, kan utföra olika uppgifter som bildigenkänning, dataanalys, naturlig språkbehandling och prediktiv analys.

Du får tillgång till tjänsterna via API:er eller användargränssnitt. På så sätt kan du enkelt integrera AI-funktionaliteten i dina egna applikationer eller plattformar, ofta med minimal programmering.

De flesta AI-as-a-service-leverantörer erbjuder en pay-as-you-go-modell, antingen genom uppmätt användning eller ett fast pris. Det senare är mycket dyrare än det traditionella IaaS/PaaS-scenariot. Nvidia tar till exempel ut ett fast pris på 37 000 dollar per månad för att använda sin DGX Cloud-tjänst.

Är AIaaS rätt för din organisation?

Det stora försäljningsargumentet för AIaaS är kostnaden för den hårdvara som behövs för att köra AI på plats. Företag som är vana vid att köpa vanliga x86-servrar kommer att få en rejäl chock. Nvidias DGX Pod H100-server börjar på runt 500 000 dollar, medan den mycket större SuperPOD börjar på 7 miljoner dollar. För de flesta företag, särskilt små och medelstora, kan detta vara oöverstigligt dyrt, och att hyra tid via AIaaS är det enda alternativet.

På grund av de stora kostnaderna för att hosta AI-modeller på plats är AI-as-a-service mycket bra för experiment, eftersom man bara betalar för det man behöver, enligt Gaultieri på Forrester. 

– Så du vill inte bygga upp din egen infrastruktur för 30 användningsfall när kanske bara ett fåtal av dem kommer att fungera. Men du behöver infrastrukturen för att testa den. Så det är en mycket bra experimentell lekplats – mycket ekonomiskt för företag, säger han

Förutom kostnaden för hårdvaran är det också en fråga om tillgänglighet. Nvidia har en enorm orderstock; om du försöker köpa en on-prem SuperPOD i dag kommer du att få vänta i tre till åtta månader.

“En bebis kommer att födas tidigare än du kan driftsätta din infrastruktur på plats”, säger Dekate från Gartner. “Det är den typen av obalans mellan utbud och efterfrågan som vi ser på marknaden i dag.”

Så även om du vill köpa och har pengarna, kan ditt enda alternativ för snabb driftsättning vara att hyra från en AIaaS-leverantör.

Krav på AIaaS

Genom att göra bearbetningen i molnet slipper du bördan och ansvaret för AI-hårdvara i ditt datacenter. Ditt största bekymmer kommer att vara dina data och var de finns. Om de data som du bygger dina modeller från lagras på AWS, Google Cloud eller Microsoft Azure behöver du inte göra så mycket.

Om du å andra sidan bygger dina modeller från dina egna data behöver du ett stort, snabbt rör för att flytta alla dina data från datacentret till molnet. Så nätverk kommer att vara det viktigaste hårdvaruområdet.

Fördelar och nackdelar med AIaaS

Här är några fördelar med att använda AIaaS:

• Mycket lägre inträdesbarriär: Som nämnts ovan är AI-hårdvara betydligt dyrare än vanlig serverhårdvara. AI-as-a-Service är också mycket dyrare än vanliga molntjänster, men det är mycket billigare än att skaffa hårdvaran.
• Snabbare tid till marknaden: Att installera och konfigurera AI-hårdvara på plats är dyrt och tidskrävande – om du ens har den kompetens som behövs för att distribuera och stödja den. Om du överlåter hanteringen av hårdvaran till en molntjänstleverantör sparar du mycket tid och kan fokusera på din verksamhet och kärnkompetens.
• Tillgång till den senaste tekniken: AI kan vara en konkurrensfördel, och det ligger i AIaaS-leverantörernas intresse att ständigt förbättra och förnya sig. Genom att använda tjänsten kan du ligga steget före.
• Skalbarhet: Det här är molnet, och skalbarhet är ett av dess främsta försäljningsargument. Du kan skala upp eller ner AI-tjänsterna så att de passar dina behov.
• Tillgång till AI-expertis: AI befinner sig fortfarande i ett mycket tidigt skede, och antalet it-proffs som kan konfigurera och hantera hårdvaran är begränsat. De flesta som kan hantera AI-hårdvara jobbar på molnjättarna.

Men det finns alltid nackdelar med allt, och AI-as-a-Service är inget undantag:

• Leverantörslåsning: Det kan vara svårt att byta leverantör när man använder en leverantörs plattform.
• Begränsad anpassning: Färdigbyggda modeller är idealiska för allmän användning men kanske inte passar perfekt för dina behov om de är mycket specifika. Därför kan du tvingas bygga och bearbeta dina egna modeller snarare än att använda en modell med öppen källkod.
• Säkerhets- och integritetsfrågor: Att dela dina data med en tredjepartsleverantör kräver noggrant övervägande.

Viktiga kriterier för att välja en AIaaS-plattform

• Stöd för arbetsbelastningar: Enligt Gaultieri är det viktigaste kriteriet för att välja en AIaaS-leverantör om den stöder arbetsbelastningarna för alla tre stegen i AI: dataförberedelse, modellträning och inferens. Dataförberedelse förbises ofta i AI-diskussionen, men det måste göras eftersom de data som AI utnyttjar ofta är ostrukturerade och lagras i datasjöar med obearbetade data.
• Regional infrastruktur: Dikate säger att kundens högsta prioritet bör vara om leverantören har tillräcklig skalkapacitet i deras region och tillämpningsområde. Många företag är globala organisationer, och inte alla molnleverantörer har resurser som distribueras globalt.
• Matcha dina behov med beprövad expertis: Sök efter leverantörer som har erfarenhet av din specifika bransch eller av projekt med liknande utmaningar. Be om fallstudier, kundreferenser och omdömen som visar vad de har åstadkommit.
• Specificera vilken typ av AI du vill använda: Bildigenkänning skiljer sig från intrångsdetektering, som skiljer sig från en chattbot. En AIaaS-leverantör kanske inte är specialiserad på alla former av AI, så se till att deras specialisering uppfyller era behov.
• Kompatibilitet med data och efterlevnad: Se till att leverantörens plattform stöder ditt dataformat och din datavolym. Om dina data är av en mycket reglerad typ, se till att leverantören är certifierad för att hantera dem.
• Skalbarhet: AIaaS-leverantörer kanske inte har tillräcklig kapacitet om era behov fortsätter att växa. Även om framtiden är svår att garantera, särskilt i en snabbväxande bransch som AI, är det ändå tillrådligt att få någon form av löfte om framtida prestanda om det är möjligt.
• Modelluppdateringar och underhåll: AI-modeller körs nästan aldrig en gång och sedan aldrig igen. De kräver regelbunden och rutinmässig uppdatering. Klargör leverantörens policy för lagring av modellen, uppdatering av den och möjligheten för dig att ta tillbaka modellen till dina lokaler och ut ur deras system.
• Programvara för hantering av arbetsbelastning: Slutligen bör du överväga leverantörens programvara för att hantera arbetsbelastningar, särskilt att se till att leverantören kan starta om en arbetsbelastning om det uppstår ett problem under bearbetningen. 

– Tänk dig att du bygger en LLM och kör den i en vecka och sedan går något fel, säger Gaultieri. 

– Om det är en arbetsbelastning på flera veckor vill man inte börja om från början. Så har de saker som checkpointing så att du kan starta om arbetsbelastningar?

Ledande AIaaS-leverantörer

AI-as-a-service är inget litet projekt. Även om nyare aktörer som Nvidia, OpenAI och till och med vissa managed service-leverantörer är på gång, är de största aktörerna inom AIaaS idag de gigantiska molntjänstleverantörerna, eftersom de är de företag som har de ekonomiska resurserna att stödja AIaaS i företagsskala. Bland deras erbjudanden finns

AWS AI: Amazon Web Services har ett ganska brett utbud av AI-tjänster, som börjar med förbyggda, färdiga tjänster som kan hjälpa till att dra igång ett AI-projekt och komma runt behovet av erfarna datavetare och AI-utvecklare. Bland dessa tjänster finns Amazon Translate (språköversättning i realtid), Amazon Rekognition (bild- och videoanalys), Amazon Polly (text-till-tal) och Amazon Transcribe (tal-till-text).

Hanterade infrastrukturverktyg inkluderar Amazon SageMaker för att bygga, träna och distribuera maskininlärningsmodeller, Amazon Machine Learning (AML) drag-and-drop-verktyg och mallar för att förenkla byggandet och distributionen av ML-modeller, Amazon Comprehend för naturlig språkbehandling, Amazon Forecast för att ge exakta tidsserieprognoser och Amazon Personalize med personliga produkt- och innehållsförslag.

Inom generativ AI erbjuder AWS Amazon Lex för att bygga AI-botar för konversation, Amazon Code Guru för kodanalys och rekommendationer för förbättrad kodkvalitet och säkerhet samt Amazon Kendra, en intelligent söklösning.

Microsoft Azure AI: Microsofts AI-tjänster riktar sig till utvecklare och datavetare och bygger på Microsoft-applikationer som SQL Server, Office och Dynamics. Microsoft har integrerat AI i sina olika affärsapplikationer i molnet och på plats.

Microsoft är också en dealmaker, som säkrar partnerskap och samarbetar med ledande AI-företag, inklusive Chat GPT-skaparen Open AI. Många AI-appar finns tillgängliga på Azure Marketplace.

Leverantören erbjuder ett antal färdigbyggda AI-tjänster, såsom taligenkänning, textanalys, översättning, synbearbetning och distribution av maskininlärningsmodeller. Det finns också en OpenAI-tjänst med förtränade stora språkmodeller som GPT-3.5, Codex och DALL-E 2.

Google Cloud AI: Googles AI-tjänst är specialiserad på dataanalys, med verktyg som BigQuery och AI Platform och erbjuder AutoML-tjänsten, som har automatiserad modellbyggnad för användare med mindre kodningserfarenhet.

Google Cloud AI erbjuder en enhetlig plattform som heter Vertex AI för att effektivisera AI-arbetsflödet och förenkla utveckling och distribution. Plattformen erbjuder också ett brett utbud av tjänster med förbyggda lösningar, anpassad modellutbildning och generativa AI-verktyg.

AI Workbench är en samarbetsmiljö där datavetare och utvecklare kan arbeta med AI-projekt, med AutoML för att automatisera mycket av arbetsflödet för maskininlärning och MLOps för att hantera ML-livscykeln mer effektivt genom att se till att ML-modeller utvecklas, testas och distribueras på ett konsekvent och pålitligt sätt.

Google Cloud AI har ett antal färdiga AI-lösningar:

• Dialogflow: En plattform för konversationell AI för att bygga chatbots och virtuella assistenter.
• Natural Language API: Analyserar text för sentiment, entitetsutvinning och andra uppgifter.
• Vision AI: Bearbetar bilder och videor för objektdetektering, scenförståelse med mera.
• Translate API: Tillhandahåller maskinöversättning på olika språk.
• Tal-till-text och text-till-tal: Konverterar mellan talat språk och text.

För generativ AI är Vertex AI Search and Conversation en verktygssvit som är särskilt utformad för att bygga generativa AI-applikationer som sökmotorer och chattbotar, med mer än 130 grundläggande förtränade språkmodeller som PaLM och Imagen för avancerad textgenerering och bildskapande.

Google presenterade nyligen sin nya Gemini-modell, efterföljaren till chattboten Bard. Gemini ska enligt uppgift kunna generera mycket mer komplex matematik och vetenskap samt avancerad kod i olika programmeringsspråk. Den finns i tre versioner: Gemini Nano för smarta telefoner, Gemini Pro, som är tillgänglig på pc och körs i Googles datacenter, och Gemini Ultra, som fortfarande är under utveckling men som sägs vara en mycket mer avancerad version av Pro.

IBM Watsonx: IBM Watson AI-as-a-service, nu känt som Watsonx, är ett omfattande utbud av AI-verktyg och tjänster som är kända för sin tonvikt på automatisering av komplexa affärsprocesser och sina branschspecifika lösningar, särskilt inom hälso- och sjukvård och finans.

Watsonx.ai Studio är plattformens kärna, där du kan träna, validera, finjustera och distribuera AI-modeller, inklusive både maskininlärningsmodeller och generativa AI-modeller. Data Lakehouse är ett säkert och skalbart lagringssystem för alla dina data, både strukturerade och ostrukturerade.

AI Toolkit är en samling förbyggda verktyg och anslutningar som gör det enkelt att integrera AI i dina befintliga arbetsflöden. Dessa verktyg kan automatisera uppgifter, extrahera insikter från data och bygga intelligenta applikationer.

Watsonx innehåller också ett antal förtränade AI-modeller som du kan använda direkt och utan någon träning. Dessa modeller täcker uppgifter som naturlig språkbehandling, datorseende och taligenkänning.

Oracle Cloud Infrastructure (OCI) AI Services: Oracle har hittills legat långt efter marknadsledarna inom molntjänster, men har flera fördelar som är värda att beakta. Oracle är trots allt ett stort företag inom affärsapplikationer, från sin databas till sina applikationer. Alla deras lokala applikationer kan flyttas till molnet för en hybridinstallation. Detta gör det enkelt och okomplicerat att flytta dina lokala data till molnet för dataförberedelse och utbildning. Det är en liknande fördel som Microsoft har med sina äldre on-prem-applikationer.

Oracle har investerat mycket i GPU-teknik, och det är det primära sättet för databehandling inom AI just nu. Så om du vill köra AI-appar på Nvidia-teknik kan Oracle hjälpa dig. Och Oracles AI-tjänster är de billigaste bland molnjättarnas, en viktig faktor med tanke på hur dyr AI-as-a-service kan bli.

OCI AI Services presenterar en mångsidig portfölj av verktyg och tjänster för att ge företag olika AI-funktioner. Precis som IBM:s Watsonx är det inte bara en tjänst utan en samling funktioner som tillgodoser olika behov, inklusive upptäckt och förebyggande av bedrägerier, taligenkänning, språkanalys, dokumentförståelse med mera.

Oracles generativa AI-tjänst stöder LLM:er som Cohere och Metas Llama 2, vilket möjliggör uppgifter som skrivhjälp, textsammanfattning, chattbotar och kodgenerering. Oracle Digital Assistants förbyggda ramverk för chattbotar möjliggör snabb utveckling och driftsättning av röst- och textbaserade konversationsgränssnitt.

Machine Learning Services erbjuder verktyg för data scientists att tillsammans bygga, träna, distribuera och hantera anpassade maskininlärningsmodeller. De stöder populära open source-ramverk som Tensorflow och PyTtrch.

Slutligen finns OCI Data Science, som tillhandahåller virtuella maskiner med förkonfigurerade miljöer för datavetenskapliga uppgifter, inklusive Jupyter-anteckningsböcker och tillgång till populära bibliotek, vilket förenklar din datautforskning och arbetsflöde för modellutveckling.

En ny granskning gjord av Europeiska datatillsynsmannen (EPDS) har kommit fram till att EU-kommissionens användning av Microsoft 365 bryter mot unionens dataskyddsregler på flera punkter.

EU-kommissionen har bland annat inte vidtagit lämpliga skyddsåtgärder för att säkerställa att personuppgifter som överförs utanför EU och Europeiska ekonomiska samarbetsområdet (EES) huvudsakligen har samma skyddsnivå som överföringar inom områdena.

EU-kommissionen ska inte heller varit tillräckligt specifik gällande vilka typer av personuppgifter som samlas in och för vilka specificerade ändamål när Microsoft 365 används.

Europeiska datatillsynsmannen har beslutat att EU-kommissionen nu behöver ändra på detta om de ska fortsätta använda
Microsoft 365. Ändringarna måste vara klara senast den 9 december 2024.

EDPS granskning inleddes 2021 och då fanns det inget avtal som möjliggjorde dataöverföringar mellan EU och USA. Ett sådant kom på plats först sommaren 2023. Trots det har alltså EU-kommissionen fortsatt att använda Microsoft 365.

För tre år sedan fattade Skatteverket och Kronofogden ett uppmärksammat beslut: att säga nej till samarbetsverktyget Teams för att man bedömde att det inte var förenligt med gällande rätt att överföra en så stor mängd känslig information till en amerikansk molntjänst. 

Men i slutet av december förra året, efter ett par månaders utredning, slog Skatteverket fast att man nu kan använda sig av både Office 365 och Teams. 

– Men vi räknade med att ganska många skulle efterfråga beslutet och underlaget så vi har tagit lite extra tid för att skriva en rapport, ett underlag, som vi kan dela med oss av till andra, säger Peter Nordström, talesperson på Skatteverket. 

Nya juridiska förutsättningar

Omtaget när det gäller Office 365 beror bland annat på att de juridiska förutsättningarna förändrades i juli förra året. 

Då trädde dels en lagändring i kraft om en ny så kallad sekretessbrytande bestämmelse som ger myndigheter möjligheter att överföra sekretesskyddade uppgifter till outsourcing- eller molntjänstleverantörer och dels fattade EU-kommissionen ett adekvansbeslut som innebär att den amerikanska hanteringen av persondata nu ligger på en adekvat nivå och godkände därmed ett nytt ramverk för överföring av data mellan EU och USA, EU-US Data Privacy Framework.

Men Peter Nordström pekar också ut ett antal andra faktorer som ligger till grund för det nya beslutet. 

– Invasionen i Ukraina och konsekvenserna av det, inflationen som pressar oss att få ut mer av våra investeringar och att vi fått ett helt nytt arbetssätt med en helt annan intensitet i digitala möten. 

Du nämner Ukraina, handlar det om hur de använt molntjänster för att säkra myndigheternas information? 

– Ja, de har ju använt sig av molntjänster och menar att det varit viktigt. Det visar också betydelsen av att bygga upp ett starkt cyberförsvar  genom ett gott samarbete mellan privata och offentliga partners. Med det sagt har vi inte gått på djupet i hur de gjort – men i helheten spelar det roll. 

Ytterligare ett område har spelat in i Skatteverkets bedömning och det är att de också levererar tjänster till andra myndigheter och där ser fördelar med Office 365 – inte minst kunskapsmässigt. 

– Det är en lägre tröskel för våra användare med Microsoftprodukter. 

Vill inte ses som ett facit

Att Skatteverket nu alltså gett sig själva grönt ljus att använda sig av Office 365 och Teams – ”vi har bara tittat på ett enkelt teams, ett officepaket och katalogtjänsten Entra id men inte Copilot eller Intune” –  innebär inte att andra myndigheter kan använda sig av deras underlag rakt av. 

– Nej, vi vill inte ta rollen som normsättare – mycket är unikt för Skatteverket. Det här är inget facit för andra utan alla måste göra sitt eget arbete. 

I sin genomlysning har Skatteverket breddat hur man omvärldsbevakat enligt Peter Nordström – inte minst har man haft mycket dialog med banker och bland annat tittat på hur de kör sin digitala rådgivning online. 

– Då använder de ofta Teams men de har också krav på sig att de måste spela in och då använder de en tredjepartsprodukt. Även om man använder Teams till mötet – med kryptering som man litar på – så vill man inte köra behandlingen där utan vill ha den i egen regi. Det är intressant input som ger nya perspektiv. 

Man har också pratat med myndigheter och skatteverk i andra länder. 

– Vi har försökt bredda utredningen till att inte bara handla om Teams i stället för Skype – vi har hyvlat elefanten på ett annat sätt kan man säga. 

Pilot under året

Skatteverket kommer göra en första teknisk proof of concept och pilot under 2024 och hur utrullningen ser ut framåt beror på budgetförutsättningar, befintlig utvecklingsportföj, nya uppdrag och hur säkerhetsfrågan utvecklas framöver.

–  Vi kommer fortsätta fördjupa oss i vissa delar och göra en pilot efter sommaren, säger Peter Nordström. 

Är ert tidigare arbete med att gå igenom alternativ till de amerikanska molntjänsterna bortkastat nu? 

– Nej, vi har enormt mycket nytta av det arbetet. Nu har vi metoder och arbetssätt för att ta oss an den här typen av samarbetslösningar – en bra bas att stå på. Och vi kommer alltid att behöva andra lösningar som komplement. 

Även om Skatteverket nu gör en ny bedömning av Microsofts tjänster så är det inte något spektakulärt anser han. 

– Alla behöver göra sin egen analys och det arbetet  måste göras kontinuerligt i takt med att förutsättningarna förändras. Då kan besluten se annorlunda ut. Jag tycker att Skatteverkets ledning ska ha respekt för att den vågar att på ett ansvarsfullt sätt kavla upp ärmarna och göra jobbet som krävs när det kommer nya förutsättningar utan att ha en förutfattad mening om hur det ska vara. Världen förändras och vi i takt med det, säger Peter Nordström. 

Franska Mistral AI är det europeiska företag som fått mest uppmärksamhet på generativ AI-området och som pekats ut som en europeisk utmanare till Open AI. Inte minst efter att ha tagit in kapital som värderar startupen till 2 miljarder euro eller drygt 22 miljarder kronor, mindre än ett år efter att det startade.

Nu meddelar Microsoft, som ju tidigare gått in tungt i amerikanska Open AI, att man har tecknat ett flerårigt partnerskap med Mistral AI, där den franska startupens språkmodeller nu kommer att erbjudas på Azure. Hur mycket avtalet är värt är inte offentliggjort men Mistral AI bekräftar för Reuters att Microsoft kommer att ta en ägarandel i bolaget.

Efter Open AI är Mistral AI det andra företag vars språkmodeller nu kommer til Azure. I samband med Microsoft-nyheten lanserade Mistral AI sin nya flagskeppsmodell Mistral Large som beskrivs som en billigare utmanare till Open AI:s GPT-4. Dessutom släpper företaget en chattbot, Le Chat, i betaversion.

– Vi är mycket glada över att inleda detta partnerskap med Microsoft. Med Azures banbrytande AI-infrastruktur når vi en ny milstolpe i vår expansion och sprider vår innovativa forskning och våra praktiska tillämpningar till nya kunder överallt. Tillsammans är vi fast beslutna att driva på utvecklingen inom AI-industrin och leverera oöverträffat värde till våra kunder och partners över hela världen, säger Mistral AI:s vd Arthur Mensch i ett uttalande.