NVIDIA y ASML profundizan su inversión estratégica en Mistral AI, aprovechando el crecimiento de la startup para impulsar las ventas de hardware y los diagnósticos de fabricación respectivamente.
La inversión de NVIDIA en Mistral sirve como un movimiento estratégico para consolidar su posición como el principal proveedor de infraestructura para la creciente plataforma en la nube de Mistral. Al apoyar el crecimiento de Mistral, NVIDIA crea un canal directo para futuros pedidos de sus sistemas Grace Blackwell, convirtiendo efectivamente una participación en capital en un ecosistema de clientes a largo plazo.
Apoya la expansión de la plataforma en la nube de Mistral, que utiliza los sistemas Grace Blackwell de NVIDIA para la computación.
ASML está aprovechando los modelos de IA de Mistral para mejorar sus capacidades de diagnóstico, apuntando específicamente a una identificación de errores en subsistemas un 70% más rápida en el equipo de fabricación de chips. Esta integración operativa tiene como objetivo reducir el tiempo de inactividad del servicio y mejorar el tiempo de actividad general del cliente, proporcionando una ganancia de eficiencia tangible más allá de la mera inversión financiera.
ASML utiliza los modelos de IA de Mistral para diagnosticar errores en subsistemas en sus máquinas de fabricación, igualando la precisión humana mientras trabaja significativamente más rápido.
NVIDIA y ASML han reafirmado sus lazos estratégicos con la firma europea de IA Mistral tras una ronda de financiación de €3 mil millones en la Serie D. Mientras NVIDIA busca una mayor demanda de infraestructura para sus sistemas Grace Blackwell, ASML se centra en integrar los diagnósticos de Mistral para mejorar la eficiencia en la fabricación de chips.
Ambas compañías están invirtiendo para profundizar las asociaciones estratégicas donde Mistral actúa como cliente de la infraestructura de computación de NVIDIA y como socio tecnológico para los diagnósticos de fabricación de ASML.
ASML utiliza los modelos de IA de Mistral para identificar errores en subsistemas en la fabricación de chips, lo que ha demostrado tener el potencial de mejorar la velocidad de diagnóstico en más del 70%.