Mistral 与 NVIDIA 合作推动工业工程 AI：物理 AI、CAE/EDA 智能体基准测试及 Mistral Large 4
TL;DR
Mistral AI 与 NVIDIA 宣布达成合作，旨在构建新一代 AI 原生工程工作流。该合作将 Mistral Large 4 以及 Mistral 的数据生成和物理建模流水线，与 NVIDIA 加速计算、CUDA-X 库及 NVIDIA Warp 相结合。此次合作有两个核心交付成果：用于评估物理模型的公共基准测试和开放数据集，以及针对计算机辅助工程 (CAE) 和电子设计自动化 (EDA) 领域智能体 AI 的专项评估与基准测试。该公告发布于 2026 年 10 月 21 日。
这一举措之所以重要，是因为它瞄准了两家公司所描述的长期瓶颈：工程进展一直受限于仿真速度。Mistral 和 NVIDIA 正通过共享、可复现的基准测试，将其作为在航空航天、汽车和半导体等实际工程用例中验证 AI 智能体和物理模型的机制。
具体宣布了什么
Mistral 和 NVIDIA 正在合作开发由 NVIDIA 加速计算驱动的 AI 原生工程工作流。其既定目标是加速工程仿真，并实现连接仿真、AI 模型开发和工程设计的闭环工作流。
该公告包含三个具体组成部分：
- 加速仿真和闭环工程工作流：基于 Mistral Large 4、Mistral 的数据生成和物理建模流水线、NVIDIA CUDA-X 库以及 NVIDIA Warp 构建。
- 与 NVIDIA Omniverse 集成：利用其库进行 GPU 加速的 3D 场景生成和 SimReady 资产创建。
- 公共基准测试和开放数据集：涵盖物理模型以及 CAE 和 EDA 领域的智能体 AI。
技术栈：Mistral Large 4、CUDA-X、Warp 和 Omniverse
此次合作以 Mistral Large 4 为核心，这是 Mistral 最近以代号 Le Chonk 推出的公共预览版模型。根据公告，Mistral Large 4 是 Mistral 迄今为止规模最大、能力最强的尖端模型，拥有约 1 万亿总参数和 490 亿激活参数。它是一个多模态模型，在欧洲 Mistral 运营的数据中心内使用 3,800 块 NVIDIA Grace Blackwell GPU 进行训练，在编码、智能体工作流和多模态理解方面均有所提升。Mistral 计划在 10 月底发布权重。
在 NVIDIA 方面，此次合作利用了 NVIDIA CUDA-X 库和 NVIDIA Warp（该公司用于仿真和空间计算的 Python 框架）。Mistral 和 NVIDIA 还将致力于将 Mistral 的模型与 NVIDIA Omniverse 库集成，以实现 GPU 加速的 3D 场景生成和 SimReady 资产创建。
物理模型的公共基准测试和开放数据集
此次合作的一个核心重点是开发用于评估物理模型的公共基准测试和开放数据集。
其既定目的是为研究人员、开发人员和工业团队提供一个共享基础，以便比较模型的准确性和性能，并构建和验证自动化的 CAD 到仿真工作流。换句话说，这些基准测试旨在作为学术研究和工业部署之间的通用衡量标准，而非仅供内部使用的评估套件。
CAE 和 EDA 的智能体 AI 基准测试
除了物理 AI，Mistral 和 NVIDIA 还将为计算机辅助工程 (CAE) 和电子设计自动化 (EDA) 中的智能体 AI 开发专门的评估和基准测试。目标是加速 AI 在航空航天、汽车和半导体工程用例中的应用。
根据公告，这些基准测试将评估以下几个不同方面：
- 智能体使用工程工具的能力。
- 智能体完成多步骤工作流的能力。
- 智能体是否能产生技术上正确的结果。
- 执行时间和计算成本。
通过衡量正确性和成本，这些基准测试旨在捕捉智能体在工程循环中是否具有实际可用性，而不仅仅是能够产生看似合理的输出。
Mistral 和 NVIDIA 表示，通过这项工作，他们将帮助定义工程领域智能体和物理 AI 评估的标准，建立一致、可复现的方法来评估能力并跟踪进展。
为什么两家公司将仿真速度视为瓶颈
此次合作的动机源于对工程实践的一个特定主张：工程进度一直由仿真速度决定。Mistral 计算工程副总裁 Neil Ashton 围绕这一约束阐述了此次合作：
"长期以来，工程的进度一直受限于仿真的速度。借助 Mistral 的开放权重模型和物理 AI 能力，结合 NVIDIA 的加速计算堆栈，我们正在为工程师提供更快的仿真周期，以及足够严谨的开放基准测试，以在实际的 CAE 和 EDA 工作中验证智能体。" — @Neil Ashton
NVIDIA 工业与计算工程副总裁兼总经理 Tim Costa 从设计探索的角度阐述了其收益：
"下一波工程突破将来自对那些曾经过于复杂或耗时而无法测试的想法的探索。通过将 Mistral 先进的开放模型和在物理 AI 方面的深厚专业知识与 NVIDIA 加速计算和库相结合，我们正在帮助工程师突破设计的界限——并利用共享的行业基准测试来建立对 AI 能力的信心。" — @Tim Costa
这建立在现有的 Mistral–NVIDIA 合作伙伴关系之上
此次工业工程合作是 Mistral 与 NVIDIA 之间持续合作伙伴关系的延伸，该合作涵盖了开放模型开发、领域特定 AI 和生产基础设施。
两家公司此前曾共同开发了 Mistral NeMo。目前，他们正通过 NVIDIA Nemotron Coalition 合作开发一款尖端基础模型，旨在继续推动开放权重模型的前沿发展。根据公告，这一共享基础旨在让全球的开发人员和企业能够针对各自的行业、语言和地区对 AI 进行专业化定制，并得到联盟成员在数据、评估和领域专业知识方面的贡献支持。
计算路线图：到 2030 年实现 1 GW 容量
除了模型开发，Mistral 和 NVIDIA 还在扩展支持 AI 训练、定制和推理的基础设施。Mistral 正在上线额外的 NVIDIA 驱动的 AI 基础设施，以支持到 2030 年实现 1 GW 容量的计算路线图。
该公告将此次扩张定位为通过将欧洲基础设施和研究与开放模型、专业工程能力及客户应用相结合，加强欧洲在开发和交付 AI 方面的作用。
公告中未明确说明的内容
该文章未包含基准测试数据、目标准确率数字、数据集大小、新的物理或智能体基准测试的发布时间表，也没有列出参与的工业合作伙伴名单。它也没有说明 Omniverse 集成何时可用。所描述的承诺是方向性的：用于物理模型和智能体 CAE 及 EDA 工作的基准测试被描述为正在开发中，而非已发布的成品。