Mistral 与 NVIDIA 合作推进工业工程 AI
来自 Mistral AI · 期号 2026-10-21
摘要
Mistral 与 NVIDIA 合作，将 Mistral 的 AI 模型与 NVIDIA 的加速计算和物理建模工具结合，旨在加速工程仿真并实现闭环的 AI 驱动设计。 合作的核心是开发用于评估物理模型的公开基准和开放数据集，为研究人员和工业团队提供统一的比较标准。双方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 制定专门的评估基准。 这一合作建立在双方已有的基础上，包括共同开发 Mistral NeMo，以及通过 NVIDIA Nemotron 联盟推进开源模型。Mistral 最近发布了拥有约 1 万亿总参数、490 亿活跃参数的多模态模型 Mistral Large 4。
深读
导读 Mistral 与 NVIDIA 宣布合作，将 Mistral 的 AI 模型与 NVIDIA 的加速计算和物理建模工具结合，目标是加速工程仿真并实现闭环的 AI 驱动设计。合作的核心是开发用于评估物理模型的公开基准和开放数据集，为研究人员和工业团队提供统一的比较标准。读完本文可以了解这一合作的具体技术方向、涉及的 NVIDIA 工具栈，以及它如何建立在双方已有的合作基础之上。 关键信息 - 合作的核心是开发用于评估物理模型的公开基准和开放数据集，以标准化对物理 AI 和 agentic AI 在计算机辅助工程（CAE）和电子设计自动化（EDA）中的评估。 - Mistral 将集成其模型与 NVIDIA Omniverse 库，用于 GPU 加速的 3D 场景生成和 SimReady 资产创建。 - 双方将开发针对 agentic AI 在 CAE 和 EDA 中的专用评估基准，评估 agent 使用工程工具、完成多步骤工作流并产生技术正确结果的能力，同时衡量执行时间和计算成本。 - 这一合作建立在双方已有的基础上，包括共同开发 Mistral NeMo，以及通过 NVIDIA Nemotron 联盟推进开源模型。 - Mistral 最近发布了 Mistral Large 4（Le Chonk），拥有约 1 万亿总参数、490 亿活跃参数的多模态模型，在 Mistral 运营的欧洲数据中心使用 3,800 块 NVIDIA Grace Blackwell GPU 训练。 逐节讲解 合作目标：AI 驱动的工程工作流 Mistral 与 NVIDIA 合作，旨在开发新一代 AI 原生工程工作流。合作将 Mistral Large 4 与 Mistral 的数据生成和物理建模管线结合，并由 NVIDIA CUDA-X 库和 NVIDIA Warp 加速，目标是加速工程仿真并实现闭环工作流，将仿真、AI 模型开发和工程设计连接起来。此外，双方还将 Mistral 的模型与 NVIDIA Omniverse 库集成，用于 GPU 加速的 3D 场景生成和 SimReady 资产创建。 核心举措：公开基准与开放数据集 合作的一个核心焦点是开发用于评估物理模型的公开基准和开放数据集。这些基准将为研究人员、开发者和工业团队提供一个共享基础，用于比较模型准确性和性能，并构建和验证自动化的 CAD 到仿真工作流。Mistral 计算工程副总裁 Neil Ashton 表示，长期以来工程的速度由仿真的速度决定，而结合 Mistral 的开源权重模型和物理 AI 能力与 NVIDIA 的加速计算栈，可以给工程师带来更快的仿真周期，以及足够严格的公开基准来验证 agent 在真实 CAE 和 EDA 工作中的表现。 扩展至 Agentic AI 评估 除了物理 AI，Mis…