Mistral 收购一家让物理模拟从数周缩短至秒级的公司

Mistral AI 宣布已将 Emmi AI 纳入其企业平台，为其现有的大型语言模型和智能体工作流工具套件新增了一类新的物理基础模型。此次收购瞄准了工业工程领域的一个瓶颈，Mistral 称其为一个自 2006 年以来几乎未有改变的物理模拟工作流。the-hidden-bottleneck-in-ai-inference-why-deepseeks-dspark-rewrites-the-rules-of-speculative-decoding

“物理分析仍然停留在产品生命周期的前端，依赖于几十年来未发生根本变化的求解方法，”Mistral 在一篇博文中写道。“工程师们仍在评估少数几个变体，而他们本应探索成千上万个。”

Emmi AI 的技术被 Mistral 称为“物理人工智能”：基于求解器输出训练的数据驱动模型，能够在单个 GPU 上通过单次前向传播（耗时数秒）将几何形状和边界条件映射到完整的物理场。这相比传统的 CFD 和 FEM 工作流实现了巨大加速，后者需要团队准备 CAD 几何图形、将其离散为网格、配置边界条件，并在 HPC 集群上排队运行，每个设计变体需要数小时到数周的时间。

Mistral 明确表示，这些物理模型并非在所有场景下都能替代基于第一性原理的求解器。该公司称其为“绝大多数设计循环迭代中吞吐量的阶跃性提升”，而传统求解器则保留用于验证和边缘情况。Mistral 指出，其架构、训练目标和评估机制与基于模拟数据训练的 LLM 根本不同，并且这些模型旨在跨整个设计家族进行泛化，而非针对单个零件。

此次收购正值 AB-UPT 等模型架构已达到工业就绪水平，且 GPU 容量已变得足够经济，能够以生产规模训练和服务物理工作负载。Mistral 正在将这一能力定位为一个横向层，在针对特定领域物理进行微调后，可迁移至航空航天、汽车、电子、能源和工业设备领域。fast-lewm-parallel-action-prefix-prediction-slashes-latent-world-model-planning-costs

Mistral 透露，合作伙伴已包括 ASML、空客、赛峰和西门子能源。该公司设想了三个主要领域的用例：加速产品设计、加速工装和工艺设计，以及实时数字孪生。在产品设计方面，工程师可以在当前单一模拟所需的时间内探索数千个设计变体，AI 模型可以提出候选方案而不仅仅是评估它们。在工装方面，可以在切割任何工具之前虚拟测试数千种模具和冲模变体，预测缺陷并提高良品率。对于数字孪生，物理模型将基于实时传感器数据持续运行，从而无需让运行中的资产离线即可进行假设情景分析。

“我们相信，当物理 AI 能够与工程组织中的其他 AI 栈组合时，它才最有价值，”Mistral 写道。该公司将物理模型作为其企业平台内的一项能力，与语言和多模态推理模型、模型训练和定制管道、AI 工作流编排工具、编码代理以及私有 AI 基础设施一同提供。microsofts-new-platform-gives-scientists-a-governed-factory-for-ai-agents

Mistral 目前正在招募新成员以壮大其工程 AI 团队，并邀请来自航空航天、汽车、能源和电子领域的合作伙伴探索该技术。

这一举动表明，基础模型提供商之间的竞争正从语言和视觉领域扩展到物理科学领域。Mistral 押注于工业工程, , 一个长期受困于昂贵、缓慢求解器的领域, , 是一个足够大的市场，值得为其开发专门的先进 AI 模型，并且客户愿意为 AI 驱动的物理模拟的速度和规模付费，即使验证仍需要旧工具。ai2-releases-emo-an-moe-model-where-modularity-emerges-from-data