Mistral 收购进军物理学领域，与 NVIDIA 和 Ansys 展开竞争

Mistral AI 已收购 emmi AI，这是一个构建用于工业仿真的物理信息神经网络的研究团队。这笔交易标志着公司有意识地超越语言模型，扩展到其所谓的“基础物理 AI”：即能以传统求解器无法比拟的速度模拟流体动力学、结构力学和等离子体行为的神经算子。 microsofts-new-platform-gives-scientists-a-governed-factory-for-ai-agents

Mistral 在其研究博客上确认了此次收购，将 emmi AI 已发表的工作并入 Mistral 的企业产品中。其中包括通用物理变换器 (UPT)、NeuralDEM 和锚定分支通用物理变换器 (AB-UPT)。目标领域是航空航天、汽车、半导体和能源，这些领域的工程团队依靠计算流体动力学 (CFD) 和有限元分析来设计下一代产品。 anthropic-launches-claude-science-an-ai-workbench-tailored-for-researchers

从语言到物理

Mistral 的举措偏离了其以 Mistral Large 和 Mixtral 系列为核心的大型语言模型的主营业务。通过收购 emmi AI，该公司获得了神经算子方面的研究背景：这是一类学习函数空间之间映射的深度学习模型，使其非常适用于偏微分方程控制的物理系统。

emmi AI 带来的产品组合以其广度而著称：

• UPT（通用物理变换器），一个用于在网格和粒子上跨时空问题扩展神经算子的框架，于 2024 年 2 月发表。
• NeuralDEM，第一个用于多物理工业流程的端到端深度学习替代模型。它能够实时模拟流化床反应器，于 2024 年 11 月发表。
• AB-UPT，一种锚定分支变换器，无需重新网格化即可处理原始几何体。它在单个 GPU 上处理 900 万个表面单元和 1.4 亿个体积单元，于 2025 年 2 月发表。
• GyroSwin，用于回旋动理学等离子体湍流模拟的 5D 替代模型，针对核聚变反应堆设计，于 2025 年 10 月发表。
• 流体智能，一篇前瞻性论文，通过将工业规模模拟分解为核心组件，桥接了机器学习和 CFD 社区。

为什么物理 AI 对企业很重要

从 ANSYS Fluent 到 OpenFOAM 等传统 CFD 求解器，每次模拟需要在高性能计算集群上运行数小时或数天。神经替代模型在训练阶段后，有望在几秒内完成推理，从而大幅缩短设计周期。对于需要执行数千次机翼形状评估的航空航天公司，或跨车型优化空气动力学的汽车公司而言，速度提升直接转化为工程吞吐量。 how-alibaba-cloud-pushed-its-way-into-20-gartner-quadrants-and-what-it-means-for-the-ai-cloud-race

emmi AI 于 2025 年 12 月发表的关于跨音速工况的研究，解决了一个已知的盲点：现有的航空航天数据集主要关注 2D 翼型，而真实飞机机翼会产生复杂的 3D 激波相互作用。该团队发布了一个针对跨音速工况下 3D 机翼的 CFD 模拟数据集，包含 30,000 个具有不同几何形状和入口条件的样本。现在归 Mistral 所有的这个数据集，可能成为跨飞机设计项目微调替代模型的训练资源。

工业仿真市场竞争

Mistral 并不是第一家瞄准物理模拟的 AI 公司。NVIDIA Modulus 是 NVIDIA AI Enterprise 套件的一部分，提供用于工业数字孪生的物理机器学习模型。仿真软件领域的主导者 Ansys 已在其求解器产品组合中集成了 AI 功能。Google DeepMind 的 GraphCast 虽然侧重于天气，但属于相同的神经算子谱系。而 Neural Concept 和 SimScale 等初创公司已在传统仿真工作流程之上构建了 AI 层。

emmi AI 方法的独特之处在于明确的基础模型框架。UPT 和 AB-UPT 架构旨在针对不同物理领域进行重新训练和专业化，类似于大型语言模型的微调方式。如果 Mistral 能够将其打包成产品（即工程师可以调用而非运行 CFD 的 API），那么它将直接与 Ansys 的本地许可证和 NVIDIA 的 GPU 优化替代模型竞争。 cuga-ibms-open-source-agent-harness-lets-you-build-apps-with-just-a-prompt-and-tool-list

核聚变联系

GyroSwin 论文解决了托卡马克反应堆中的等离子体湍流问题，这是一个在反应堆相关尺度上一直难以通过经典模拟解决的问题。等离子体湍流是降低磁聚变装置约束性能的主要机制。能够实时运行的替代模型可以集成到控制系统中或用于设计优化。该论文将 UPT 系列扩展到了 5D 时空建模领域，而在该领域，传统求解器面临严重的计算瓶颈。

Mistral 尚未披露交易条款或 emmi AI 团队将如何整合到其结构中。研究博客指出，该团队“现在是 Mistral 的一部分”，并且公司“正在加倍投入，为塑造物理世界的行业构建基础物理 AI”。这种措辞暗示设立一个内部研究单位，而非分拆或独立的部门。

对 Mistral 而言，这一赌注基于一个长期论点：物理模拟能够像自然语言一样通过变换器大规模建模，并且由此产生的模型将成为工业工程的关键基础设施。风险在于，企业仿真工作流程非常保守：公司使用经过认证的求解器根据法规验证设计。神经替代模型不仅需要更快，还需要在安全范围内证明其准确性。Mistral 的研究论文提供了基准，但将这些转化为值得信赖的产品是一个独立的工程挑战。