Mistral 與輝達聯手：物理 AI 進軍工業設計，模擬、設計與訓練串成一條線

Mistral 與輝達在柏林 GTC 宣布合作，要把語言模型、物理模型與模擬工具接在一起，讓航太、汽車與半導體的工程流程跑得更快。

法國 AI 實驗室 Mistral 與輝達在 10 月 21 日的柏林 GTC 大會上，宣布要把工程模擬與產品設計交給 AI 一起處理。雙方打算讓語言模型、物理預測模型與輝達的模擬軟體互相配合，目標是縮短航太、汽車與半導體產業從構想到成品之間的路程。

設計、模擬、訓練不再各走各的

過去的工程流程常常是分段進行：先畫設計圖，再跑模擬驗證，發現問題回頭修改，最後才把經驗餵給模型。Mistral 提出的作法，是把這幾段接成連續迴圈——設計資料進模擬、模擬結果回頭訓練模型、模型再提出下一版設計建議。

這套組合的核心，是 Mistral 的大型語言模型 Mistral Large 4，加上該公司的物理 AI 技術，搭配輝達的 CUDA-X、Warp 物理模擬框架與 Omniverse 三維模擬工具。語言模型負責理解工程文件與需求，物理模型負責預測材料與結構在真實條件下的反應，模擬工具則把結果視覺化、算出數據。

公開評測與資料集是關鍵承諾

除了技術整合，雙方還承諾釋出公開的評測基準與資料集，用來檢驗物理模型與工程 AI 代理人的表現，評量面向包括工具使用、多步驟流程、正確性、運算時間與成本。不過，截至宣布當下，基準與資料集的釋出時間表尚未公布，也沒有具名的首批客戶。

這個承諾值得留意，因為工業 AI 的宣傳數字往往來自廠商自家環境。公開、可重複的評測，才是外界判斷這套流程是否真的省時省錢的依據。

歐洲算力的另一層意義

Mistral Large 4 據報擁有約一兆個參數，以歐洲境內的 3,800 張 Grace Blackwell 晶片完成訓練，並預計在 10 月底以開放權重形式釋出。Mistral 同時表示，計畫在 2030 年前把算力規模擴大到 1 吉瓦。

對歐洲產業而言，這不只是技術合作，更是算力自主的布局：模型、模擬工具與晶片基礎設施若能留在本地，汽車與航太業者在採用 AI 設計流程時，就不必完全依賴美國的雲端與模型服務。

資料來源

• THE DECODER：Mistral and Nvidia want to speed up industrial design with physics AI（2026 年 10 月 21 日）
• Mistral 官方公告（經 THE DECODER 報導）