Mistral und NVIDIA kündigen KI-Workflows für Simulation und Konstruktion an

Mistral und NVIDIA wollen Simulation, KI-Training und Konstruktion in einem Kreislauf verbinden

Mistral hat eine Zusammenarbeit mit NVIDIA angekündigt, die KI-gestützte Engineering-Workflows aufbauen soll. Laut Mistral basiert sie auf dem Modell Mistral Large 4 sowie auf eigenen Pipelines für Datengenerierung und Physikmodellierung. Beschleunigt werden diese durch die NVIDIA-Bibliotheken CUDA-X und Warp. Ziel sind Closed-Loop-Workflows, die Simulation, KI-Modellentwicklung und Konstruktion miteinander verknüpfen. Außerdem plant das Unternehmen, Mistrals Modelle mit Omniverse-Bibliotheken zu koppeln, für GPU-beschleunigte 3D-Szenengenerierung und SimReady-Assets. Als Zielbranchen nennt die Mitteilung Luftfahrt, Automobil und Halbleiter.

Die Kooperation knüpft an frühere Arbeit an. Laut The Decoder haben beide Firmen zuvor Mistral NeMo entwickelt und arbeiten in der Nemotron Coalition an einem offenen Basismodell. Mistral Large 4 soll demnach rund eine Billion Parameter haben und Ende Oktober als Open-Weight-Modell erscheinen. Diese Angaben stammen aus der Mistral-Mitteilung und werden von The Decoder so wiedergegeben.

Öffentliche Benchmarks und offene Datensätze sollen Physik-Modelle vergleichbar machen

Ein Schwerpunkt der Ankündigung liegt auf öffentlichen Benchmarks und offenen Datensätzen zur Bewertung von Physik-Modellen. Laut Mistral sollen Forschende, Entwickler und Industrieteams damit Genauigkeit und Leistung gemeinsam vergleichen können.

Geplant sind zudem Evaluierungen von KI-Agenten in der rechnergestützten Entwicklung (CAE) und im Entwurf elektronischer Schaltungen (EDA). Mistral spricht selbst davon, die Engineering-Workflows zu „revolutionieren“. Das ist eine Herstellerangabe. Überprüfen lässt sie sich derzeit nicht, denn veröffentlichte Benchmarks, Datensätze und Kundenergebnisse fehlen.

Noch keine Ergebnisse: Zeitplan, Lizenz und Kunden fehlen, im CAE ist die Konkurrenz etabliert

Es handelt sich um eine Absichtserklärung. Schnellere Simulation nennt das Material als Ziel, nicht als erreichtes Ergebnis. Zeitplan, Lizenz, Veröffentlichungsort der Datensätze und Kunden gehen aus dem vorliegenden Material nicht hervor.

KI-Surrogatmodelle im CAE gibt es bereits. Siemens (Simcenter PhysicsAI), Ansys (SimAI), Altair (PhysicsAI), SimScale und Monolith bieten KI-Surrogatmodelle oder KI-gestützte Simulation an. NVIDIA stellt mit PhysicsNeMo ein Open-Source-Framework für Physik-KI-Modelle bereit. Siemens arbeitet außerdem schon mit NVIDIA an GPU-beschleunigter Strömungssimulation (CFD) und beschreibt KI als Ergänzung der Physik, nicht als Ersatz. Mistral kombiniert hier sein Sprachmodell Mistral Large 4 mit Physik-Pipelines und kündigt öffentliche Benchmarks an.

Die Beschleunigungsversprechen der Branche sind Herstellerangaben. Siemens nennt für Surrogatmodelle Vorhersagen, die bis zu 1000-fach schneller ausfallen als mit klassischen Solvern. NVIDIA wirbt mit „500x“ im Flugzeug- und Automobildesign. Messbedingungen nennt das Material nicht. Wer Physik-KI evaluiert, sollte deshalb die Benchmarks abwarten und Ergebnisse gegen validierte Simulation prüfen.