10月21日、Maximilian Schreinerが「Mistral and Nvidia want to speed up industrial design with physics AI」と題した記事を公開した。航空機の空力設計や自動車のクラッシュ解析では、1回のシミュレーションに数日を要することが珍しくない。MistralとNVIDIAはこの「計算の壁」をニューラルネットワークで突破しようとしている。両社が発表した物理AI分野における提携は、設計・シミュレーション・AIトレーニングを一つのワークフローに統合することを目指すものだ。
数日かかる計算を「近似」で高速化する、物理AIという発想
「物理AI（Physics AI）」とは、流体力学・構造解析・熱伝達といった物理法則に基づいたシミュレーションをAIで代替・高速化するアプローチを指す。
従来、こうしたシミュレーションはCFD（数値流体力学）や有限要素法（FEM）によって行われてきた。OpenFOAMやANSYSといったツールが広く使われているが、計算コストが高く、1つの設計変更を検証するだけで膨大な時間がかかることが産業現場での課題となってきた。
ニューラルネットワークを使ってこの計算を「近似」する手法は、近年急速に注目を集めている。DeepMindのグラフニューラルネットワーク（GNN）を用いたシミュレーション研究や、NVIDIAが独自に推進する物理ニューラルネット（Physics-informed Neural Networks）などが先行事例として挙げられる。今回のMistral・NVIDIA提携は、こうした流れを産業応用として本格的に商業化しようとする試みと位置づけられる。
MistralとNVIDIAが産業向け物理AIで提携
両社の提携の骨格は、Mistral Large 4（言語モデル）とMistralの物理AI、そしてNVIDIAの**CUDA-X・Warpソフトウェアライブラリ、3Dシミュレーション環境のOmniverse**を組み合わせることにある。
狙いは、設計・シミュレーション・AIトレーニングを一つの継続的なワークフローで結びつけることだ。対象業界として航空宇宙、自動車、半導体が明示されており、いずれもシミュレーション精度と反復速度が製品競争力に直結する領域である。
NVIDIAのOmniverseとWarpはもともと物理シミュレーションと3D空間の統合を目的として開発されており、今回の提携はその既存インフラにMistralの言語・物理AIを組み込む形となる。
Mistral Large 4の規模と背景
今回の提携の中核となるMistral Large 4は約1兆パラメータを持つ大規模モデルで、ヨーロッパ国内で3,800基のGrace Blackwell GPUを使って学習された。オープンウェイトモデルとして公開済み、もしくは公開直前の段階にある（元記事公開時点の10月21日時点では「10月末公開予定」とされていた）。
両社はこれ以前にもMistral NeMoを共同開発した実績があり、現在はNemotron Coalitionの一環としてオープンな基盤モデルの開発も継続している。今回の物理AI提携は、こうした長期的な協業関係の延長線上にある。
ベンチマークとオープンデータセットの公開も計画
物理AIの普及における課題の一つが、モデル間の性能比較が難しいことだ。物理シミュレーションの「正解」は問題設定に大きく依存するため、標準的な評価基盤が存在しなかった。
両社はこの課題に対し、物理モデルおよびエンジニアリングソフトウェアと連携するAIエージェントのテスト・比較用として、公開ベンチマークとオープンデータセットのリリースを計画している。これが整備されることで、サードパーティ企業や研究機関の参入・比較検証が容易になり、産業向け物理AIのエコシステム形成を後押しする狙いがある。
Mistralの長期インフラ戦略：2030年に1ギガワット
今回の提携はMistralの長期インフラ戦略とも連動している。同社は2030年までに計算能力を1ギガワットに拡大する目標を掲げており、欧州発のAI企業として計算インフラの自前化に積極的に投資している。
GPT-4を擁するOpenAIや、Geminiを持つGoogleといった米国勢が物理シミュレーションAIへの進出を強める中、Mistralが欧州の産業基盤——航空宇宙（エアバスを擁するフランスはその中心地でもある）や自動車——を主要ターゲットに据えるのは自然な戦略的判断といえる。NVIDIAとの提携は、モデル開発力とインフラ・シミュレーション環境の両輪を揃えることで、この競争において独自のポジションを築こうとするものだ。
詳細はMistral and Nvidia want to speed up industrial design with physics AIを参照していただきたい。
