Mistral 与 NVIDIA 的工程 AI 合作在 2026 年 10 月 21 日由 Mistral 公布：两家要把 Mistral 的模型接进 NVIDIA 的加速计算与物理建模工具，让工程仿真跑得更快，并形成从仿真、模型开发到设计修改的闭环。合作的另一半，是共同制定物理模型与工程智能体的公开基准和开放数据集。
工程行业慢，慢在仿真这一关
飞机、汽车、芯片的设计迭代，速度一直被仿真卡住：一个方案行不行，要等物理仿真算完才知道。Mistral 负责计算工程的副总裁 Neil Ashton 说得很直白，长期以来工程的节奏由仿真的节奏决定。这次合作把 Mistral Large 4、Mistral 的数据生成能力，与 NVIDIA 的 CUDA-X 库、Warp 物理工具拼在一起，再把模型接进 Omniverse 做三维仿真与素材生成，目标是缩短每一轮仿真的等待。
先定考题，再谈谁更强
更值得注意的是基准这一半。两家要为计算机辅助工程（CAE）和电子设计自动化（EDA）里的智能体单独做评测：能不能正确使用工程工具、完成多步流程、给出技术上正确的结果，同时还要测耗时和算力成本。没有统一考题之前，每家厂商都能挑对自己有利的场景演示；有了公开基准和开放数据集，工业团队至少能按同一把尺子比较，也能拿它验证自己的 CAD 到仿真自动化流程。
落地还早，但欧洲的算盘很清楚
这次合作并非从零开始：两家此前共同开发过 Mistral NeMo，正在通过 NVIDIA Nemotron Coalition 合作开发前沿基础模型；Mistral Large 4 用了 3800 张 NVIDIA Grace Blackwell GPU 训练，权重计划 10 月底发布。Mistral 还在扩充 NVIDIA 算力基础设施，目标是 2030 年达到 1 GW 容量。对航空、汽车和半导体这些欧洲强势行业来说，这套组合的意义是把开放模型、欧洲本地算力和工程 know-how 绑在一起；至于仿真到底能快多少，要等基准真正发布、各家跑出可比数字之后才算数。
