Πριν φτάσει στην παραγωγή, μια πτέρυγα αεροσκάφους ή ένα αμάξωμα αυτοκινήτου περνά από δεκάδες ψηφιακές δοκιμές. Κάθε αλλαγή στο σχέδιο σημαίνει νέα προσομοίωση, και κάθε προσομοίωση κοστίζει χρόνο. Αυτό το σημείο θέλουν να επιταχύνουν η Mistral και η Nvidia με τη νέα τους συνεργασία, που ανακοίνωσε η γαλλική εταιρεία και μετέδωσε το The Decoder.
Το σχέδιο συνδυάζει δύο κόσμους. Από τη μία, το γλωσσικό μοντέλο Mistral Large 4 και την «AI φυσικής» της Mistral, μοντέλα που μαθαίνουν να προβλέπουν πώς συμπεριφέρονται τα υλικά, η ροή του αέρα ή η θερμότητα. Από την άλλη, τις βιβλιοθήκες λογισμικού CUDA-X και Warp της Nvidia και την πλατφόρμα Omniverse για τρισδιάστατες προσομοιώσεις. Ο στόχος είναι ο σχεδιασμός, η προσομοίωση και η εκπαίδευση των μοντέλων να γίνονται σε μία ενιαία ροή εργασίας, χωρίς να πηγαίνουν τα δεδομένα από εργαλείο σε εργαλείο. Οι δύο εταιρείες στοχεύουν στην αεροδιαστημική, την αυτοκινητοβιομηχανία και τους ημιαγωγούς.
Υπόσχονται επίσης δημόσια benchmarks και ανοιχτά σύνολα δεδομένων, ώστε να μπορεί κανείς να δοκιμάζει και να συγκρίνει μοντέλα φυσικής, αλλά και AI agents, προγράμματα που εκτελούν μόνα τους εργασίες μέσα σε λογισμικό μηχανικού σχεδιασμού.
Η Mistral και η Nvidia δεν ξεκινούν τώρα. Έχουν φτιάξει μαζί το μοντέλο Mistral NeMo και δουλεύουν σε ένα ανοιχτό θεμελιώδες μοντέλο μέσα από τη συμμαχία Nemotron Coalition.
Το Mistral Large 4 έχει περίπου ένα τρισεκατομμύριο παραμέτρους και εκπαιδεύτηκε σε 3.800 GPU Grace Blackwell στην Ευρώπη. Σύμφωνα με τη Mistral, θα κυκλοφορήσει στα τέλη Οκτωβρίου ως μοντέλο ανοιχτών βαρών: οι εσωτερικές του παράμετροι θα είναι διαθέσιμες για λήψη, ώστε μια επιχείρηση να το τρέχει στους δικούς της υπολογιστές. Η συνεργασία ταιριάζει με όσα ζήτησε πρόσφατα ο Jensen Huang, όταν κάλεσε την Ευρώπη να παράγει τεχνητή νοημοσύνη και όχι μόνο να την αγοράζει. Η Mistral, από την πλευρά της, θέλει να φτάσει την υπολογιστική της ισχύ στο ένα γιγαβάτ έως το 2030.
