Mistral en Nvidia combineren AI en natuurkunde om productontwerp te versnellen

Het Franse AI-bedrijf Mistral en chipgigant Nvidia slaan de handen ineen om ingewikkelde technische berekeningen voor de industrie te versnellen. Ze willen softwaretools bouwen die ontwerp, natuurkundige simulatie en AI-training aan elkaar koppelen in één doorlopend proces. Dat moet bedrijven in de luchtvaart, de auto-industrie en de chipsector helpen om producten sneller en goedkoper te ontwikkelen.

Natuurkunde en taalmodellen in één werkstroom

Normaal gesproken test een ingenieur een nieuw ontwerp, zoals een vliegtuigvleugel of een motoronderdeel, met natuurkundige simulaties. Die berekenen bijvoorbeeld hoe lucht om een vorm stroomt of hoe materiaal onder druk reageert. Dat proces kost veel rekenkracht en tijd, en vereist telkens nieuwe ronden van aanpassen en opnieuw testen. Mistral en Nvidia willen dat proces versnellen door hun technologie te combineren. Mistral levert zijn taalmodel Mistral Large 4 en een eigen 'physics AI': een AI-systeem dat natuurkundige wetten leert simuleren in plaats van ze stap voor stap uit te rekenen. Nvidia brengt zijn softwarebibliotheken CUDA-X en Warp in, die rekenwerk op Nvidia-chips optimaliseren, plus het 3D-platform Omniverse, waarin ontwerpen digitaal worden gebouwd en getest. Door deze onderdelen te koppelen, moet een ingenieur straks binnen één werkstroom een ontwerp kunnen tekenen, simuleren en laten controleren door een AI-model, zonder voortdurend tussen verschillende programma's te wisselen.

Mistral Large 4: een zwaargewicht uit Europa

Mistral Large 4 is het nieuwste grote taalmodel van het Franse bedrijf en telt ongeveer duizend miljard parameters, de instelbare rekenwaarden die bepalen hoe een AI-model informatie verwerkt. Hoe meer parameters, hoe meer taal- en redeneervermogen een model doorgaans heeft, al stijgen ook de rekenkosten. Het model is getraind op 3.800 Nvidia Grace Blackwell-chips, de nieuwste generatie AI-processoren van Nvidia, in Europese datacenters. Dat is opvallend, omdat de zwaarste AI-training wereldwijd meestal in de Verenigde Staten of Azië gebeurt. Mistral Large 4 komt eind oktober uit als 'open-weight' model. Dat betekent dat andere bedrijven en ontwikkelaars de onderliggende rekenwaarden van het model mogen downloaden en er zelf mee aan de slag kunnen, in plaats van het model alleen via een betaalde dienst te gebruiken.

Open benchmarks en groeiplannen

De twee bedrijven werkten eerder al samen aan het model Mistral NeMo en bouwen nu mee aan een nieuw open basismodel binnen de Nemotron Coalition, een samenwerkingsverband rond open AI-technologie waarin Nvidia een grote rol speelt. Voor het nieuwe simulatieproject beloven Mistral en Nvidia ook publieke benchmarks en open datasets te publiceren. Daarmee kunnen andere onderzoekers en bedrijven testen hoe goed verschillende physics-AI-modellen en AI-agents presteren bij technische ontwerptaken, en de resultaten onderling vergelijken. Mistral kondigde verder aan dat het zijn rekencapaciteit flink wil uitbreiden: van de huidige duizenden GPU's naar een vermogen van één gigawatt in 2030. Dat is de hoeveelheid stroom die nodig is om zo'n hoeveelheid chips te laten draaien, en staat ongeveer gelijk aan het elektriciteitsverbruik van een miljoen huishoudens. Het geeft aan hoeveel rekenkracht nodig is om modellen als Mistral Large 4 te trainen en te laten draaien, en onderstreept de ambitie van het Franse bedrijf om op te boksen tegen Amerikaanse AI-spelers als OpenAI en Google.