# 塑造产业的物理AI研究

- 来源：Mistral AI：News（网页）
- 发布时间：2026-05-27 00:00
- AIHOT 分数：55
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.news/items/cmppdcr7d0e32slv4rwk67i43
- 原文链接：https://mistral.ai/news/physics-ai-research

## 精选理由

Mistral 把物理 AI 定为下个重点，从流体仿真到核聚变等离子体都有论文支撑。搞工业仿真的团队值得跟进，但这次没有新模型发布，更多是路线宣示而非新突破。

## AI 摘要

Mistral AI通过收购Emmi AI，强化其在推动AI研究前沿与工业工程解决方案方面的投入。其目标是为航空航天、汽车、半导体和能源等塑造物理世界的核心产业构建基础性物理AI模型，以加速工程开发。此项研究基于一系列已发表的突破性成果，包括：用于模拟超音速湍流的3D机翼CFD数据集、计算流体动力学基础模型的前瞻综述、应用于汽车与航空的AB-UPT模型，以及用于聚变等离子体湍流模拟的GyroSwin模型。此前已开源的UPT（通用物理Transformer）和NeuralDEM等成果也为此研究奠定了基础。

## 正文

收购 Emmi AI 凸显了 Mistral 致力于推动人工智能研究与工业工程企业解决方案的前沿发展。

Emmi 的工作现已并入 Mistral，其核心目标是从根本上帮助工程师更快地构建下一代产品，并为客户在规模化运营中持续获得性能提升提供保障。

我们正加倍投入，为那些塑造物理世界的行业（如航空航天、汽车、半导体和能源）构建基础物理 AI。

以下是这项研究工作所依托的部分已发表突破性成果。

2025 年 12 月 1 日

与音速同行：将神经代理模型推向高湍流跨音速领域

现有的航空航天数据集主要关注二维翼型，忽略了这些关键的三维现象。为弥补这一空白，我们提出了一个全新的跨音速三维机翼 CFD 模拟数据集。该数据集包含约 30,000 个样本的体积场和表面场数据，每个样本具有独特的几何形状和入流条件。

arXiv

2025 年 11 月 25 日

流体智能：计算流体力学中 AI 基础模型的前瞻

在 GPU 和 AI 进步的推动下，计算流体力学领域正在经历重大变革。本文通过将工业级 CFD 模拟分解为其核心组成部分，弥合了机器学习与 CFD 社区之间的鸿沟。

arXiv

2025 年 10 月 17 日

面向汽车与航空航天应用的 AB-UPT

在本技术报告中，我们为 AB-UPT 的经验评估用例库新增了两个数据集，将高质量数据生成与最先进的神经代理模型相结合。

arXiv | Github

2025 年 10 月 8 日

GyroSwin：用于回旋动理学等离子体湍流模拟的五维代理模型

核聚变在寻求可靠且可持续的能源生产中扮演着关键角色。实现可行聚变能的一个主要障碍是理解等离子体湍流，这种湍流会严重削弱等离子体约束，对于下一代反应堆设计至关重要。

arXiv | Github

2025 年 2 月 23 日

AB-UPT

锚定分支通用物理 Transformer（AB-UPT）用于空气动力学 CFD。可在单张 GPU 上处理 900 万表面单元和 1.4 亿体积单元的原始几何体，无需重新网格化。

arXiv | Github

2024 年 11 月 14 日

NeuralDEM

首个面向大规模多物理过程的端到端深度学习代理模型。能够对工业过程（如流化床反应器）进行实时仿真。

arXiv | Github

2024 年 2 月 19 日

UPT：通用物理 Transformer

一种高效扩展神经算子以处理多种时空问题的框架。支持网格和粒子两种仿真方式。

arXiv | Github