フランスのAI企業Mistral AIは2026年10月21日、NVIDIAと産業設計向けAIの開発で協業すると発表した。設計からシミュレーションまでの工程を高速化するとともに、物理モデルや工学ツールを操作するAIエージェントの性能を評価する公開ベンチマークとオープンデータセットを共同開発する。これまで両社が進めてきたAIモデルや計算基盤の共同開発を、航空宇宙、自動車、半導体などの産業設計分野へ広げる取り組みだ。単にAIによる解析を高速化するだけでなく、工学的な正確性や作業の完遂能力、実行時間、計算コストを共通の基準で評価できる環境の整備を目指している。

AD

AIとシミュレーションを統合し、設計の反復工程を高速化

今回の協業では、Mistralの「Mistral Large 4」と、同社のデータ生成・物理モデリング技術を、NVIDIAのGPUコンピューティング技術と組み合わせる。具体的には、NVIDIA CUDA-XライブラリやNVIDIA Warpを活用し、シミュレーション、AIモデルの開発、工学設計を連携させる仕組みを構築する。目指すのは、シミュレーションの計算を速くするだけでなく、その結果を次の設計やモデルの改良に反映し、設計と検証を繰り返す工程全体を効率化することだ。

一般に、製品開発ではCAD（Computer-Aided Design）を使って形状や構造を設計し、CAE（Computer-Aided Engineering）によって強度や流体の挙動などを解析する。例えば、自動車の車体形状を変更した場合、空気抵抗や車体周辺の気流がどのように変化するかをシミュレーションで確認し、その結果を次の設計に反映する。こうした工程では、解析に時間がかかるほど、一定期間内に検討できる設計案の数が制限される。MistralとNVIDIAは、CADからシミュレーションへ至る一連の作業を自動化し、その処理が適切に行われているかを検証できる共通基盤の構築を目指す。

さらに両社は、MistralのAIモデルをNVIDIA Omniverseのライブラリと統合し、GPUを活用した3Dシーンの生成や、シミュレーションに利用できる「SimReady」アセットの作成にも取り組む。SimReadyアセットは、物理シミュレーションなどでの利用を想定した3Dデータであり、仮想環境での検証に必要な情報を扱うためのものだ。今回の協業は、言語モデルを工学分野に導入するだけでなく、解析に必要なデータの生成からシミュレーションの実行、設計への反映までを対象としている。ただし、現時点では、こうした技術の導入によって設計や解析の所要時間をどの程度短縮できるのか、具体的な測定結果は示されていない。

Mistralで計算工学部門のバイスプレジデントを務めるNeil Ashton氏は、今回の取り組みについて次のように述べている。

「あまりにも長い間、エンジニアリングの速度はシミュレーションの速度によって決まってきた」

この発言が示すのは、設計そのものの効率だけでなく、設計案を検証するための計算時間が開発全体の制約になっているという問題意識だ。解析時間を短縮できれば、同じ期間内により多くの設計案を検討できる可能性がある。ただし、単に計算を高速化するだけでは、得られた結果が工学的に正しいかどうかを判断できない。そのため両社は、AIモデルの解析精度や、AIエージェントが実行した作業の正確性を、共通の条件で比較できる評価基盤も開発する。

物理モデルの精度とAIエージェントの作業能力を別々に評価

今回の協業で特に注目されるのが、物理モデルと工学AIエージェントを対象とする、二つの評価基盤の開発だ。物理モデルでは、シミュレーションなどに用いるAIがどれだけ正確な結果を出せるかが重要になる。一方、CAEやEDA（Electronic Design Automation：電子設計自動化）の分野で働くAIエージェントには、工学ツールを適切に操作し、複数の工程を経て、技術的に正しい成果を得る能力が求められる。両社は、モデル単体の予測・解析能力と、ツールを利用して実際の業務を完了する能力を分けて評価する方針だ。

10月21日のMistralの公式発表で示された評価対象と項目を整理すると、次のようになる。

評価対象 主な評価項目 想定される用途
物理モデル モデルの精度と性能 CADからシミュレーションまでの自動化工程の構築・検証
CAE・EDA向けAIエージェント 工学ツールの利用能力、複数工程の完遂能力、結果の技術的な正確性、実行時間、計算コスト 航空宇宙、自動車、半導体の設計業務

物理モデルの評価では、解析結果の精度やモデルの性能を中心に、CADからシミュレーションへ至る工程での利用を検証する。一方、工学AIエージェントの評価では、ツールを適切に使えるか、複数の作業を最後まで実行できるか、得られた結果が技術的に正しいかを確認する。さらに、作業にかかった時間や計算コストも測定する計画だ。両社は、再現性のある評価方法を整備し、工学分野におけるAI評価の標準化に貢献することを目指している。ただし、今回示されたのは開発方針であり、試験の詳細な仕様や合格基準が確定したわけでも、業界標準として採用されたわけでもない。

こうした評価項目の区別は、製造業や設計部門がAIを導入する際に重要になる。物理モデルが高精度な解析結果を出せても、AIエージェントがCADやCAEのツールを誤って操作すれば、設計業務を安心して任せることは難しい。反対に、AIエージェントが一連の操作を最後まで実行できても、得られた解析結果が物理的・工学的に正しいとは限らない。作業の完了と成果物の正確性を別々に測定することで、AIが実際の設計業務にどこまで対応できるのかを、より具体的に判断できるようになる。

実行時間と計算コストを評価に含めることにも意味がある。同じように正しい結果を得られるAIであっても、処理に数分かかる場合と数時間かかる場合では、設計工程への組み込みやすさが異なる。計算資源の消費が大きければ、実際の運用費用も増加するため、精度だけでは導入の可否を判断できない。ただし、公平な比較を行うには、使用する課題や計算環境、測定条件を適切にそろえる必要がある。これらの具体的な評価方法については、今後公開されるベンチマークの仕様を確認する必要がある。

AD

実用化の判断には公開ベンチマークと測定結果が必要

NVIDIAも10月21日、欧州の産業分野におけるAI活用を紹介する記事で、Mistralとの協業について説明している。記事では、CUDA-X、Warp、Omniverseの各ライブラリを活用して物理シミュレーションを高速化し、工学AIの学習に必要なデータを生成する計画が紹介されている。NVIDIAは同じ記事で、Mercedes-BenzがGPU上で動作するSiemensの「Simcenter STAR-CCM+」を利用し、空力シミュレーションによって車両設計を比較している事例も挙げた。ただし、これはGPUコンピューティングを自動車設計に活用している既存の事例であり、Mistralとの新たな協業による成果ではない。Mistralの工学AIが、すでにMercedes-Benzの設計業務で利用されていることを意味するものでもない。

MistralとNVIDIAの協力関係は、今回新たに始まったものではない。両社はこれまでに「Mistral NeMo」を共同開発しており、NVIDIA Nemotron Coalitionを通じた基盤モデルの開発にも取り組んできた。今回の協業は、こうしたモデル開発や計算基盤での協力を、産業分野の設計・シミュレーションへ拡大するものと位置付けられる。また、今回利用するMistral Large 4は発表時点で公開プレビュー段階にあり、モデルの重みは10月末に公開する予定とされている。ただし、モデルの重みの公開予定と、工学向けベンチマークやデータセットの提供時期は別であり、同時に利用できるようになると決まったわけではない。

今回の発表では、共同開発するベンチマークやオープンデータセットの公開日、収録する課題の内容、具体的な配布条件などは明らかにされていない。また、MistralとNVIDIAの技術を組み合わせたシステムについて、既存の手法と比較した処理速度や解析精度、計算コストの測定結果も公表されていない。したがって、現段階で確認できるのは、両社がAIを産業設計の工程に組み込み、その能力を共通の基準で評価するための技術と基盤を共同開発するという方針だ。実際に設計作業がどの程度高速化され、どれだけの費用を削減できるのかは、今後の検証結果を待つ必要がある。

今後の焦点は、公開されるベンチマークが、実際の工学業務に必要な能力をどこまで検証できるかという点にある。AIエージェントが共通の課題に対して技術的に正しい結果を出し、必要な工程を最後まで実行できるか、さらにそのためにどれだけの時間と計算費用を要するかが重要な判断材料となる。評価条件や測定方法が再現可能な形で公開されれば、企業はAIの回答の自然さやデモンストレーションの印象だけに頼らず、自社の設計業務に適用できるかを比較・検証しやすくなる。MistralとNVIDIAの協業は、工学分野でAIを実用化するために、その性能と信頼性を客観的に評価する仕組みを整備しようとする取り組みといえる。