Mistral AI 收购物理 AI 公司 Emmi AI

背景

工程设计大量依赖仿真。为了不必为每个想法都造一台实物样机，工程师先把系统写成方程——热量如何穿过模具、电流如何绕开电网中的扰动、车身在碰撞中如何变形——再让计算机一步步把方程解出来。这种做法通用、准确，但慢：一次高精度计算可能要跑上好几天，一个团队能尝试的方案数量因此被卡住。

较新的思路是用仿真或实验产生的数据训练机器学习模型，让模型直接预测某个物理场景的结果，而不必重新解一遍方程。如果模型足够准，原本要算上几天的过程就能压到接近瞬时。Emmi AI 做的正是这一类工作，而 Mistral AI 收购的也正是这块能力。

宣布了什么

2026年5月23日，Mistral AI 宣布达成收购 Emmi AI 的最终协议（definitive agreement），后者是一家奥地利的物理 AI（physics AI）公司 ^[1]。交易条款未披露 ^[1]，因此价格和交易结构都不对外公开。公告实际讲清楚的是三件事：技术是什么、来的是谁、这些人进入 Mistral 后放在哪个团队。

Emmi 做什么

Emmi 构建的是用于仿真的大型工程模型（large engineering models） ^[1]。公告给出的例子有三类：电网稳定、注塑成型，以及汽车安全测试 ^[1]。

这三个场景看上去毫不相干，但共享一种结构，使它适合用这类模型来处理。每一种情况下，工程师都想回答同一个形式的问题：系统在某个条件变化后如何响应——电网负荷变了、模具温度变了、碰撞速度变了。而在每一种情况下，用传统数值仿真拿到答案都足够昂贵，以至于计算成本本身就在塑造设计流程。一个能快速给出答案的模型改变的是这个循环：可以多试几版方案，可以在设计还在调整时就看到结果，而不是等改完再算。

Mistral 表示，Emmi 的工程模型把原本耗时多日的计算替换为实时仿真（real-time simulation） ^[1]。这是这笔交易的核心主张：不在于原则上给出更准的答案，而在于答案来得足够快，可以边设计边用。

谁加入

Emmi AI 的联合创始人是 Johannes Brandstetter，他同时担任首席科学官（Chief Science Officer） ^[1]。他将与一支 30 多人的研究人员和工程师团队一同加入 Mistral ^[1]。

这些人的去向是 Mistral 的 Science and Applied AI 团队 ^[1]。这个安排说明了公司打算怎么用这支队伍：工作被定位为科学与应用方向，而不是一条独立的产品线。Mistral 表示团队于 2026 年 5 月加入 ^[1]，与协议公布的月份相同，也就是说公告发出和人员到岗在时间上挨得很近。

为什么重要

物理 AI 模型所处的环境比文本模型更严苛。关于碰撞测试或电网的预测，要对照物理约束、误差容限和安全要求来检验；一个只是「看起来合理」的近似值在工程里没有用。这也是这个方向推进得比容错更高的领域慢的原因，也是为什么一家公司在这里的价值，很大程度取决于研究团队，而不只是软件。

对 Mistral 来说，这笔收购添了一支研究对象是物理系统而非语言的团队，同时带来一组现成的工业用例 ^[1]。对 Emmi 来说，这项工作被放进了算力更多、分发渠道更广的更大组织里。双方都没有说明这些模型之后会如何打包、如何销售；又因为条款未披露 ^[1]，外界没有公开依据来判断这笔押注的规模。从公告本身能看清的只是方向：长期属于工程软件中偏慢、偏专门的一支的仿真，正在被拉向实时使用 ^[1]。