BMW och Mistral AI bygger en specialiserad AI-modell — för krocksimuleringar
BMW Group och franska Mistral AI går samman för att bygga en branschspecifik AI-modell tränad på en petabyte krocksimuleringsdata. Målet är snabbare och mer träffsäkra säkerhetsanalyser i bilutvecklingen — och första steget mot vad BMW kallar Large Industry Models, en motvikt till de generella språkmodellerna.
Att BMW partnerar med en europeisk AI-aktör har en symbolisk tyngd vid sidan av den tekniska. Mistral är Frankrikes och Europas hopp om att inte hamna helt i händerna på OpenAI och Anthropic, och BMW är en av Europas största industriaktörer. När de två bygger ihop en domänspecifik modell är det också en marker — Europa kan göra sin egen industri-AI utan att skicka all data över Atlanten.
Large Industry Models — vad är det egentligen?
BMW och Mistral kallar konstruktionen för en Large Industry Model, eller LIM. Skillnaden mot en vanlig språkmodell är att modellen tränas på industri- och ingenjörsdata snarare än på text från webben. Den lär sig hur strukturer beter sig vid kollision, hur material deformeras, hur energi fördelas — saker som varken ChatGPT eller Mistrals egna offentliga modeller har en aning om. Och den lär sig det i BMW:s simuleringsmiljö, inte i en abstrakt akademisk träningsmängd.
En petabyte krockdata
Skalan är tankeväckande. BMW kör tusentals virtuella krocksimuleringar varje vecka och har över tid samlat på sig mer än en petabyte data. Varje simulering är en detaljerad modell av hur en bil deformeras under kollisionsförhållanden — en guldgruva för en AI som ska lära sig generalisera. Det är just den typen av djup, domänspecifik datamängd som gör en LIM principiellt mer värdefull än en allmän modell, åtminstone inom sin nisch.
Vad det betyder för bilutvecklingen — och så småningom för köparen
Direkt ger samarbetet snabbare iterationer i utvecklingen. När en ingenjör vill testa en ny tvärbalk eller ett ändrat A-stolpsupplägg kan AI:n förutsäga utfallet utan att en full simulering behöver köras varje gång. Det sparar timmar — kanske dagar — per designvariant. På längre sikt ser BMW samma typ av modell rullas ut över andra delar av värdekedjan: produktion, logistik, kvalitet.
Dr. Franz Decker, BMW Group CIO, säger att samarbetet "kombinerar våra ingenjörsdatamängder med Mistral AI:s modellträningsförmåga för att bygga specialiserad AI som stödjer komplexa utvecklingsuppgifter". Marjorie Janiewicz, CRO på Mistral, sätter det i ett bredare perspektiv: "Det här samarbetet visar hur branschspecifika AI-modeller kan lösa komplexa ingenjörsutmaningar som krocksimulering."
Vi gillar riktningen. AI som tränas på industriell verklighet och stannar inom industrins kontroll är något annat än AI som genererar bilder av glada katter — och det är där den verkliga produktivitetshöjningen kommer att synas under de närmaste åren. För BMW-ägaren märks det inte direkt, men nästa bil kan mycket väl ha en kaross som AI:n hjälpt till att finputsa innan första prototypen ens stansats.