CERN 与 Mistral 签署意向书：联合打造首个对撞机物理基础模型「Large Physics Model」，用数十亿次 LHC 模拟碰撞训练

10 月 15 日（欧洲时间），CERN 通过官网新闻稿宣布，与法国 AI 公司 Mistral 签署意向声明（statement of intent），建立聚焦「科学发现基础模型」的长期战略合作，Mistral 随后在 X 上官宣。核心目标是打造单一的预训练 Large Physics Model——CERN 称其为「首个对撞机物理基础模型」，将用大型强子对撞机（LHC）的数十亿次质子-质子模拟碰撞数据训练，同一模型支持碰撞重建、粒子识别、标记意外信号以及评估未来探测器设计等多项任务。

背景是：目前 LHC 数据重建依赖一串专门算法逐级把探测器信号转换成物理对象，机器学习虽已在单点任务中发挥作用，但基础模型有望跨整条重建链学习。CERN 已存储约 1 EB（100 万 TB）LHC 实验数据，预计 2030 年前后投运的高亮度 LHC（HL-LHC）将使碰撞数量增至 10 倍。CERN 首席信息官 Enrica Porcari 表示希望成果能「服务整个物理学界并被共享」；Mistral 工程 AI 副总裁 Johannes Brandstetter 称将共同推动高能物理前沿。初期聚焦高能物理，未来可能扩展到更广泛科学领域。

谁能用：目前仅为意向声明，尚未发布任何模型、权重、API 或时间表，也未公布训练规模与开放协议；普通用户与开发者暂无法使用。CERN 方面表态希望成果「可被共享」，Mistral 以开放权重路线著称，但是否开源、面向哪些机构开放仍待官方后续披露。

解读：通用大模型在数学、代码上卷得火热，而「科学基础模型」正在成为欧洲 AI 的差异化叙事——CERN 有全球最稀缺的高质量物理数据和算力传统，Mistral 需要一个能证明「主权 AI 不只是聊天机器人」的旗舰项目。难点也很清楚：用模拟数据训练出的模型，能否扛住真实探测器噪声和极稀有事件，sim-to-real 鸿沟将决定它是论文还是生产工具。 讨论：1. 一个「物理基础模型」真能取代 LHC 几十年打磨的专用重建算法链吗？2. 如果模型开放权重，其他实验室（如中国 CEPC、美国费米实验室）会直接复用，还是各自再训一套？