AI超级计算机加速药物研发：NVIDIA与Recursion的合作
内容提要
BioHive-2是由NVIDIA AI驱动的超级计算机，在全球最快超级计算机TOP500榜单上上升了100多个名次。它是制药行业中最大的系统，旨在加速药物发现。BioHive-2拥有504个NVIDIA H100 Tensor Core GPU，提供2 exaflops的AI性能，几乎比其前身快5倍。Recursion是BioHive-2背后的公司，他们使用AI模型来指导实验，减少了时间和精力的消耗。他们还建立了大型生物数据集，并开发了AI模型来辅助药物发现。Recursion与生物制药公司合作，并成功预测了COVID-19的药物候选物。他们使用NVIDIA软件来优化系统，并致力于模拟生物学。
延伸解读
算力提升如何改变药物发现流程
BioHive-2的2 exaflops AI性能几乎是前代BioHive-1的5倍，这使Recursion能够用AI模型指导湿实验，优先选择最有希望的生物学方向。据其CTO介绍，目前用40%的湿实验工作量即可获得80%的价值，且这一比例有望继续优化。这意味着算力提升不仅加速了数据处理，更直接减少了实验环节的试错成本，让科学家能更快聚焦关键问题。
50PB生物数据集：AI模型的基石
Recursion积累了超过50PB的生物、化学和患者数据，并有意围绕AI训练构建，覆盖生物学与化学的交叉领域。基于此，他们训练了Phenom系列基础模型，例如用超过35亿张细胞图像训练的Phenom-1，能够将显微图像转化为有意义的生物学表征。这些模型已用于寻找和优化分子，早期版本在预测COVID-19药物候选物时成功率高达90%。
从合作到落地：AI药物发现的现实进展
Recursion与拜耳、罗氏、基因泰克等生物制药公司合作，并与NVIDIA联手。合作后不到30天，BioHive-1与DGX Cloud便筛选分析了约360亿种化合物的化学库，预测蛋白质靶点。此外，Phenom-Beta已作为云API在NVIDIA BioNeMo平台上提供，成为该平台首个第三方模型。这些进展表明，AI药物发现正从概念验证走向规模化应用。
模拟生物学：长期愿景与当前局限
NVIDIA CEO黄仁勋与Recursion董事长对话时提出，AI正推动模拟生物学的愿景，但生物学的复杂性意味着这一过程需要数年才能完全实现。Recursion CTO也认为，虽然AI能像加速芯片设计一样加速药物设计，但生物学更为复杂，短期内仍需大量实验验证。因此，尽管BioHive-2带来了显著提速，读者应理性看待其当前能力，避免过度期待立即产出新药。
