百时美施贵宝基于NVIDIA Vera Rubin打造生命科学行业最先进的AI工厂
内容提要
百时美施贵宝宣布部署基于NVIDIA DGX Vera Rubin NVL72的第二代超级计算机，打造生命科学领域最先进AI工厂，性能提升10倍。该平台将开放给所有科学家，加速药物发现，包括靶点识别、CELMoD化合物扩展及“预测优先”优化，并通过智能体工作流整合跨项目学习，推动研发效率与创新。
延伸解读
从“限量”到“无限”：算力开放的战略转变
BMS将新一代超级计算机开放给所有科学家，而非仅限少数研究人员。副总裁Erin Davis强调“无需等待，没有限制”，这标志着算力从稀缺资源转向普惠工具。此举旨在消除研发中的资源瓶颈，让科学家专注于科学问题而非算力调度，从而加速药物发现进程。
“预测优先”如何重塑药物研发流程
BMS采用“预测优先”方法，在合成分子前先通过计算模型预测其性质，以多参数优化筛选候选分子，淘汰不符合目标特性的化合物。这使宝贵的实验室资源集中于高成功率分子，减少无效实验，提升研发效率。该方法已应用于先导化合物优化阶段，并显著影响计算需求。
智能体工作流：打破研发数据孤岛
BMS计划利用智能体工作流整合跨项目学习，使不同团队的数据和决策相互借鉴。Davis指出，智能体不受项目边界限制，能跨越“孤岛”学习，而Sheth强调，人类直觉并未被取代，而是被量化洞察增强。这种累积学习循环有望将分散经验转化为机构化知识，加速科学决策。
Q&A
百时美施贵宝部署的基于NVIDIA Vera Rubin的AI工厂是什么？
百时美施贵宝（BMS）宣布部署其第二代NVIDIA DGX SuperPOD，基于八个DGX Vera Rubin NVL72系统构建，这是生命科学领域最强大、最节能的AI集群，性能比现有基础设施提升10倍，旨在加速药物发现。
BMS的AI工厂对科学家有什么好处？
该AI工厂将向所有科学家开放，无需排队或限制，提供统一的AI平台，包括NVIDIA BioNeMo Agent Toolkit，用于预测、模型训练和智能体工作流，使科学家能专注于科学而非资源调配。
BMS如何利用AI加速药物发现？
BMS利用AI进行靶点识别，节省数周手动工作；扩展CELMoD化合物库，用于降解致癌蛋白；并在先导化合物优化阶段采用“预测优先”方法，通过计算模型预测分子行为，优先合成高成功率分子。
BMS的AI工厂如何实现跨项目学习？
BMS将现有和新的DGX SuperPOD整合为统一环境，实现全球站点间的数据共享，使一个项目的数据和模型能被其他项目利用，形成累积学习循环，并通过智能体工作流跨部门学习，增强决策。
BMS的AI工厂在性能上有什么提升？
新的AI工厂基于NVIDIA Vera Rubin，性能比现有基础设施提升10倍（每兆瓦性能），并且是生命科学领域最强大、最节能的AI集群。
BMS的AI工厂如何支持智能体工作流？
AI工厂通过NVIDIA BioNeMo Agent Toolkit支持智能体工作流，这些智能体可以跨部门访问数据和学习，帮助科学家利用虚拟科学家团队，增强人类决策，而不是取代人类。
BMS的AI工厂在哪些领域有应用计划？
BMS计划将AI工厂应用于小分子和大分子设计、临床应用以及数字孪生等多个领域，并已制定详细的资源分配计划。
