Bristol Myers Squibb 基于 NVIDIA Vera Rubin 打造生命科学行业最先进的 AI 工厂

NVIDIA Blog 新闻
bristol-myers-squibb nvidia ai-factory drug-discovery dgx-superpod vera-rubin life-sciences

摘要

百时美施贵宝正在部署其第二个基于 DGX Vera Rubin NVL72 系统的 NVIDIA DGX SuperPOD，打造生命科学领域最强大的 AI 集群，以加速药物发现，让所有科学家都能使用 AI。

<div id="bsf_rt_marker"></div><p><span style="font-weight: 400;">Erin Davis 将其称为“SuperDuperPOD”。这个名字包含两层含义：制药巨头百时美施贵宝 (BMS) 已经拥有生命科学领域最大的 AI 集群之一，并取得了显著成果。而现在，他们正在加倍投入。</span></p> <p><span style="font-weight: 400;">BMS 今天宣布，正在部署其第二个 </span><a target="_blank" href="https://www.nvidia.com/en-us/data-center/dgx-superpod"><span style="font-weight: 400;">NVIDIA DGX SuperPOD</span></a><span style="font-weight: 400;">，该集群基于八套 </span><a target="_blank" href="https://www.nvidia.com/en-us/data-center/dgx-vera-rubin-nvl72/"><span style="font-weight: 400;">DGX Vera Rubin NVL72 系统</span></a><span style="font-weight: 400;"> 构建——这是生命科学领域最强大、最节能的 AI 集群。</span></p> <p><span style="font-weight: 400;">“我们不是让少数研究人员使用这台超级计算机，而是向每一位科学家开放，”BMS 研究业务洞察与技术副总裁 Erin Davis 说道。“没有人需要等待，也没有人被告知有使用限制。”</span></p> <p><span style="font-weight: 400;">这八套机架级系统各配备 NVIDIA Vera CPU 和 Rubin GPU，每兆瓦性能比其取代的基础设施提升高达 10 倍。它将让这家全球制药巨头的研究人员能够访问统一的 AI 平台——包括用于生物 AI 的 </span><a target="_blank" href="https://nvidianews.nvidia.com/news/nvidia-launches-bionemo-agent-toolkit-giving-ai-agents-the-tools-to-accelerate-scientific-discovery"><span style="font-weight: 400;">NVIDIA BioNeMo Agent Toolkit</span></a><span style="font-weight: 400;">——用于在整个药物发现流程中运行预测、训练模型和驱动智能体工作流。</span></p> <p><span style="font-weight: 400;">Davis 和 BMS 的其他顶尖研究人员真正追求的是这种访问所带来的可能性：更快的周期、更大的化学空间以及一个完整的药物发现流程，让研究人员专注于科学本身，而不是资源调配的后勤问题。</span></p> <p><span style="font-weight: 400;">Payal Sheth 是一名科学家，她在药物发现实验室度过了整个职业生涯，之后于今年一月晋升为 BMS 治疗发现科学高级副总裁。她表示，任务正在从“AI 能做什么的抽象概念转变为将其转化为可衡量的影响力”。</span></p> <p><span style="font-weight: 400;">BMS </span><a target="_blank" href="https://www.nvidia.com/en-us/case-studies/computational-science-accelerates-research-innovation-at-bristol-myers-squibb/"><span style="font-weight: 400;">运营 DGX SuperPOD 已有约三年时间</span></a><span style="font-weight: 400;">，并取得了丰硕成果。AI 驱动的靶点识别已为科学家节省了数周的手动工作，使他们能够专注于最高价值的科学决策。BMS 团队利用 AI 扩展了其 CELMoD 化合物库——这些分子被设计用于选择性降解致癌蛋白，在血癌治疗等领域有应用前景。这为更广泛疾病领域的新靶点和潜在新药打开了大门。AI 还被应用于药物发现的先导化合物优化阶段，采用 Sheth 称为“预测优先”的方法，在设计预测的基础上指导实验筛选。</span></p> <figure id="attachment_96590" aria-describedby="caption-attachment-96590" style="width: 1396px" class="wp-caption alignnone"><img loading="lazy" decoding="async" class="size-full wp-image-96590" src="https://blogs.nvidia.com/wp-content/uploads/2026/07/Image-1.jpg" alt="" width="1396" height="785" srcset="https://blogs.nvidia.com/wp-content/uploads/2026/07/Image-1.jpg 1396w, https://blogs.nvidia.com/wp-content/uploads/2026/07/Image-1-960x540.jpg 960w, https://blogs.nvidia.com/wp-content/uploads/2026/07/Image-1-1280x720.jpg 1280w, https://blogs.nvidia.com/wp-content/uploads/2026/07/Image-1-1290x725.jpg 1290w, https://blogs.nvidia.com/wp-content/uploads/2026/07/Image-1-630x354.jpg 630w, https://blogs.nvidia.com/wp-content/uploads/2026/07/Image-1-300x169.jpg 300w, https://blogs.nvidia.com/wp-content/uploads/2026/07/Image-1-400x225.jpg 400w" sizes="auto, (max-width: 1396px) 100vw, 1396px" /><figcaption id="caption-attachment-96590" class="wp-caption-text">百时美施贵宝的团队正在审查一个分子结构的计算模型，这是预测性设计过程的一部分，帮助科学家预测分子在临床试验中的表现。图片来源：百时美施贵宝</figcaption></figure> <p><span style="font-weight: 400;">“我们利用预测来优先合成具有多参数优化的分子，”她解释道，“以剔除那些不一定符合我们目标属性范围的分子。这确保了宝贵的实验室实验与推进成功率最高的分子保持一致。”</span></p> <p><span style="font-weight: 400;">这些研究型 AI 应用对研究组织的计算需求产生了重大影响。“我们已经饱和了，”Davis 说。“我们正在对大型分子进行大规模预测，并且正在构建自己的基础模型，这需要大量 GPU。”</span></p> <p><span style="font-weight: 400;">随着新系统的到来，Davis 已经准备好向研究人员推销他们的最佳工作场所：“欢迎来到无限计算。”</span><span style="font-weight: 400;"><br /> </span></p> <p><span style="font-weight: 400;">Davis 是计算化学家出身，多年从事科研工作，后来发现技术跟不上，于是决定转而解决问题。她在 ChemAxon、Schrödinger 和 X-Chem 等供应商方工作了大约 15 年，构建企业平台。在每家公司，制药行业都在面临同样的瓶颈。</span></p> <p><span style="font-weight: 400;">“问题不在于技术，”她说。“挑战在于如何让技术真正落到科学家手中，并从中学习。”</span></p> <p><span style="font-weight: 400;">她深知其中的利害关系。她的父亲五年前去世，“死于可怕的阿尔茨海默症”。BMS 在大脑健康领域投入巨大——这是一个出了名的困难领域。“即使他最终还是会去世，”Davis 说，“如果过程中有症状缓解，也能减少我们全家人的痛苦。痴呆症尤其残酷。”</span></p> <p><span style="font-weight: 400;">Davis 的团队正在将现有的 DGX SuperPOD 和新的 DGX Vera Rubin NVL72 动力系统整合到一个统一环境中——一个单一数据平面，可从全球所有 BMS 站点访问。</span></p> <p><span style="font-weight: 400;">早期系统难以触及的障碍——过去收购遗留的站点特定限制、对深层计算专业知识的需求——正被通过 </span><a target="_blank" href="https://www.nvidia.com/en-us/data-center/mission-control/"><span style="font-weight: 400;">NVIDIA Mission Control</span></a><span style="font-weight: 400;"> 管理的 AI 原生工具所取代。研究人员将能够用自然语言发起复杂的预测。</span></p> <p><span style="font-weight: 400;">“计算基础设施将所有科学家连接在一起，确保我们的学习成果制度化，”Sheth 解释道。来自新泽西州劳伦斯维尔项目的数据库，可以供加利福尼亚州圣地亚哥的团队使用的模型。这些学习成果“可以应用于我们任何项目的情境中。”</span></p>
查看原文
查看缓存全文

缓存时间: 2026/07/20 15:22

# Bristol Myers Squibb 基于 NVIDIA Vera Rubin 构建生命科学行业最先进 AI 工厂 来源：https://blogs.nvidia.com/blog/bristol-myers-squibb-building-life-science-industrys-most-advanced-ai-factory-on-nvidia-vera-rubin/ Erin Davis 称之为“SuperDuperPOD”。这个名字包含了两层含义：制药巨头百时美施贵宝（BMS）已经拥有生命科学领域规模最大的 AI 集群之一，并取得了显著成果。而现在，他们正在加码。 BMS 今天宣布，正在部署其第二个 NVIDIA DGX SuperPOD，该集群基于八套 DGX Vera Rubin NVL72 系统构建——这是生命科学领域性能最强、能效最高的 AI 集群。 “我们不是只让少数研究人员使用这台超级计算机，而是向每一位科学家开放，”BMS 研究业务洞察与技术副总裁 Davis 表示，“没有人需要等待，也没有人被告知有上限。” 这八套机架级系统，每套都包含 NVIDIA Vera CPU 和 Rubin GPU，每兆瓦性能相比被替换的基础设施提升高达 10 倍。这将为这家全球制药巨头的研究人员提供一个统一的 AI 平台——包括用于生物 AI 的 NVIDIA BioNeMo Agent Toolkit——用于在整个药物发现流程中运行预测、训练模型和驱动智能体工作流程。 Davis 和其他 BMS 顶尖研究人员真正追求的是这种访问带来的可能性：更快的周期、更大的化学空间，以及完整的药物发现流程，让研究人员专注于科学本身，而不是协调资源的后勤工作。 Payal Sheth 表示，目标是从“AI 能做什么的抽象概念，转向实际转化为可衡量的影响”。Sheth 是一位科学家，她在药物发现实验室度过了整个职业生涯，并于今年一月在 BMS 担任治疗发现科学高级副总裁，职责范围扩大。 BMS 已经运行了大约三年的 DGX SuperPOD，并取得了有意义的成果。AI 驱动的靶点识别已为科学家节省了数周的手动工作，使他们能够专注于最高价值的科学决策。BMS 团队利用 AI 扩展了其 CELMoD 化合物库——这些分子经过设计可选择性降解致癌蛋白，用于血癌治疗等领域。这为更广泛疾病领域的新靶点和新潜在药物打开了大门。AI 还应用于药物发现的先导优化阶段，使用 Sheth 称为“Predict First”的方法，根据设计预测指导实验决策。 > 百时美施贵宝的团队正在审查分子结构的计算模型，这是预测性设计过程的一部分，帮助科学家预测分子在临床中的行为。图片来源：百时美施贵宝 “我们利用预测来优先合成具有多参数优化的分子，”她解释道，“以剔除那些不一定能满足我们所需性质范围的分子。这确保了宝贵的实验室实验与推进具有最高成功概率的分子保持一致。” 这些研究型 AI 应用对整个研究组织的计算需求产生了重大影响。“我们已经饱和了，”Davis 说。“我们正在生产级环境下进行一些非常大的分子预测。我们正在构建自己的基础模型，这需要大量 GPU。” 随着新系统的到来，Davis 已经准备好向研究人员推销他们的最佳工作地点：“欢迎来到无限计算时代。” Davis 本身就是计算化学家出身，她在从事科学工作多年后得出结论：技术没有跟上步伐——她宁愿去修复这个问题。她在供应商方面工作了大约 15 年，在 ChemAxon、Schrödinger 和 X-Chem 构建企业平台。在每家公司，制药行业都在与同一个瓶颈作斗争。 “问题不在于技术，”她说。“挑战在于如何将其交到真正的科学家手中，并从中学习。” 她清楚这其中的个人利害关系。她的父亲五年前死于阿尔茨海默病，“非常痛苦”，她说。BMS 在大脑健康这一 notoriously 困难的领域有大量投入。“即使他最终还是会去世，”Davis 说，“但如果在这个过程中有症状缓解，也能减轻全家的痛苦。痴呆症尤其残酷。” Davis 的团队正在将现有的 DGX SuperPOD 和新的 DGX Vera Rubin NVL72 驱动的系统整合到一个统一环境中——一个单一的数据平面，可从全球所有 BMS 站点访问。 早期系统难以访问的障碍——过去收购遗留的特定站点限制、需要深度计算专业知识——正被通过 NVIDIA Mission Control 管理的 AI 原生工具所取代。研究人员将能够用简单的英语发起复杂的预测。 “计算基础设施是将我们所有科学家连接在一起，并确保我们的学习成果制度化的关键，”Sheth 解释道。在新泽西州劳伦斯维尔运行的项目数据集，可以供给加利福尼亚州圣地亚哥的团队使用的模型。这些学习成果“可以应用于我们从事的任何项目”。 “今天药物发现中存在着一个累积学习循环，这在我刚开始职业生涯时是不存在的，”Sheth 解释道。“过去每个项目都被区别对待，学习成果是离散的，未能在发现过程中形成任何智能框架。” 如今，BMS 正在利用 AI 将这种学习循环扩展为一个发现系统，其中每一次实验、临床读出和合作都会加速形成更高置信度的科学决策。 智能体工作流程可以进一步增强研发架构。 “智能体不在乎，”Davis 说。“它们会跨越一切。这是一个巨大的变革，因为我们现在可以跨越孤岛和项目，从决策中学习。” “当一位科学家可以调用一支经过充分验证、训练有素、内嵌 BMS 知识的虚拟科学家大军时，你就已经是一个完整的团队了。” Sheth 表示，人的直觉不会被取代，“而是通过更多的定量洞察和预测得到增强”。将这种能力通过计算进行规模化，“这正是 AI 影响将得到充分体现的激动人心之处。” “你仍然需要人类大脑来驱动一切，”Davis 补充道，“仍然要寻找注意事项和陷阱，仍然要教它们如何利用知识。但这极大地提升了单个人类的能力。” Davis 表示，新系统已经有了详细的规划：按模态（从小分子和大分子设计到临床应用，再到数字孪生）进行细致的资源分配。“我们购买它不仅仅是为了拥有最大的算力，”她说。“SuperDuperPOD 基本上贯穿了流程的每一个节点。” 当 BMS 首席数字与技术官 Greg Meyers 问 Davis 是否确定她甚至能让这个超级超级 POD 饱和时，她的回答很直接。 “给我们时间就好，”她告诉他。 *特色图片来源：百时美施贵宝*

相似文章