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

百时美施贵宝（BMS）今日宣布，将部署其第二代NVIDIA DGX SuperPOD，该集群基于八套DGX Vera Rubin NVL72系统构建，成为生命科学领域最强大且能效最高的AI计算设施。BMS副总裁艾琳·戴维斯（Erin Davis）将其称为“SuperDuperPOD”——这个昵称蕴含了两层含义：这家制药巨头已经运行着生命科学领域最大的AI集群之一，并取得了显著成果；如今，他们正在加倍投入。

新的集群采用NVIDIA Vera CPU和Rubin GPU，每兆瓦性能是原有基础设施的10倍。它将为全球制药巨头的所有科学家提供统一的AI平台，包括用于生物AI的NVIDIA BioNeMo Agent Toolkit，支持在药物发现全流程中进行预测、模型训练和代理工作流。戴维斯表示：“我们不是让一小部分研究人员使用超级计算机，而是向每一位科学家开放。没有人需要等待，也没有人被告知有使用限制。”

BMS运营现有DGX SuperPOD已有约三年，取得了切实成果。AI辅助的目标识别已为科学家节省数周的手动工作，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。这为更广泛的疾病领域打开了新靶点和新候选药物的大门。在药物发现的先导优化阶段，AI还通过名为“预测优先”（Predict First）的方法学得到应用，该方法基于设计预测来指导实验筛选。

“我们利用预测来优先合成具有多参数优化特征的分子，”BMS治疗发现科学高级副总裁佩亚尔·谢斯（Payal Sheth）解释道，“从而排除那些不符合我们所需性质特征的分子。这确保了宝贵的实验室实验与那些具有最高成功概率的分子开发方向保持一致。”

这些研究级AI应用对整个研究机构的计算需求产生了显著影响。戴维斯指出：“我们已经饱和了。我们正在大规模进行大分子预测，并构建自己的基础模型，这需要大量GPU。”新系统上线后，戴维斯已经为考虑在哪里开展最佳工作的研究人员准备好了说辞：“欢迎来到无限计算。”

戴维斯本人是计算化学家出身，多年从事科学研究后，她认为技术没有跟上需求，因此决定转而解决问题。她在ChemAxon、Schrödinger和X-Chem等公司从事企业平台开发约15年，期间制药行业始终面临同样的瓶颈。她指出：“问题不在于技术，而在于如何让技术真正被科学家使用，并从中学习。”她个人深知其中的利害关系：五年前她的父亲因阿尔茨海默症去世，“极其痛苦”。BMS在脑健康领域有重大投入——这是一个公认的难题。“即使他仍然会离世，但如果能在过程中缓解症状，也能减轻全家人的痛苦。痴呆症尤其残酷。”

戴维斯的团队正在将现有DGX SuperPOD与新的DGX Vera Rubin NVL72系统整合到一个统一环境中——一个单一数据平面，可从BMS全球所有站点访问。过去系统难以触及的障碍（如过去收购留下的站点特定限制、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。研究人员将能够用日常语言发起复杂预测。

“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得以制度化，”谢斯解释道。新泽西州劳伦斯维尔的项目数据集用于训练模型，供加利福尼亚州圣地亚哥的团队调用。这些学习成果“可以应用于我们开展的任何项目”。

“今天的药物发现中存在着累进学习循环，这在我职业生涯初期是不存在的，”谢斯说。“过去每个项目都单独处理，离散的学习成果无法累积成任何智能框架。”如今，BMS正利用AI将这一学习循环扩展为一个发现系统，其中每个实验、临床结果和合作伙伴关系都转化为更高置信度的科学决策，且速度更快。

代理工作流可进一步增强研发架构。“代理不受限制，”戴维斯说，“它们可以跨领域运作。这是一个巨大的变革，因为我们现在可以从跨孤岛和跨项目的决策中学习。”当一位科学家能够调用一支经过充分验证、受过全面培训、内嵌BMS知识的虚拟科学家团队时，“你本身就是一个完整的团队。”

谢斯表示，人类的直觉不会被取代，“而是通过更多定量见解和预测得到增强”。她认为，利用计算来扩展这种能力，“正是AI影响力的激动人心之处将得以充分实现的地方”。戴维斯补充道：“仍然需要人脑来驱动，寻找例外和陷阱，教导它们如何利用知识。但这将大幅提升个人能力。”

戴维斯表示，新系统已有详尽的使用计划：包括从小分子和大分子设计到临床应用再到数字孪生的全面分配。“我们购买这套系统不仅仅是为了拥有最大的计算能力，”她说，“SuperDuperPOD实际上贯穿了药物发现的每个环节。”当BMS首席数字和技术官格雷格·迈耶斯（Greg Meyers）询问戴维斯是否确定能够完全利用这套超级集群时，她的回答直截了当：“给我们时间。”