百时美施贵宝购入英伟达Vera Rubin DGX SuperPOD，加速AI药物发现

一句话看懂

百时美施贵宝（BMS）购入基于英伟达最新Vera Rubin架构的DGX SuperPOD，用于AI驱动的药物发现，将覆盖化合物筛选、蛋白质预测等全流程。

详细发生了什么

百时美施贵宝（BMS）宣布购买英伟达DGX SuperPOD，该系统基于英伟达今年推出的Vera Rubin架构，BMS将成为首家采用该架构的生命科学公司。新集群由8个DGX Vera Rubin NVL72系统组成，每个机架级系统整合了Vera CPU和Rubin GPU。BMS将用其训练专有模型，并在研究项目中运行预测，涉及化合物、蛋白质及其他科学数据。财务条款未披露。

BMS此前已运行一台旧款SuperPOD约三年，公司高管称其落后Vera Rubin两到三代。新系统将与旧系统整合，形成共享计算环境，供全球研究站点访问。BMS首席数字与技术官Greg Meyers表示，随着更大AI模型的部署，计算需求持续增长。研究洞察与技术副总裁Erin Davis指出，现有基础设施已满负荷运行，需求来自大分子预测和内部基础模型开发。新系统将向整个研究组织开放，无需等待或访问限制。

在药物发现方面，BMS称AI已应用于每个小分子项目和大部分大分子项目，涵盖靶点识别、先导化合物优化、大分子预测及内部模型开发。AI靶点识别将部分人工研究工作缩短数周。首席研究官Robert Plenge表示，新系统使科学家能在早期评估更多候选药物，“以前可能只能做10个，现在可以做几十个”。BMS的“Predict First”方法利用模型预测排除不符合属性的分子，优先合成高概率成功的分子。高级副总裁Payal Sheth称，预测用于多参数优化，确保实验室实验聚焦于最有希望的分子。

BMS还利用AI扩展了CELMoD化合物库（靶向降解致癌蛋白）。新系统还将接入英伟达BioNeMo Agent Toolkit，支持蛋白质结构预测、分子生成、分子对接、序列分析和基因组学。

BMS计划通过统一基础设施连接各研究站点，数据可在不同地点共享。例如，新泽西州劳伦斯维尔项目的数据可被圣地亚哥研究人员使用。系统由Nvidia Mission Control管理，支持自然语言启动预测任务。BMS未披露具体部署日期或托管地点。

中文圈视角

对国内药企和AI制药创业者来说，这笔交易释放了几个关键信号：

算力军备竞赛升级：BMS直接采购最新架构的DGX SuperPOD，表明大型药企正将AI算力视为核心资产。国内药企如恒瑞医药、石药集团等，若想复制类似路径，需评估是否依赖英伟达生态（受出口管制影响），或转向国产替代方案（如华为昇腾、寒武纪）。目前国产AI芯片在药物发现场景的软件生态（如分子动力学模拟、蛋白质预测）仍落后英伟达，BioNeMo等工具链无直接平替。
“Predict First”方法论可借鉴：BMS的AI驱动筛选流程（先预测再合成）已显著降低实验成本。国内CXO企业（如药明康德）和AI制药公司（如晶泰科技、英矽智能）可参考此模式，但需注意数据合规——BMS使用内部数据训练模型，而国内企业常依赖公开数据库，模型精度可能受限。
中文用户能用吗？ 目前DGX SuperPOD为私有部署，不直接面向公众。但BioNeMo工具包的部分功能（如蛋白质结构预测）可通过Nvidia官网或云服务（如Nvidia GPU Cloud）间接使用，需注册账号并可能受地域限制。国内用户可尝试ModelScope上的类似模型（如AlphaFold2复现版），但性能与专用集群有差距。
监管盲点：BMS强调AI辅助而非替代人类决策，这符合FDA对AI在药物开发中的监管趋势。国内NMPA尚未出台明确指南，但药企若引入类似系统，需提前布局算法验证和可解释性要求。

几条值得记住的细节

BMS的DGX SuperPOD基于英伟达Vera Rubin架构，包含8个DGX Vera Rubin NVL72系统。
新系统将用于训练专有模型，支持化合物筛选、蛋白质预测、大分子设计等，并接入BioNeMo Agent Toolkit。
BMS的“Predict First”方法通过AI预测排除不合格分子，优先合成高概率候选物，已应用于小分子和大分子项目。
AI已将临床试验药物生产时间缩短20%-30%，未来有望达50%；一种实验性镰状细胞病药物可能因AI才被发现。
新系统将连接全球研究站点，支持自然语言启动预测任务，数据可在站点间共享。

一句话总结

BMS用最新英伟达AI系统赌药物发现效率翻倍，国内药企需在算力自主和AI工具链上加速追赶。