百时美施贵宝采购英伟达Vera Rubin超算系统加速药物研发

全球首家生命科学企业部署Vera Rubin超算

百时美施贵宝（Bristol Myers Squibb, BMS）已签约采购一套基于英伟达最新Vera Rubin架构的DGX SuperPOD系统，用于全面支持其药物发现与开发全流程的人工智能应用。该公司确认，这将是全球首个投入生命科学研究的Vera Rubin架构DGX SuperPOD。Vera Rubin架构于2024年初发布，作为英伟达当前AI计算平台的代际升级，专为大规模科学计算与生成式AI建模优化。

八节点NVL72集群，强化自主模型训练能力

新系统由8套DGX Vera Rubin NVL72组成，每套为机架级集成系统，融合Vera中央处理器与Rubin图形处理器。BMS将利用该基础设施训练自有大模型，并在其化合物、蛋白质及多源科研数据上运行高通量预测任务。交易金额未披露。该采购显著扩展了BMS既有的英伟达AI基础设施——其现役DGX SuperPOD已运行约三年，被公司高管描述为比Vera Rubin落后两至三代。新旧系统将整合为统一共享计算环境，覆盖BMS全球各研究基地；SuperPOD软件栈可统一调度训练、推理与开发类工作负载。

破解算力瓶颈：从‘排队等资源’到‘科学家直连’

BMS首席数字与技术官Greg Meyers指出，随着更大规模AI模型在研发组织内铺开，计算需求持续攀升。研究业务洞察与技术副总裁Erin Davis坦言，现有基础设施已满负荷运行，压力主要来自大分子预测任务及内部基础模型（foundation models）的开发。新系统将打破资源壁垒：不再仅限于少数计算研究人员使用，而是面向整个研发组织开放，消除当前存在的等待周期与访问配额限制，让更多科学家实现对算力的即时调用。

AI深度嵌入研发全链条：从‘Predict First’到临床前提速

BMS表示，AI目前已参与全部小分子项目及大多数大分子项目的方案设计，覆盖靶点识别、先导化合物优化、大分子结构预测及自研模型构建。AI辅助靶点识别已将部分人工研究环节缩短数周；大分子预测任务亦是GPU算力需求增长的关键动因。首席研发官Robert Plenge称，新系统将使科学家在早期开发阶段评估的候选药物数量从原先约10个提升至“数十个”。公司采用名为‘Predict First’的方法论：先通过模型预测排除不符合理化与成药性要求的分子，再聚焦合成与实验验证。治疗发现科学高级副总裁Payal Sheth解释，团队利用预测结果进行多参数协同优化（multi-parameter optimisation），确保有限的实验室资源集中于成功率最高的分子。

加速转化落地：CELMoD拓展、临床前周期压缩与突破性疗法诞生

BMS已运用AI扩展其CELMoD（Cereblon E3 Ligase Modulating Drugs）化合物库——这类分子可选择性降解致癌蛋白，目前正用于血液肿瘤及其他疾病研究。AI建模帮助团队在实验前更高效地评估潜在蛋白靶点与化合物组合。此外，AI工具正显著缩短临床试验用药的制备周期：Plenge透露，该流程已提速20%–30%，未来有望达50%；以一款处于早期临床开发阶段的镰状细胞病实验疗法为例，其发现“很可能无法脱离公司AI工具的支持”。需注意，上述时间节省指从靶点锁定到临床候选物制备完成的周期，不涉及后续临床试验表现。新系统还将集成英伟达BioNeMo Agent Toolkit，为蛋白质建模与药物发现提供专用AI工具链。