Bristol Myers Squibb 联合 NVIDIA 打造生命科学行业 AI 工厂
Bristol Myers Squibb 与 NVIDIA 宣布扩展 AI 基础设施合作，计划建设面向生命科学行业的高性能 AI 工厂，用于支撑药物发现、生物标志物识别、临床开发和企业级科学计算。该事件值得关注，因为大型药企正在把竞争焦点从单个 AI 工具转向全栈算力和专有数据基础设施。BMS 此前已引入 NVIDIA DGX SuperPOD，并与 Anthropic 在 Claude 企业部署上建立合作，显示药企正尝试把生成式 AI、专有科研数据和高性能计算整合进研发全流程。
Bristol Myers Squibb 联合 NVIDIA 打造生命科学行业先进 AI 工厂
Bristol Myers Squibb 宣布将部署第二套 NVIDIA DGX SuperPOD 集群，并基于 8 套 DGX Vera Rubin NVL72 系统构建新的 AI 基础设施。NVIDIA 将其称为生命科学行业中性能最强、能效最高的 AI 集群之一，目标是把 AI 能力从少数研究团队扩展到更广泛的研发人群。
BMS 研究业务洞察与技术副总裁 Erin Davis 表示，公司不再希望只有少数科学家能够使用超级计算资源，而是要把这套平台开放给几乎所有研究人员，让他们无需排队等待算力配额。
这套新系统将为 BMS 提供统一的 AI 平台，包括 NVIDIA BioNeMo Agent Toolkit 在内的生物学 AI 工具，用于预测任务、模型训练，以及贯穿药物发现流程的智能体工作流。
从局部验证走向研发全流程
BMS 表示，公司此前已运行一套 DGX SuperPOD 约三年，并取得了可量化成果。例如，AI 驱动的靶点识别已能帮助科学家节省数周手工工作时间，把更多精力放在高价值科研决策上。
团队还利用 AI 扩展了 CELMoD 化合物库，用于探索癌症等疾病相关蛋白的选择性降解，并将 AI 应用于先导优化阶段，通过所谓的 “Predict First” 方法，在实验前先基于预测结果进行筛选，以减少不必要的实验投入。
随着这些 AI 应用逐步成熟，BMS 的算力需求迅速提升。公司提到，其研究团队已在进行大规模分子预测、自建基础模型以及跨研发环节的 AI 部署，现有资源已经接近饱和。
统一全球科研计算平面
新系统将与 BMS 现有集群整合为统一环境，形成单一数据平面，并向全球各地 BMS 站点开放。公司计划借助 NVIDIA Mission Control 等 AI 原生工具，降低旧平台在站点隔离、访问门槛和计算专业能力上的限制。
按照 BMS 的设想，研究人员未来可以直接用自然语言发起复杂预测任务，而不必深入处理底层算力调度问题。来自不同研发中心、不同项目的数据，也能够在统一基础设施中持续积累和复用。
公司高管认为，这种持续累积的学习闭环是现代药物发现的重要变化。过去每个项目往往独立推进，经验难以沉淀为组织级智能；而现在，实验、临床反馈和合作数据都可以转化为更高置信度的科研判断，并在未来项目中继续发挥价值。
AI 智能体与人的协同角色
BMS 认为，AI 智能体工作流将进一步增强研发体系，因为智能体可以跨越团队边界和数据孤岛，帮助研究人员更系统地调用组织内部知识。
不过，公司同时强调，科学家的判断并不会被替代。人的经验仍然负责识别例外情况、发现隐藏风险并引导知识使用方式，而更大规模的计算平台则为这种判断提供更强的定量支持和预测能力。