NVIDIA在以色列设立医疗AI研究组：联手Sheba与西奈山，给基因组98%的暗区建基础模型

不做产品做科研：NVIDIA在以色列盯上基因组98%的暗区

事实报道视角 × AI技术供应商·创业者 ｜ 趋势前瞻 × 投资人与产业分析师 ｜ 行业观察

据Calcalist报道，NVIDIA已在其以色列研发中心成立名为Applied AI Architecture的医疗AI研究组，直属全球CTO办公室，并与Sheba医学中心和纽约西奈山医院合作开发基因组基础模型，目标是解析人类基因组中约98%尚未被深入研究的区域，用于疾病预防、诊断与个体化医疗。

卖铲人的下一站，是自己下场找矿

过去十几年，NVIDIA在医疗行业的角色一直很清晰：卖算力、卖平台、卖工具链，把GPU装进医院和药企的机房，自己却站在实验室门外。据Calcalist9月23日报道，这扇门被推开了。NVIDIA在以色列研发中心成立Applied AI Architecture研究组，直属全球CTO办公室——现任CTO Michael Kagan是Mellanox联合创始人，直接向黄仁勋汇报。

在AI行业，卖铲人的故事被讲了无数遍：芯片厂商是淘金热里最稳的赢家。但卖铲人也有天花板——当铲子足够普及，增量故事就要往上游走。自己下场找矿，是这条叙事线顺理成章的下一章，只是这一次，矿藏换成了人类基因组。

这个汇报关系值得咀嚼。挂在CTO办公室之下，意味着研究组不向任何产品线和营收指标负责，只对公司的技术最高层负责；它的考核周期不是季度财报，而是科学发现本身。团队负责人Nati Daniel博士是以色列理工的AI博士，曾在Intel、GE、华为担任高管，既有大厂管理经验，也有长期技术履历。目前组内有数名研究员，一年内计划再招数十人——从编制节奏看，这不是一次公关性质的挂牌，而是一笔按年计算的科研投入。

需要先交代信息来源：这一消息来自Calcalist的独家报道，而非NVIDIA官方发布，公司层面尚未披露更多细节。

当算力供应商开始自己定义科学问题，它与医院、与药企的关系，就再也不只是买卖。

98%的暗区：基因组基础模型要解决什么问题

这个小组的核心项目，是与Sheba医学中心和纽约西奈山医院合作开发基因组基础模型（gFM）。其科学目标写得很直接：解析人类基因组中约98%尚未被深入研究的区域。人类基因组计划完成以来，测序成本一降再降，但被系统研究、与功能和疾病明确关联的区段始终是少数，绝大部分区域长期处于知道序列、不懂功能的状态。

gFM的思路，是把基础模型在语言和视觉领域被反复验证过的路径搬到基因组上：用大规模序列数据做预训练，让模型自己学习碱基之间的长程关联与调控逻辑，再迁移到疾病预防、诊断与个体化医疗等下游任务。如果这条路走得通，那98%的暗区就不再是测序数据里的冗余噪声，而是一座尚未开采的矿藏。

难点同样清楚：语言模型有海量文本可学，基因组序列虽然数据量庞大，但标注稀缺、功能验证昂贵，模型的每一个预测最终都要回到实验室里接受检验。这也让gFM天然必须与医院绑定——没有临床场景，预测就只是漂亮的数字。

Sheba加西奈山：为什么医院数据伙伴比算力更稀缺

合作方的名单本身就说明了问题。Sheba医学中心近期刚成为美国以外首家获得OpenAI医疗模型早期访问权的医院，对医疗AI的接纳度和基础设施都经过验证；纽约西奈山医院则是美国医疗AI研究的传统重镇。对NVIDIA而言，GPU可以按订单生产，但高质量、带临床标注、可持续获取的基因组与医疗数据，只能从少数顶级医疗机构手里换来，而且换得并不便宜。

对基础模型来说，真正稀缺的从来不是算力，而是被信任、被允许持续使用的临床数据。

医院这边也有自己的动机。对Sheba和西奈山这样的机构而言，与芯片巨头共建模型，意味着把自身的数据资产放进最前沿的技术流水线里，换取对模型能力的早期介入权。这也解释了为什么一个直属CTO办公室的研究组，成立后的第一批关键动作不是采购设备，而是锁定两家医院。在基因组这个赛道上，数据伙伴关系就是护城河，而且这条护城河比芯片更难复制——芯片可以靠产能追平，信任只能靠时间积累。

从礼来十亿美元合作到一个以色列小组：NVIDIA的医疗科研版图

把这个小组放进更大的版图里看，它不是孤立动作。据Calcalist报道，该团队同时参与NVIDIA与礼来的五年10亿美元AI制药全球合作，还参与欧盟Horizon计划资助约600万欧元的GENMAT新材料项目。一端是药企的商业级合作，一端是欧盟框架下的基础研究资助，中间夹着这个面向基因组的长线小组——商业、政策、科学三条线在同一个团队身上交汇。

时间点的对照也有意思：一边是礼来合作这类有明确商业交付安排的协议，一边是不设产品期限的基因组研究。NVIDIA显然希望两条腿同时走路。以色列研发中心的体量也支撑得起这种投入：NVIDIA在当地员工超过5000人，约贡献集团五分之一的收入。在公司最重要的海外研发基地里划出一块做长期科研，定位写得很明确：以AI加速科学与医学发现，研究成果未来反哺NVIDIA的系统，而不是做成短期产品推向市场。

长期科研是一种昂贵的耐心：它赌的不是下一个季度的财报，而是十年之后的技术栈由谁来定义。

冷静观察：基础模型做基因组，数据权属与惠益分享才是硬骨头

先把信息的成色说清楚：目前这一切仍是一家媒体的报道，NVIDIA没有官宣，gFM没有论文、没有公开基准、没有时间表。模型能不能读懂那98%，科学上远未到下结论的时候，外界能看到的只有组织安排和合作意向。

更现实的问题在科学之外。基因组数据来自患者，经由医院，最终流向一家商业公司的基础模型——训练数据的权属怎么划分，模型产出的科学发现如何分享惠益，跨境数据流动如何满足合规要求，这些问题在合作协议里的分量，不会低于模型架构本身。Sheba和西奈山的数据不可能无条件开放，NVIDIA也不可能只为学术理想买单。再看定位表述：成果未来反哺NVIDIA系统。这句话的另一面是，即便科学上成功，红利大概率也首先流向NVIDIA自己的软硬件体系，合作医院能分到什么，取决于谈判桌而非论文署名。

此外，一年内再招数十人的计划，放在以色列的医疗AI人才池里并不轻松，那里同时聚集着几乎所有大型科技公司的争夺。这个研究组真正的成绩单，要等到它交出第一批可验证的科学结果时才能评判——那至少是几年以后的事。

---

原文链接：source

千方医数集编辑部 出品