算力驱动医疗创新：NVIDIA如何重塑药物研发？

在刚刚落幕的NVIDIA GTC大会上，一幅由算力驱动的生命科学新图景清晰展现。面对基因编辑、RNA药物等前沿领域对基因组分析能力的极致需求，传统的研发流程正被GPU加速的全新范式所取代。

图片来源：NVIDI

从海量数据的挖掘到AI工厂的落地，NVIDIA正携手全球医疗健康与生命科学领域的领军企业，共同推动药物研发、诊断与制造的全面革新。

释放数据潜能，构建生物“宝藏”

生物数据的规模与质量，直接决定了AI模型的“智商”。为了拓展人类对基因多样性的认知边界，Basecamp Research 与 Anthropic、Ultima Genomics  和 PacBio 合作推出了 “万亿基因图谱”（ Trillion Gene Atlas，TGA ），并基于 NVIDIA AI 基础设施构建。该项目旨在将人类对基因多样性的认知提升至百倍规模。该公司的 BaseData 数据集本身比所有公开数据库总和还大10倍，如今更是实现了100倍的规模扩展。借助 TGA 项目，Basecamp 计划利用 NVIDIA Parabricks  处理数千万亿级（quadrillions）的 DNA 碱基对。Parabricks 可将数据处理速度提升 10 倍，这意味着原本需要超过 20 年完成的分析任务，有望缩短至不到两年。

与此同时，Tahoe Therapeutics  构建了包含 1亿个单细胞的全球最大单细胞数据集之一—Tahoe-100M，用于开发能模拟细胞复杂动态行为的 “虚拟细胞模型”。而 PerturbAI 与 NVIDIA 生物基础模型研究团队合作发布了覆盖近 800万个脑部细胞的全球最大规模体内 （in vivo）CRISPR  功能基因组图谱，借助 NVIDIA CUDA-X Data Science 库，深入探索神经退行性疾病、精神疾病及代谢疾病背后的生物机制。

NVIDIA、Google DeepMind、欧洲分子生物学实验室旗下的欧洲生物信息学研究所（EMBL-EBI）以及首尔大学 Steinegger 实验室对 AlphaFold 蛋白质结构数据库进行了大规模扩展：新增了 170 万个高置信度预测的蛋白质复合物，并提供约 3000 万个额外预测结构供批量下载。这一新增数据集是同类中规模最大的，使该数据库成为一个前所未有的大规模蛋白质相互作用建模综合资源。

图片来源：NVIDI

数据库中的蛋白质结构由  Google DeepMind  的  AlphaFold-Multimer  模型通过 AI 预测生成。同时，通过在 OpenFold 推理流程中集成 NVIDIA 的计算库（包括  NVIDIA TensorRT  和  cuEquivariance ），实现了超过 100 倍的推理加速，相比原始方法大幅提升效率。

AI工厂落地，重塑研发全价值链

罗氏首席数字与技术官Wafaa Mamilli表示：“我们正站在科学与技术融合的交汇点上，加速药物与诊断解决方案的开发。借助高质量数据与更智能的AI，我们能够在制药和诊断两大业务板块中充分释放这些洞察价值。”

目前，全球医疗健康巨头罗氏（Roche）正通过在全球范围内部署超过3500块 NVIDIA Blackwell GPU，加速推进其“为患者创造当下所需、面向未来”的战略。这一部署覆盖美国与欧洲的混合云与本地环境，并贯穿药物研发、诊断及生产制造全价值链，大幅提升研发效率、下一代诊断能力以及制造效率。

在 NVIDIA GTC 大会上，罗氏进一步披露，这一全新的 AI 计算基础设施将支持从生物基础模型、药物研发到制造数字孪生等多个关键领域。这一投资也为罗氏提供了强大的计算能力，使全球科研人员能够开展更具挑战性的前沿科学研究。

在药物研发端，AI已成为罗氏及其子公司Genentech的核心驱动力。借助NVIDIA Blackwell架构与BioNeMo平台，罗氏得以大规模训练和微调生物基础模型，从而在更大范围内探索生物与化学空间，并显著提升研发速度。目前，Genentech近90%的小分子药物项目已引入AI：某肿瘤降解剂项目的分子设计效率提升约25%；在另一个项目中，AI 将备用候选药物的开发周期从两年以上缩短至 7 个月。在制造端，罗氏正利用 NVIDIA Omniverse 构建生产设施的“数字孪生”系统。在诊断领域，通过 NVIDIA Parabricks 软件，罗氏能够从海量基因组数据中快速获取洞察。在数字病理领域，NVIDIA 技术可对大规模病理图像进行扫描，识别细微疾病特征。

从突破性的公开数据集，到企业级的AI工厂，一个清晰的脉络已然显现：当顶尖的生物数据遇上强大的加速计算，医疗创新的范式正在被重新定义。这不仅是技术工具的升级，更是将AI从少数专家的“试点项目”转变为嵌入科研与临床日常的“核心能力”。最终，这一切努力的目标正如罗氏首席数字与技术官Wafaa Mamilli所言——当我们谈论缩短时间，本质上是在为等待治疗的患者争取时间。

责任编辑：Summer

声明：本文内容目的在于传递更多信息，不代表平台观点和投资建议。