百时美施贵宝（Bristol Myers Squibb，BMS）正在将其AI基础设施推向新高度。这家制药巨头宣布部署基于英伟达Vera Rubin架构的第二代DGX SuperPOD——被BMS研究业务洞察与技术副总裁Erin Davis称为“SuperDuperPOD”。新系统由8套DGX Vera Rubin NVL72机架级系统组成，每套集成英伟达Vera CPU与Rubin GPU，性能功耗比较其替换的基础设施提升10倍，成为生命科学领域最强大且能效最高的AI集群。

BMS此前已运行第一代DGX SuperPOD约三年，并取得实质性成果。AI赋能的靶点识别为科学家节省数周手动工作，团队还利用AI扩展了CELMoD化合物库——这类分子可选择性降解致癌蛋白，在血癌等治疗领域有应用潜力。在先导优化阶段，BMS采用名为“Predict First”（预测优先）的方法论，基于设计预测指导实验筛选，优先合成具有多参数优化潜力的分子，淘汰不符合目标属性的候选物，确保宝贵的实验室资源聚焦于成功率最高的分子。

新集群的核心变革在于开放访问。Davis表示，此前超级计算机仅面向少数研究人员，而新系统将向“每一位科学家”开放，无需等待、没有使用限制。BMS计划将现有与新的DGX SuperPOD整合为统一环境，通过NVIDIA Mission Control管理，全球所有BMS站点均可接入。研究人员甚至可以用自然语言发起复杂预测任务。BMS治疗发现科学高级副总裁Payal Sheth指出，这种统一计算基础设施连接了所有科学家，使新泽西州劳伦斯维尔项目的实验数据能直接为加州圣地亚哥团队所用，形成累积学习循环——每个实验、临床读数与合作都转化为更高置信度的科学决策。

Davis强调，现有计算资源已“饱和”，团队正在进行大分子的大规模预测，并自建基础模型，消耗大量GPU。新系统将支持智能体工作流，AI智能体可跨项目、跨部门自主学习和决策，打破传统研发中的数据孤岛。Sheth认为，这种“虚拟科学家军团”内置BMS知识库，能极大加速药物发现。

对于AI在制药业的落地，Davis和Sheth均强调从“AI能做什么”的抽象讨论转向可衡量的实际影响。Davis本人有计算化学背景，曾在ChemAxon、Schrödinger等企业平台工作15年，深知技术落地瓶颈在于如何让科学家真正用上工具。她透露，BMS在脑健康领域有重大投入，而个人经历（父亲五年前因阿尔茨海默病去世）更让她理解药物研发的紧迫性。

新集群的部署标志着制药业AI基础设施从实验性项目迈向规模化生产环境。BMS的做法——将顶级算力向全体科学家开放、整合统一数据平面、引入智能体工作流——可能成为大型药企AI转型的参考范式。对英伟达而言，生命科学领域对高性能计算的需求持续增长，Vera Rubin架构在制药业的首次大规模部署也验证了其产品路线图在垂直行业的吸引力。