百時美施貴寶（Bristol Myers Squibb，BMS）正在將其AI基礎設施推向新高度。這家制藥巨頭宣佈部署基於輝達Vera Rubin架構的第二代DGX SuperPOD——被BMS研究業務洞察與技術副總裁Erin Davis稱為“SuperDuperPOD”。新系統由8套DGX Vera Rubin NVL72機架級系統組成，每套整合輝達Vera CPU與Rubin GPU，效能功耗比較其替換的基礎設施提升10倍，成為生命科學領域最強大且能效最高的AI叢集。

BMS此前已執行第一代DGX SuperPOD約三年，並取得實質性成果。AI賦能的靶點識別為科學家節省數週手動工作，團隊還利用AI擴充套件了CELMoD化合物庫——這類分子可選擇性降解致癌蛋白，在血癌等治療領域有應用潛力。在先導最佳化階段，BMS採用名為“Predict First”（預測優先）的方法論，基於設計預測指導實驗篩選，優先合成具有多引數最佳化潛力的分子，淘汰不符合目標屬性的候選物，確保寶貴的實驗室資源聚焦於成功率最高的分子。

新叢集的核心變革在於開放訪問。Davis表示，此前超級計算機僅面向少數研究人員，而新系統將向“每一位科學家”開放，無需等待、沒有使用限制。BMS計劃將現有與新的DGX SuperPOD整合為統一環境，通過NVIDIA Mission Control管理，全球所有BMS站點均可接入。研究人員甚至可以用自然語言發起複雜預測任務。BMS治療發現科學高階副總裁Payal Sheth指出，這種統一計算基礎設施連線了所有科學家，使新澤西州勞倫斯維爾專案的實驗資料能直接為加州聖地亞哥團隊所用，形成累積學習迴圈——每個實驗、臨床讀數與合作都轉化為更高置信度的科學決策。

Davis強調，現有計算資源已“飽和”，團隊正在進行大分子的大規模預測，並自建基礎模型，消耗大量GPU。新系統將支援智慧體工作流，AI智慧體可跨專案、跨部門自主學習和決策，打破傳統研發中的資料孤島。Sheth認為，這種“虛擬科學家軍團”內建BMS知識庫，能極大加速藥物發現。

對於AI在製藥業的落地，Davis和Sheth均強調從“AI能做什麼”的抽象討論轉向可衡量的實際影響。Davis本人有計算化學背景，曾在ChemAxon、Schrödinger等企業平台工作15年，深知技術落地瓶頸在於如何讓科學家真正用上工具。她透露，BMS在腦健康領域有重大投入，而個人經歷（父親五年前因阿爾茨海默病去世）更讓她理解藥物研發的緊迫性。

新叢集的部署標誌著製藥業AI基礎設施從實驗性專案邁向規模化生產環境。BMS的做法——將頂級算力向全體科學家開放、整合統一資料平面、引入智慧體工作流——可能成為大型藥企AI轉型的參考範式。對輝達而言，生命科學領域對高效能運算的需求持續增長，Vera Rubin架構在製藥業的首次大規模部署也驗證了其產品路線圖在垂直行業的吸引力。