NVIDIA BioNeMo 登陆 AWS：药物研发大模型训练从一个月压到数天

以前制药团队想搞点 AI 算力，要么自己花大价钱买卡搭机房，要么在云上对着一堆底层环境抓头发。

在 AWS re:Invent 大会上，NVIDIA 把自家的生物计算大杀器搬到了亚马逊云上。制药公司和生物科技团队现在能直接在 AWS 上调取 NVIDIA Clara 软件体系，最核心的主角，就是生成式 AI 制药平台 BioNeMo。

它不是单纯挂个名字，而是直接打通了 Amazon SageMaker、AWS ParallelCluster，后面还会连通跑在 AWS 上的 NVIDIA DGX Cloud。

512 张 H100 跑蛋白质预测，一个月缩成几天

BioNeMo 到底能干什么？说白了，它就是一个针对数字生物学的生成式 AI 工具箱，把预训练模型、数据加载器和训练配方打包做好了。

团队拿它找药物靶点、预测蛋白质结构或者筛候选药物，不用从零写轮子。药企可以用自家的私有分子数据，在云端 GPU 集群上做微调。

这里面最显眼的一个数字，来自蛋白质结构预测大模型 ESM-2。

官方数据显示，ESM-2 在 256 张 NVIDIA H100 显卡上能跑到几乎线性的性能扩展。如果堆到 512 张 H100，原先在论文里需要整整跑一个月的训练任务，现在几天就能收工。

开发者可以直接调用 6.5 亿参数或 30 亿参数的版本。除了 ESM-2，平台里还装了做小分子生成的 MegaMolBART，以及搞蛋白质序列生成的 ProtT5。像 Alchemab、Basecamp Research 和 LabGenius 这些创业团队，已经在用它干活了。

除了新来的 BioNeMo，NVIDIA 还顺手把影像和基因组学的牌面整理了一下。支持医学影像分析的 MONAI 开源框架下载量已经破了 180 万次；而做全基因组变异检测的 Parabricks，能把纯 CPU 服务器上要跑一整天的数据，压缩到 15 分钟左右搞定。

为什么重要

我们认为，这一步对生物科技创业公司非常划算，但对湿实验团队来说只是门槛降了，并不代表研发变容易了。

以前做计算生物学，很多小团队卡在两头：买不起成百上千张高端计算卡，又缺乏把大模型工程化部署到集群里的运维能力。现在 BioNeMo 塞进 SageMaker 和 AWS 现成的集群管理工具里，生物学家或者开发者按需开机器就行，不必非得养一个懂分布式底层优化的系统工程团队。

对行业来说，这也是算力巨头在抢占生命科学基础设施的标准制定权。NVIDIA 卖显卡早已不满足于只卖裸机，而是把 ESM-2、ProtT5 这些模型配方和自己的 CUDA 栈绑死；AWS 则是看中了医疗健康这个最舍得花钱的垂直领域，把海量存量医疗客户稳在自家云上。

不过看起来隐患也很明确。计算速度从一个月缩到几天，解决的只是「干实验」阶段的候选生成速度。生成的分子到底能不能成药，最后还得送进传统实验室做漫长的湿实验验证。它能帮药企极大地拉高试错密度，但成药率的真实拐点，恐怕还要看后续临床数据的检验。