NVIDIA BioNeMo 登陸 AWS：藥物研發大模型訓練從一個月壓到數天

以前製藥團隊想搞點 AI 算力，要麼自己花大價錢買卡搭機房，要麼在雲上對著一堆底層環境抓頭髮。

在 AWS re:Invent 大會上，NVIDIA 把自家的生物計算大殺器搬到了亞馬遜雲上。製藥公司和生物科技團隊現在能直接在 AWS 上調取 NVIDIA Clara 軟體體系，最核心的主角，就是生成式 AI 製藥平臺 BioNeMo。

它不是單純掛個名字，而是直接打通了 Amazon SageMaker、AWS ParallelCluster，後面還會連通跑在 AWS 上的 NVIDIA DGX Cloud。

512 張 H100 跑蛋白質預測，一個月縮成幾天

BioNeMo 到底能幹什麼？說白了，它就是一個針對數字生物學的生成式 AI 工具箱，把預訓練模型、資料載入器和訓練配方打包做好了。

團隊拿它找藥物靶點、預測蛋白質結構或者篩候選藥物，不用從零寫輪子。藥企可以用自家的私有分子資料，在雲端 GPU 叢集上做微調。

這裡面最顯眼的一個數字，來自蛋白質結構預測大模型 ESM-2。

官方資料顯示，ESM-2 在 256 張 NVIDIA H100 顯示卡上能跑到幾乎線性的效能擴充套件。如果堆到 512 張 H100，原先在論文裡需要整整跑一個月的訓練任務，現在幾天就能收工。

開發者可以直接呼叫 6.5 億引數或 30 億引數的版本。除了 ESM-2，平臺裡還裝了做小分子生成的 MegaMolBART，以及搞蛋白質序列生成的 ProtT5。像 Alchemab、Basecamp Research 和 LabGenius 這些創業團隊，已經在用它幹活了。

除了新來的 BioNeMo，NVIDIA 還順手把影像和基因組學的牌面整理了一下。支援醫學影像分析的 MONAI 開源框架下載量已經破了 180 萬次；而做全基因組變異檢測的 Parabricks，能把純 CPU 伺服器上要跑一整天的資料，壓縮到 15 分鐘左右搞定。

為什麼重要

我們認為，這一步對生物科技創業公司非常划算，但對溼實驗團隊來說只是門檻降了，並不代表研發變容易了。

以前做計算生物學，很多小團隊卡在兩頭：買不起成百上千張高階計算卡，又缺乏把大模型工程化部署到集群裡的運維能力。現在 BioNeMo 塞進 SageMaker 和 AWS 現成的叢集管理工具裡，生物學家或者開發者按需開機器就行，不必非得養一個懂分散式底層最佳化的系統工程團隊。

對行業來說，這也是算力巨頭在搶佔生命科學基礎設施的標準制定權。NVIDIA 賣顯示卡早已不滿足於只賣裸機，而是把 ESM-2、ProtT5 這些模型配方和自己的 CUDA 棧綁死；AWS 則是看中了醫療健康這個最捨得花錢的垂直領域，把海量存量醫療客戶穩在自家雲上。

不過看起來隱患也很明確。計算速度從一個月縮到幾天，解決的只是「幹實驗」階段的候選生成速度。生成的分子到底能不能成藥，最後還得送進傳統實驗室做漫長的溼實驗驗證。它能幫藥企極大地拉高試錯密度，但成藥率的真實拐點，恐怕還要看後續臨床資料的檢驗。