NVIDIA 釋出 BioNeMo 智慧體套件：給通用 AI 裝上生物科研「工具箱」

讓大模型寫程式碼、寫文案已經見怪不怪，但如果讓它去研發一種新藥，往往會卡在第一步：它根本不知道去哪裡調蛋白質摺疊模型，也不懂分子對接軟體輸出的資料到底是什麼意思。

NVIDIA 在 BIO 大會上給出了自己的解法。他們釋出了 BioNeMo Agent Toolkit，把過去十多年積累的生命科學計算庫、AI 模型和微服務打包成一套標準工具箱。黃仁勳打了個比方：前沿通用大模型是大腦，BioNeMo 就是給它配上的實驗工具箱，兩者合起來，等於給每個實驗室派去一位不知疲倦、自帶超算算力的博士研究助理。

把通用智慧體變成生信專家

大模型直接面對專業科研時有兩個硬傷：推斷不出正確的專業工具，也不懂生物學輸出背後的上下文。

這次的工具包由多個元件拼成。底層基於開源的 Nemotron 模型提供推理能力，配合 NeMo RL 做強化學習；中層有提供安全執行環境的 OpenShell，以及保障企業資料私密性的 NemoClaw 架構；上層則通過 NIM 微服務把原本複雜的生信工具變成智慧體直接能呼叫的技能。

在實際場景裡，智慧體可以直接接手幾個極耗時間的硬活。在虛擬藥物篩選中，智慧體不僅能自動生成小分子並做靶點對接，還能過濾藥代動力學特性，把過去幾天的初篩壓縮到幾分鐘。

做基因組分析時，它呼叫 Parabricks 處理原始測序，再給變異評分排序；做蛋白質結合設計時，華盛頓大學蛋白質設計研究所（IPD）把它接入 RosettaFold3 後，推理速度比前一代翻了一倍。研究所所長 David Baker 直言，科學的下一次飛躍不是靠單一突破，而是靠智慧體不知疲倦地反覆試錯與推理。

從大藥廠到雲平臺都在接入

NVIDIA 宣佈已有超過 50 家企業和機構採用了這套工具包。生態的覆蓋面很廣，可以說是把整個產業鏈拉了過來。

模型端，Anthropic 和 OpenAI 都在接入，讓通用的 Claude 或 GPT 能真正執行生信任務；藥企方面，禮來（Lilly）和 Schrödinger 正在落地；底層資料和雲服務商包括 Databricks、Snowflake 以及 Modal；連 Thermo Fisher 這種溼實驗自動化裝置廠商也在打通介面，讓 AI 智慧體推斷出的方案能直接在物理實驗室裡執行。

目前該工具包已經通過 GitHub 和 NVIDIA 開發者頁面開放。

為什麼重要

我們認為，NVIDIA 這步棋走得極準，它正在生命科學領域複製當年 CUDA 的壟斷路徑。

對研究人員來說，過去要做計算生物學，光是把各家開源軟體的環境配通、把分子格式轉對，就得耗費數週時間。現在開發者可以在幾分鐘內把一個通用大模型升級成專業生命科學智慧體，門檻被大幅抹平。如果你的團隊正在做計算化學或蛋白靶點篩選，現在就值得去 GitHub 上拉一套程式碼跑個概念驗證。

對行業而言，這場釋出的精明之處在於 NVIDIA 沒有自己下場做藥，也沒有去卷基礎閉源模型，而是把自己的算力晶片、NIM 容器化服務以及專有計算庫打包成了「智慧體事實標準」。

但隱患同樣明顯。生命科學容錯率極低，智慧體在做分子對接或變異評分時的幻覺不僅浪費計算資源，還可能在下游溼實驗中導致數百萬元的試錯成本。如何確保智慧體呼叫的推理鏈條具備絕對可復現性，是所有接入這套生態的藥企接下來必須面對的硬門檻。