黄仁勋：生成式人工智能是我们这个时代的决定性技术

在黄仁勋两个小时的演讲结束后，GTC 2024 大会现场的掌声经久不息。

作为一家总部位于硅谷的 GPU 巨头，英伟达近年来开始将人工智能芯片、技术等应用于生命科学等行业。过去 12 个月，该公司股价飙升超过 200%，跻身全球最有价值公司之列。显而易见，其盈利遵循类似的轨迹——为人工智能培训和应用程序提供动力的图形处理器的需求的推动。

本次大会以英伟达推出下一代 NVIDIA Blackwell AI 计算平台而受到广泛关注，该平台旨在在数万亿参数的大型语言模型上运行实时生成 AI，成本和能耗比其前身低 25 倍。

除此之外，在大会现场，英伟达宣布了一系列产品和平台，包括用于药物发现的生成式 AI 平台 NVIDIA BioNeMo™，使用户能够访问基于 AI 的新技术，让观众惊叹不已、称为 NVIDIA 推理微服务 (NIM) 的模型，以及多项扩展合作，包括与 Amazon Web Services 和 Microsoft Azure 的合作，以及其量子模拟平台等。

生成式 AI 平台，涵盖多模型

NVIDIA BioNeMo™ 是一个用于药物发现的生成式 AI 平台，可使用用户自己的数据简化和加速模型训练，并扩展药物发现应用模型的部署。简言之，BioNeMo 提供了人工智能模型开发和部署的最快路径，加速了人工智能驱动的药物发现之旅。通过 BioNeMo 提供更多模型，可以加速蛋白质结构预测、 生成大型蛋白质库、生成特定分子等。

BioNeMo 中的特色模型包括：AlphaFold 2、 ESMFold 和 OpenFold 用于从初级氨基酸序列预测 3D 蛋白质结构；ESM-1nv 和 ESM-2 用于蛋白质性质预测；ProtGPT2 用于蛋白质生成；用于小分子生成的 MegaMolBART 和 MoFlow；DiffDock 用于预测小分子与蛋白质的结合结构。这些模型涵盖了分子生物学、化学和蛋白质工程的各个方面，为该领域的研究人员提供了独特的功能。

▲图 | 利用 BioNeMo 中的 AlphaFold 2、OpenFold 和 ESMFold 进行 3D 蛋白质结构预测

本次大会上，英伟达宣布了几个新模型，扩展了原来的平台。其基础模型能够分析 DNA 序列、预测蛋白质如何响应药物分子而改变形状，以及根据 RNA 确定细胞的功能。

其中一个是基因组学模型 DNABERT，该模型已接受来自人类参考基因组 Hg38.p13 的 DNA 序列的训练。可以通过识别人类基因组中上下文相似的序列来生成基因组序列的密集表示，从而预测基因组特定区域的功能，并分析基因突变和变异的影响。

第 2 个模型 scBERT 已经过单细胞 RNA 测序数据的训练，使用户能够将其应用于下游任务，例如预测基因敲除（特定基因被删除或失活）的影响或识别细胞类型，如神经元、血细胞或肌肉细胞。

第 3 个模型 EquiDock 能够预测两种蛋白质之间相互作用的 3D 结构，这对于了解药物分子是否有效至关重要。

与英伟达宣布的新模型一样重要的是其允许用户访问这些模型的新技术。这些模型将通过名为 NVIDIA 推理微服务 ( NIM）的新技术提供给用户。

NIM 目录包含 25 个模型，涵盖“医疗保健”领域，从药物发现到成像、医疗技术和数字健康。

以药物发现为重点的 NIM 包括 DiffDock，这是一种分子对接模型，旨在预测小分子配体与蛋白质的结合结构；ESMFold 是一种基于 transformer 的、超快的 3D 蛋白质结构预测，可以根据单个氨基酸序列准确预测蛋白质结构；AlphaFold 2，谷歌 DeepMind 开发的蛋白质折叠人工智能模型。AlphaFold 2 可以根据氨基酸序列以原子级精度预测蛋白质的 (3D) 结构。

另外一种是生成化学模型 MolMIM ，可生成针对用户定义的属性优化候选药物。MolMIM 还可以设计经过优化以结合特定蛋白质靶标的分子；另一个 NIM（Universal DeepVariant）旨在为基因组分析工作流程中的变异调用提供 50 倍的速度提升，与设计在中央处理单元或 CPU 上运行的原始或普通 DeepVariant 实现相比。

据英伟达称，超过 100 家公司正在使用 BioNeMo。

（来源：英伟达官网）

如 Astellas Pharma 正在使用 BioNeMo 来加速药物发现的分子模拟和大型语言模型，并使用  Tokyo-1 AI 超级计算机 来完成这项工作；Iambic 已同意将其 NeuralPLexer 模型作为 BioNeMo 云 API 贡献给非商业用途，帮助研究人员预测蛋白质的 3D 结构如何响应药物分子而变化；Insilico Medicine 已将 BioNeMo 集成到其人工智能加速的药物发现工作流程中，该工作流程已发展成为拥有 30 多种治疗资产的管线，其中 6 个处于临床阶段；Recursion 使用 BioNeMo 提供其 Phenom-Beta AI 变压器模型，旨在从细胞显微镜图像中提取见解，以帮助研究人员更好地了解细胞功能；Terray Therapeutics 正在 BioNeMo 的帮助下开发多靶点结构结合模型。Terray 还在 Nvidia DGX Cloud 上训练用于小分子设计的生成 AI 模型。

另外还包括位于圣何塞的软件开发商 Cadence Design Systems。两家公司于近日宣布开展生成式 AI 合作，旨在大幅加速药物发现。作为协议的一部分，Cadence 的分子设计平台 Orion 将利用英伟达的 genAI 工具和药物发现平台 BioNeMo 以及微服务来扩展其治疗设计能力并缩短药物发现时间。Orion 允许制药公司的研究人员生成、搜索和建模包含数千亿种化合物的数据库。

通过云运行的量子扩展

大会上，英伟达还分享了其设想的一个量子模拟平台，该平台将让研究人员探索量子计算在生物学中的应用程度，以及化学和材料科学。

英伟达表示，其新的 NVIDIA Quantum Cloud 旨在帮助生物制药和其他科学分支的研究人员推进量子计算和算法研究。用户首次可以使用云来构建和测试新的量子算法和应用程序，包括用于混合量子经典计算机编程的模拟器和工具。

尽管名称如此，量子云并不包含与量子计算机的链接，尽管英伟达计划在未来让用户从外部公司访问量子计算机。

这些工具将通过亚马逊网络服务（AWS）、谷歌云、微软 Azure 和甲骨文云基础设施等顶级公共云平台以及领先量子计算公司的产品以“微服务”的形式提供给用户，例如 IQM 量子计算机、OQC、ORCA、qBraid 和 Quantinuum。

NVIDIA Quantum Cloud 基于其开源 CUDA-Q™ 量子计算平台。据英伟达称，每四家部署量子处理单元 (QPU) 的公司中就有三家使用 CUDA-Q。

NVIDIA Quantum Cloud 集成了多家第三方开发商的软件。

QC Ware 是一家位于加利福尼亚州帕洛阿尔托的软件和服务提供商，已同意将其 Prometheum 分子发现平台与 Quantum Cloud 集成，以加速药物发现。此次合作旨在为人工智能平台提供比以往更快地生成大型复杂分子的高精度训练数据的能力，从而在计算机分子模拟中进行重塑。此次合作还旨在帮助分子人工智能平台训练更好的机器学习模型，最终帮助制药公司更快地找到优质候选药物。

与 Quantum Cloud 集成的还有生成量子特征求解器 (GQE)，这是一种将经典生成模型应用于量子模拟的新颖方法，由多伦多大学的研究人员与英伟达合作开发。GQE 在 1 月份发布的预印本中首次披露，它使用大型语言模型 (LLM) 使量子计算机能够通过更快地找到分子的基态能量来支持分子研究。

英伟达还宣布了几项合作，主要是推进两个国际合作伙伴基于量子的超级计算工作：为日本的 ABCI-Q 超级计算机提供动力，为生物学、人工智能和能源研究提供高保真量子模拟；与诺和诺德合作，建立一个国家人工智能创新中心，该中心将拥有世界上最强大的人工智能超级计算机之一，以加速生命科学以及医疗保健和可持续发展领域的研究和创新。诺和诺德已承诺出资 8740 万美元，丹麦出口与投资基金承诺出资 1460 万美元。

目前，英伟达在其量子计算生态系统中已拥有超过 160 个合作伙伴。

素材来源官方媒体/网络新闻

免责声明：本文旨在传递生命科学和医疗健康产业最新讯息，不代表平台立场，不构成任何投资意见和建议，以官方/公司公告为准。本文也不是治疗方案推荐，如需获得治疗方案指导，请前往正规医院就诊。