BMS攜手NVIDIA打造生命科學最強AI超級運算平台，AI工廠成為新藥研發競爭新核心

關鍵字：()；；；；；；；；；

瀏覽次數：105｜歡迎推文：

科技產業資訊室 (iKnow) - 黃松勳發表於 2026年7月23日

圖、BMS攜手NVIDIA打造生命科學最強AI超級運算平台，AI工廠成為新藥研發競爭新核心

隨著生成式AI快速導入醫藥研發領域，全球大型製藥企業的競爭焦點已逐漸從演算法與模型能力，延伸至高效能AI基礎設施的建置。美國製藥大廠必治妥施貴寶（Bristol Myers Squibb, BMS）宣布擴大與NVIDIA合作，部署新一代DGX SuperPOD超級運算平台，並採用最新DGX Vera Rubin NVL72系統，打造生命科學領域自有規模最大的AI運算基礎設施。此舉顯示AI已不再只是研發輔助工具，而是企業建立長期研發競爭力的重要核心。

此次合作另一項重要意義，在於BMS並未將目標設定為單純縮短研發時間，而是希望透過更大規模AI模型，提高每一項候選藥物成功進入臨床開發的機率。官方指出，新平台將支援腫瘤學、血液疾病、免疫學、神經科學及心血管疾病等多項研究領域，同時建立人類研究員與AI共同協作的「混合智慧」（Hybrid Intelligence）模式。

BMS與NVIDIA的合作始於約三年前，當時即率先導入DGX SuperPOD作為研發運算平台。本次升級採用Vera Rubin架構，不僅大幅提升AI模型訓練能力，更提供高達前一代約10倍的每兆瓦運算效能，使企業能執行更大型AI工作負載，同時降低能源消耗成長幅度，回應AI資料中心面臨的電力挑戰。

BMS表示，新平台將成為未來AI藥物研發的核心基礎設施，支援公司利用數十年累積的專有研發資料建立基礎模型（Foundation Models），並整合NVIDIA BioNeMo平台與Agentic AI工作流程。AI將負責大量資料分析、蛋白質預測、分子生成與假設驗證，而研究人員則聚焦於策略判斷、結果解讀與實驗設計，形成AI與人類分工合作的新型研發模式。

值得注意的是，BMS推動的是「Predict First」策略，即先透過AI預測大量候選分子是否符合目標特性，再決定哪些化合物值得投入實驗室合成與測試。此方式可減少不必要的實驗成本，加快候選藥物篩選效率。BMS指出，目前AI已應用於所有小分子藥物計畫及大部分大型分子開發專案，部分流程已使藥物開發前期時間縮短20%至30%，未來甚至有機會達到50%。

除了提升研發效率，自建AI運算平台亦涉及資料治理與智慧財產保護考量。相較於完全依賴雲端租用GPU運算資源，自有AI超級電腦可讓企業保留所有專有研究資料、模型與實驗成果於內部環境，同時避免大型模型長期運算所帶來的高昂租用成本。這也是近年大型藥廠逐漸由租用運算資源轉向建立專屬AI基礎設施的重要原因。

放眼全球，AI運算能力已成為大型藥廠競逐的新戰場。包括Eli Lilly、Roche等企業近年皆陸續宣布建置大型AI運算平台，Anthropic、Microsoft等AI業者也積極與製藥企業合作，將大型語言模型導入藥物發現、臨床研究及醫療決策流程。AI基礎設施的競爭，正逐步演變為新一輪生命科學產業的核心投資方向。

而BMS此次布局反映AI競爭已由模型能力延伸至「AI工廠」（AI Factory）建設。未來藥廠競爭的不只是誰擁有更好的演算法，而是誰能建立更完整的資料、運算、模型與科研人才整合能力。對台灣而言，除了AI晶片與伺服器供應鏈持續受惠外，高效能運算、生命科學AI平台及醫療資料治理亦將成為值得關注的新興發展方向。(1126字；圖1)

參考資料：
Bristol Myers Squibb to Build the Most Powerful AI Factory in Life Sciences with NVIDIA. Bristol Myers Squibb, 2026/7/20
Bristol Myers Squibb Building Life Science Industry's Most Advanced AI Factory on NVIDIA Vera Rubin. NVIDIA Blog, 2026/7/20
Bristol Myers buys Nvidia's latest AI computing system for drug research. Reuters, 2026/7/20
BMS again turns to NVIDIA to ramp up AI compute for drug discovery. FirstWord Pharma, 2026/7/20

歡迎來粉絲團按讚！

--------------------------------------------------------------------------------------------------------------------------------------------