其他行业 · AI应用
NVIDIA AI 加速 BMS 的研究创新
百时美施贵宝（BMS）面临药物发现和开发周期长的问题，这阻碍了其快速将创新疗法推向市场的能力。为解决此问题，BMS 将 NVIDIA 的先进 AI 技术（包括 NVIDIA DGX 和 NVIDIA AI Enterprise）集成到其研发流程中。这一战略方法不仅加速了计算能力，还实现了对复杂生物数据的 AI 驱动分析，从而获得更深入的洞察。结果，BMS 显著缩短了药物发现时间，提高了数据分析效率，并增强了研究创新，最终推进了其向患者提供变革性药物的使命。
整体成本节省
55%
来源披露
平台能力
支持端到端 AI（从训练到部署）的统一平台
来源披露
计算科学的速度与敏捷性
提升
来源披露
01
业务背景
百时美施贵宝（BMS）面临药物发现和开发周期长的问题，这阻碍了其快速将创新疗法推向市场的能力。为解决此问题，BMS 将 NVIDIA 的先进 AI 技术（包括 NVIDIA DGX 和 NVIDIA AI Enterprise）集成到其研发流程中。这一战略方法不仅加速了计算能力，还实现了对复杂生物数据的 AI 驱动分析，从而获得更深入的洞察。结果，BMS 显著缩短了药物发现时间，提高了数据分析效率，并增强了研究创新，最终推进了其向患者提供变革性药物的使命。
02
遇到的问题
药物研发中，GPU 稀缺导致云计算成本上升且可用性受限，消费预测几乎不可能，研究人员将时间花在预测需求和担心成本上，而非专注于研究，导致高机会成本并减缓了为患者提供的创新速度。
03
AI 解决方案
建立 AI 卓越中心，部署由 NVIDIA DGX SuperPOD 构成的 AI 工厂，并采用 Equinix 的托管与互连服务以及 Mark III 的 AI 与运维专业支持，形成一个可扩展的集中化计算平台。利用该平台，数据科学团队使用 NVIDIA MONAI 和自监督学习方法，在数十万临床试验图像上训练基础 AI 模型，自动分割病灶并提升影像分析的速度与准确性；同时通过大语言模型和 Transformer 分析复杂的多模态临床试验数据（基因组学、生活方式、治疗细节等），将其嵌入为语法序列以预测患者对免疫肿瘤治疗的反应。平台支持端到端的 AI 生命周期，使研究人员可以灵活调整资源，在需要时为 LLM 训练增加节点，并重新分配给深度学习任务。
04
实施结果
整体成本节省：55%（成本降低55%）
平台能力：支持端到端 AI（从训练到部署）的统一平台（从未集成到全栈 AI 平台）
计算科学的速度与敏捷性：提升（加快了新药发现和开发的计算科学研究速度与灵活性）
肿瘤影像分析：提高了分割准确性和处理效率，显著加速了研究时间线（准确性、效率、速度提升）
05
风险与边界
未披露
“Mindful of BMS’s unique research and development commitments, we brought together teams of researchers and technologists to build a transformational, technology-powered capability.”
Bill Mayo · Senior Vice President, Research IT at BMS
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。