英伟达押注智能体 AI，全面加速生物技术研发

本周，全球规模最大的生物技术行业展会 —— 国际生物科技大会（BIO）在圣地亚哥举办，人工智能成为全场焦点，产业链上下游企业悉数参展。

英伟达医疗与生命科学副总裁兼总经理金伯利・鲍威尔（配图人物）在大会专场演讲中提出：智能体 AI 即将为生物科技行业带来颠覆性变革，就如同它此前重塑软件开发行业一样；而英伟达自研 BioNeMo 软件栈，能够将通用大语言模型转化为可落地运行的 “AI 科学家”，兼顾研发提速与成本下降。

英伟达推动 “AI 科学家” 成为生物科技行业主流工具

鲍威尔开篇梳理了行业当下发展现状：“我们正见证生命科学领域有史以来变革速度最快的技术平台迭代。” 她将人工智能比作显微镜、X 射线晶体学、基因测序，并称 AI 是新一代科学仪器。区别于传统设备仅能观测、测量数据，AI 具备自主推理、规划与执行任务的完整能力。

本次展会上，英伟达正式发布BioNeMo 智能体工具包。这套软件栈可将大语言模型改造为面向生命科学领域的专用 AI 智能体，能够端到端完成生物、化学全流程研发工作，涵盖文献调研、蛋白质设计、实验室自动化等场景，同时兼顾算力性能与综合成本优化。

科研 AI：从生成式 AI 迈向智能体 AI

鲍威尔的核心观点：全球生命科学领域十年间早已为这场技术拐点积蓄力量，全球制药行业年研发投入达 3000 亿美元，全行业科研总支出规模突破 3.8 万亿美元。一方面，生物、化学、医学影像、基因组学方向的 AI 研究成果呈爆发式增长；另一方面，英伟达持续搭建落地配套算力基础设施，包括 GPU、高速互联网络、CUDA-X 函数库，以及 MONAI、Parabricks、cuEquivariance、BioNeMo 等行业专用平台。

过去 12 至 18 个月，行业迎来关键变量 —— 智能体 AI 落地。该架构以大语言模型为 “核心大脑”，外层搭载调度框架，统一管理工具调用、长期记忆、安全策略与多步骤研发流程。英伟达 NeMo Curator、NemoClaw 开源调度框架是通用版本，而 BioNeMo 智能体工具包则是针对生命科学深度优化的专属版本。

“智能体正在成为生命科学行业新一代应用层。” 鲍威尔表示，“数千家生命科学企业，未来都将自主搭建专属 AI 智能体。” 这一定位和 “单纯新增一款 AI 模型” 有着本质区别：生物科技行业下一代核心应用不再是图形界面、固定流水线，而是由多款专业智能体组成协同网络，打通数字化虚拟实验室与实体物理实验室的全流程协作。

BioNeMo 科研工具箱：兼顾运算速度与成本控制

英伟达本次发布的产品，将 BioNeMo 定位为支撑各类科研智能体的底层技术底座。落地层面，BioNeMo 智能体工具包为生物研发团队提供三大核心能力：

1. 整合成熟生命科学专用模型，包含蛋白质折叠、分子对接、生成式化学、基因组、医学影像等模型，封装为可供智能体调用的标准化工具，清晰定义工具功能、输入参数、输出结果与故障排查方案；

2. 通过 NIM 微服务开放全部模型能力，支持本地机房、公有云、混合云多环境部署，药企与生物企业可依据数据合规、监管要求灵活调配算力部署位置；

3. 兼顾算力开销与最终精度，而非单纯追求准确率。工具包为智能体提供高度加速的函数库与模型，大幅减少智能体检索工具、重复执行失败流程时消耗的 Token 与实际运算时长。

鲍威尔专门谈及行业长期存在的性能与成本取舍难题。她将 BioNeMo 内置算法与工具称作 “科研专业知识库”，可让智能体高效完成复杂研发流程，实现 “任务完成度高、流程精准、Token 消耗更低”，直接减少算力投入、提升实验结果可靠性。搭载 BioNeMo 的智能体不仅能产出更优质科研数据，还可减少大模型调用次数、优化 GPU 资源利用率，同步实现性能提升与成本压降。

鲍威尔强调，BioNeMo 具备模型中立特性，可适配基于 OpenAI、Anthropic、企业自研大模型、英伟达 Nemotron 大模型搭建的各类智能体。对于药企而言，这一点至关重要，企业无需将未来十年药物研发流程绑定至单一模型厂商。

实战案例：AI 联合科学家如何开展药物靶点蛋白配体研发

为直观展示架构落地效果，鲍威尔现场演示了靶向 MCL1 蛋白的蛋白结合分子设计全流程（MCL1 蛋白可促进肿瘤细胞存活）。传统研发模式下，从靶点解析、候选分子生成、结构预测、分子打分到确定合成方案，需要专业科研人员耗时数月完成。

通用型基础智能体虽可尝试执行该流程，但会耗费大量 Token 与运算时间反复检索工具、调试调用逻辑，甚至经常任务失败。而搭配 BioNeMo 后，科研人员仅需下达单一指令，例如 “设计 MCL1 蛋白结合分子”，智能体即可自主完成全链路工作：

1. 调取或预测靶点蛋白三维结构及其结合区域；

2. 依托 BioNeMo 生成式模型产出候选结合分子；

3. 同步折叠靶点蛋白与候选分子，通过高速结构仿真引擎评估分子对接构象；

4. 对所有候选分子打分排序，输出最优方案供科研人员复核，全程无需人工干预。

这正是众多初创企业发力打造的 “AI 科学家” 模式，而验证环节是关键差异点。圆桌嘉宾、爱迪生科技联合创始人兼首席技术官安德鲁・怀特表示，随着智能体能力迭代，“人工提出问题、AI 完成计算” 的时代已经落幕，行业必须落地 “实验室闭环联动” 模式。他总结：行业核心瓶颈已从文献数据分析转向实体实验验证，而闭环数字化实验室、自动化机器人实验室恰好解决这一痛点。

对生物科技与制药企业的核心战略价值

对生物企业管理层而言，这套工具包的战略意义不在于单一软件，而在于鲍威尔与圆桌嘉宾共同提出的企业运营模式变革：

1. 研发周期大幅压缩：鲍威尔提出，智能体将极大缩短科研发现周期，数年研发工作可压缩至数月，数月工作缩短至数天。Chai Discovery 首席执行官乔希・迈耶给出实例：依托优化模型与快速迭代工具，短短数年内抗体设计成功率从千分之一提升至 10%–15%。

2. 实体实验室提速需求激增：虚拟仿真设计从数月缩短至数小时 GPU 运算后，实体实验流程成为全新瓶颈。迈耶指出，过去各类检测实验无需追求速度，行业缺乏优化动力；如今打通虚实闭环、加快实验迭代已成企业核心竞争力。

3. 全新产业合作模式：鲍威尔预判药企合作模式将转型，不再局限于传统深度科研合作，而是打造闭环生态联盟，整合前沿 AI 实验室、工具厂商、平台服务商；每一轮实体实验数据都会回流至企业自有基础大模型与智能体完成迭代。Benchling 首席执行官萨吉斯・维克拉马塞卡拉对此表示认同，电子实验记录本正从事后记录工具，转变为 AI 协同共建的 “行动操作系统”。

4. 降低技术门槛，打破学科壁垒：鲍威尔表示，BioNeMo 这类工具支持生物学家通过自然语言调用高级仿真模型，无需掌握编程技术；打通不同学科间的数据孤岛，让一线实验人员均可便捷使用前沿 AI 工具。

这一趋势值得重点关注：若 AI 智能体可依托对话交互界面，自主调度高端仿真建模与自动化研发流程，计算生物学家与实体实验生物学家的岗位边界将逐步模糊。

行业前瞻：英伟达抢占生物科技智能体软件标准

站在行业观察视角，2026 年国际生物科技大会的核心信号并非英伟达 “入局” 生命科学（其布局该领域已有十年），而是抢先推出生物科技行业标准化智能体软件栈。BioNeMo 智能体工具包整合英伟达现有 MONAI、Parabricks、cuEquivariance、BioNeMo 模型等成熟技术，形成一套统一运行底座，兼容各类智能体调度框架，在运算速度、实验精度、成本控制三方面形成清晰商业价值。

开源属性同样是本次发布的亮点。鲍威尔明确表示，该工具包已上传至 GitHub 开源平台，同时兼容开源、闭源两大主流前沿大模型。药企与生物企业可基于这套工具，自主搭建专属领域 “AI 大脑”。在知识产权、数据属地、监管合规成为企业生存核心诉求的行业背景下，这种灵活架构具备独特竞争力。

鲍威尔在演讲结尾道出英伟达整体战略愿景：“智能体 AI 已经彻底革新软件开发，这已是既定事实。如今全产业链资源正在汇聚，即将彻底颠覆传统科研模式。” 她认为，生物科技企业无需再纠结 AI 能否助力研发，真正的核心问题是 “行业是否拥有适配科研全流程的 AI 工具”。英伟达押注 BioNeMo 智能体工具包，坚信越来越多生物科技企业会给出肯定答案。