A Billion-Dollar Convergence of Silicon and Science

在一個明確宣示人工智慧（artificial intelligence）已完全整合進生命科學領域的舉動中，NVIDIA 與 Eli Lilly 宣布了一項歷史性合作，將建立一間聯合 AI 共同創新實驗室。該夥伴關係由未來五年內最高達 10 億美元的計畫投資支持，目標在於打破計算技術與藥物開發之間的傳統界限。透過結合 Eli Lilly 在生物資料與化學專業上的深厚資源，與 NVIDIA 的尖端 AI 基礎設施，這項計畫旨在加速新藥的發現並優化全球藥品製造的複雜物流。

這項策略聯盟以舊金山灣區的一處新設施為中心，預計於今年初開始運作。該實驗室將作為一個匯聚點，讓 Lilly 在生物、化學與醫學領域的專家與 NVIDIA 的 AI 研究人員與工程師並肩合作。核心任務是建立一個「連續學習系統（continuous learning system）」——一個無縫的反饋迴路，讓生物實驗資訊回饋至 AI 模型，而那些模型也反過來指導下一輪的實體實驗。

從 Creati.ai 的觀點來看，這項夥伴關係代表了產業中的關鍵時刻。它超越過去十年的實驗性試點，進入工業規模應用的階段，在此 AI 不僅僅是輔助工具，而是藥物發現的基礎架構。

The Architecture of Discovery: Merging Wet and Dry Labs

製藥產業長期以來一直面對「Eroom 定律（Eroom’s Law）」的悖論：儘管技術不斷進步，藥物發現卻隨時間變得更慢且成本更高。NVIDIA—Lilly 實驗室透過整合「濕實驗室（wet labs）」與「乾實驗室（dry labs）」，來應對此一問題。

該合作導入了一種「scientist-in-the-loop」工作流程（scientist-in-the-loop workflow）。在此模式下，自動化機器人實驗室 24/7 進行實驗，產生龐大且高品質的資料集。這些資料會立即輸入 NVIDIA 的 AI 模型，模型分析結果並即時提出新的實驗參數。這種反覆過程允許科學家在實體合成任何分子之前，先在電腦上（in silico；透過電腦模擬）探索龐大的化學與生物空間。

NVIDIA 創辦人暨執行長 Jensen Huang 強調此方法的變革潛力，指出 AI 對生命科學的影響將是深遠的。透過打造一個以生物為資訊科學的藍圖，該夥伴關係旨在縮短目前大多數新療法需耗時逾十年的開發時程。

Powering the Next Generation of Bio-Computation

此倡議的核心是 NVIDIA 的 BioNeMo 平台，這是一個專為藥物發現設計的生成式 AI（生成式AI（Generative AI））框架。BioNeMo 使研究人員能夠構建、客製化並部署生物領域的基礎模型，實際上成為實驗室活動的作業系統。

該實驗室也將利用 NVIDIA 未來的硬體架構，包括預期中的 Vera Rubin architecture，以處理在生醫資料上訓練前沿模型所需的龐大運算負載。這與 Eli Lilly 既有的投資相契合，包括他們先前宣布的 AI 超級電腦，該電腦在製藥領域中位居最強之一。

Comparative Analysis: Traditional vs. AI-Accelerated Discovery

The following table outlines the shift in methodology enabled by this high-performance computing (HPC) integration:

Beyond Molecules: Physical AI and Digital Twins

雖然用於分子發現的生成式AI（生成式AI（Generative AI））常常搶占頭條新聞，NVIDIA—Lilly 的夥伴關係獨特之處在於將 AI 擴展至製造與供應鏈物流的實體領域。這個概念稱為「物理 AI（Physical AI）」，它涉及使用機器人與先進模擬來橋接數位模型與真實世界操作之間的差距。

該合作計畫擬利用 NVIDIA Omniverse——一個用於開發 Universal Scene Description（OpenUSD）應用的平台——來建立製造流程的「數位孿生（Digital Twins）」。透過在虛擬環境中模擬生產線，Lilly 可以識別瓶頸、測試效率改進，並在不干擾實際營運的情況下訓練機器人系統。

The Role of RTX PRO Servers

為支援這些工業元宇宙，實驗室將部署 NVIDIA RTX PRO 伺服器。這些系統將視覺化複雜的製造資料，使工程師能夠：

• Model Supply Chains： 預測中斷並優化全球物流。
• Simulate Robotics： 在具物理準確性的虛擬世界中訓練自動化系統，然後再部署到工廠現場。
• Enhance Quality Control： 使用電腦視覺以超人般的精準度偵測生產過程中的異常。

Eli Lilly 執行長 David A. Ricks 強調，這種從顯微鏡到製造廠的全面性方法，可能會重新定義藥物配送。透過優化藥物製造方式，該夥伴關係旨在確保突破性療法不僅能更快被發現，還能更穩定地送達病患手中。

Industry Implications and the Road Ahead

這項 10 億美元的投資凸顯了一個更廣泛的趨勢：「大科技」與「大製藥」正變得密不可分。對 Creati.ai 的讀者來說，這表示 AI 市場已趨成熟。我們正從通用型的大型語言模型（Large Language Models，LLMs）轉向專門化的「大型生物模型（Large Biological Models，LBMs）」，這些模型能理解蛋白質、DNA 與化學結構的語言。

The Rise of Generative Biology

這項合作驗證了生成生物學（generative biology）的概念。就像 AI 模型能生成文本或圖像一樣，現在它們也能生成具有特定治療性質的新蛋白質結構與小分子。「可程式化」生物的能力，可能打開針對歷來被視為「不可用藥」之疾病的治療路徑。

Economic and Ethical Considerations

這些技術採用的速度，引發了關於監管框架與資料隱私的重要問題。然而，若能大幅降低開發新藥的平均成本——目前估計超過 20 億美元——其經濟驅動力不容忽視。若成功，NVIDIA—Lilly 實驗室可能成為產業的新標準，迫使競爭者採用類似的 AI 優先策略，否則面臨被淘汰的風險。

隨著實驗室在南舊金山（South San Francisco）開始運作，整個產業都將密切關注其進展。這項創業的成功不僅以演算法的複雜度衡量，而以其能否比以往更快地將實際、救命的療法送到病患手中為準。就目前而言，NVIDIA 的矽基實力與 Eli Lilly 的生物專長的匯聚，成為 AI 在醫學領域未來最重要的背書。